字节一面：Redis主节点的Key已过期，但从节点依然读到过期数据....

我们知道，大部分的业务场景都是读多写少，为了利用好这个特性，提升Redis集群系统的吞吐能力，通常会采用主从架构、读写分离

如上图所示：其中

• Master节点：负责业务的写操作
• Slave节点：实时同步Master节点的数据，提供读能力
  

为了提高吞吐量，采用一主多从的架构，将业务的读压力分摊到多台服务器上

上述方案，看似合理，但其实可能存在一定隐患！

一、拉取过期数据

Redis性能高主要得益于纯内存操作，但内存存储介质的成本过高，所以数据的存储有一定的约束。

通常会设置过期时间，对于一些使用不是很频繁的数据，会定期删除，提高资源的利用率。

删除过期数据，Redis提供了两种策略：

1、惰性删除。

也称被动删除，当数据过期后，并不会马上删除。而是等到有请求访问时，对数据检查，如果数据过期，则删除数据。

优点：不需要单独启动额外的扫描线程，减少了CPU资源的损耗。

缺点：大量的过期数据滞留内存中，需要主动触发、检查、删除，否则会一直占用内存资源。

2、定期删除。每隔一段时间，默认100ms，Redis会随机挑选一定数量的Key，检查是否过期，并将过期的数据删除。

你可能会为问了，既然Redis有过期数据删除策略，那为什么还会拉取到已经过期的数据呢？

这要从主从同步讲起了，我们先来看张流程图

当客户端往主库写入数据后，并设置了过期时间，数据会以异步方式同步给从库。

1、如果此时读主库，数据已经过期，主库的惰性删除会发挥作用，主动触发删除操作，客户端不会拿到已过期数据

2、但是如果读从库，则有可能拿到过期数据。原因有两个

原因一：

跟 Redis 的版本有关系，Redis 3.2 之前版本，读从库并不会判断数据是否过期，所以有可能返回过期数据。

解决方案：

升级Redis的版本，至少要3.2 以上版本，读从库，如果数据已经过期，则会过滤并返回空值。

特别注意：

此时同步过来的数据，虽然已经过期，但本着谁生产谁维护的原则，从库并不会主动删除同步的数据，需要依赖于主节点同步过来的key删除命令。

原因二：

跟过期时间的设置方式有关系，我们一般采用 EXPIRE 和 PEXPIRE，表示从执行命令那个时刻开始，往后延长 ttl 时间。严重依赖于 开始时间 从什么时候算起。

• EXPIRE：单位为秒
• PEXPIRE：单位为毫秒

如上图所示，简单描述下过程：

• 主库在 t1 时刻写入一个带过期时间的数据，数据的有效期一直到 t3
• 由于网络原因、或者缓存服务器的执行效率，从库的命令并没有立即执行。一直等到了 t2 才开始执行， 数据的有效期则会延后到 t5
• 如果，此时客户端访问从库，发现数据依然处于有效期内，可以正常使用

解决方案：

可以采用Redis的另外两个命令，EXPIREAT 和 PEXPIREAT，相对简单，表示过期时间为一个具体的时间点。避免了对开始时间从什么时候算起的依赖。

• EXPIREAT：单位为秒
• PEXPIREAT：单位为毫秒

特别注意：

EXPIREAT 和 PEXPIREAT 设置的是时间点，所以要求主从节点的时钟保持一致，需要与NTP 时间服务器保持时钟同步。

主从同步，除了读从库可能拉取到过期数据，还可能遇到数据一致性问题。

继续往下看

二、主从数据不一致

解释下，什么是主从数据不一致？指客户端从库中读取到的值与主库中读取的值不一致！

如图所示：

• 客户端写入主库，值为100
• 然后，主库将值100 同步给 从库
• 接着，客户端又访问主库，将值更新为 200
• 由于主从同步是异步进行的，有一定延迟，假如最新数据还没有同步到从库，那么从库读取的就不是最新值。

从库同步落后的原因主要有两个：

1、主从服务器间的网络传输可能有延迟

2、从库已经收到主库的命令，由于是单线程执行，前面正在处理一些耗时的命令（如：pipeline批处理），无法及时同步执行。

解决方案：

1、主从服务器尽量部署在同一个机房，并保持服务器间的网络良好通畅

2、监控主从库间的同步进度，通过info replication命令 ，查看主库接收写命令的进度信息（master_repl_offset），从库的复制写命令的进度信息（slave_repl_offset）

master_repl_offset - slave_repl_offset

得到从库与主库间的复制进度差

我们可以开发一个监控程序，定时拉取主从服务器的进度信息，计算进度差值。如果超过我们设置的阈值，则通知客户端断开从库的连接，全部访问主库，一定程度上减少数据不一致情况。

待同步进度跟上后，我们再恢复客户端与从节点的读操作。