双写一致性

      一致性就是数据保持一致，在分布式系统中，为多个节点中数据的值是一致的。

• 强一致性：要求系统写入什么，读出来的也会是什么，用户体验好，但实现起来往往对系统的性能影响大
• 弱一致性：约束系统在写入成功后，不承诺立即可以读到写入的值，也不承诺多久之后数据能够达到一致，但会尽可能地保证到某个时间级别（比如秒级别）后，数据能够达到一致状态
• 最终一致性：最终一致性是弱一致性的一个特例，系统会保证在一定时间内，能够达到一个数据一致的状态。

　　三种经典的缓存模式：

• Cache-Aside Pattern
• Read-Through/Write through
• Write behind

　　Cache-Aside Pattern，即旁路缓存模式，为了尽可能地解决缓存与数据库的数据不一致问题。

　　

1. 读的时候，先读缓存，缓存命中的话，直接返回数据
2. 缓存没有命中的话，就去读数据库，从数据库取出数据，放入缓存后，同时返回响应

　　Cache-Aside Pattern的写请求流程如下：

　　

 

 　　更新的时候，先更新数据库，然后再删除缓存

Read-Through/Write-Through（读写穿透）

　　Read-Through的流程如下

　　

 

1. 从缓存读取数据，读到直接返回
2. 如果读取不到的话，从数据库加载，写入缓存后，再返回响应。

　　Read-Through就是多一层Cache-Provider，流程如下：

　　

 　　Read-Through实际只是在Cache-Aside之上进行一层封装，会让程序代码变得更简洁，同时也减少数据源上的负载。

Write-Through

　　 Write-Through模式下，当发生写请求时，由缓存抽象层完成数据源和缓存数据的更新,流程如下：

　　

Write behind （异步缓存写入）

　　Read/Write Through是同步更新缓存和数据的，Write Behind则是只更新缓存，不直接更新数据库，通过批量异步的方式来更新数据库。

　　

 

 　　缓存和数据库的一致性不强，对一致性要求高的系统要谨慎使用。但是它适合频繁写的场景，

操作缓存的时候，删除缓存呢，还是更新缓存？

　　一般业务场景，使用的就是Cache-Aside模式， Cache-Aside在写入请求，为什么是删除缓存而不是更新缓存？

1、线程A先发起一个写操作，第一步先更新数据库
2、线程B再发起一个写操作，第二步更新了数据库
3、由于网络等原因，线程B先更新了缓存
4、线程A更新缓存。

　　缓存保存的是A的数据（老数据），数据库保存的是B的数据（新数据），数据不一致，脏数据出现。如果是删除缓存取代更新缓存则不会出现这个脏数据问题。

       更新缓存相对于删除缓存，两点劣势：

• 如果写入的缓存值，是经过复杂计算才得到的话。更新缓存频率高的话，就浪费性能。
• 在写数据库场景多，读数据场景少的情况下，数据很多时候还没被读取到，又被更新，这也浪费了性能

双写的情况下，先操作数据库还是先操作缓存？

1、线程A发起一个写操作，第一步del cache
2、此时线程B发起一个读操作，cache miss
3、线程B继续读DB，读出来一个老数据
4、然后线程B把老数据设置入cache
5、线程A写入DB最新的数据

　　缓存和数据库的数据不一致了。缓存保存的是老数据，数据库保存的是新数据

缓存延时双删

　　不一定要先操作数据库呀，采用缓存延时双删策略就好啦？什么是延时双删呢？

　　

先删除缓存
再更新数据库
休眠一会（比如1秒），再次删除缓存。

　　休眠时间 = 读业务逻辑数据的耗时 + 几百毫秒。 为了确保读请求结束，写请求可以删除读请求可能带来的缓存脏数据。

删除缓存重试机制

　　延时双删还是Cache-Aside的先操作数据库再删除缓存，如果第二步的删除缓存失败呢，删除失败会导致脏数据，删除失败就多删除几次呀,保证删除缓存成功呀~ 所以可以引入删除缓存重试机制

　　

1、写请求更新数据库
2、缓存因为某些原因，删除失败
3、把删除失败的key放到消息队列
4、消费消息队列的消息，获取要删除的key
5、重试删除缓存操作

读取biglog异步删除缓存

　　重试删除缓存机制还可以，就是会造成好多业务代码入侵。其实，还可以通过数据库的binlog来异步淘汰key。

　　

 

 　　以mysql为例 可以使用阿里的canal将binlog日志采集发送到MQ队列里面，然后通过ACK机制确认处理这条更新消息，删除缓存，保证数据缓存一致性