读写操作一致性分析
引言
首先，先说一下。老外提出了一个缓存一致性设计套路，名为《Cache-Aside pattern》。其中就指出
跟新：应用程序先从cache取数据，没有得到，则从数据库中取数据，成功后，放到缓存中。
命中：应用程序从cache中取数据，取到后返回。
失效：先把数据存到数据库中，成功后，再让缓存失效。
另外，知名社交网站facebook也在论文《Scaling Memcache at Facebook》中提出，他们用的是先更新数据库，再删缓存的策略
读操作业务流程，大家应该没啥疑问,操作流程如下:
写操作流程分歧比较严重，如下分析三种更新缓存策略
- 先更新数据库，再更新缓存
- 先删除缓存，再更新数据库
- 先更新数据库，再删除缓存
第一种:先更新数据库，再更新缓存分析
这种业界比较统一，从性能，业务，技术角度都不建议
-
线程安全角度
同时有请求A和请求B进行更新操作，那么会出现
（1）线程A更新了数据库
（2）线程B更新了数据库
（3）线程B更新了缓存
（4）线程A更新了缓存
这就出现请求A更新缓存应该比请求B更新缓存早才对，但是因为网络等原因，B却比A更早更新了缓存。这就导致了脏数据，因此不考虑。 -
业务场景角度
有如下两点：
（1）如果你是一个写数据库场景比较多，而读数据场景比较少的业务需求，采用这种方案就会导致，数据压根还没读到，缓存就被频繁的更新，浪费性能。
（2）如果你写入数据库的值，并不是直接写入缓存的，而是要经过一系列复杂的计算再写入缓存。那么，每次写入数据库后，都再次计算写入缓存的值，无疑是浪费性能的。显然，删除缓存更为适合。
接下来讨论的就是争议最大的，先删缓存，再更新数据库。还是先更新数据库，再删缓存的问题。
第二种:先删缓存，再更新数据库
该方案会导致不一致的原因是。同时有一个请求A进行更新操作，另一个请求B进行查询操作。那么会出现如下情形:
（1）请求A进行写操作，删除缓存
（2）请求B查询发现缓存不存在
（3）请求B去数据库查询得到旧值
（4）请求B将旧值写入缓存
（5）请求A将新值写入数据库
- 上述情况就会导致不一致的情形出现。而且，如果不采用给缓存设置过期时间策略，该数据永远都是脏数据。
如何解决呢？采用延时双删策略，伪代码如下:
redis.deleteKey(key);
userService.update(id);
Thread.sleep(1000);
redis.deleteKey(key);
- 双删策略，休眠时间是考虑的重点，是休眠1s还是多久? 需要根据业务情况您的写请求耗时多长，然后再此基础上加上几百ms即可
- 假如删除缓存失败，如何处理？两种方案处理，主要思想通过重试的机制删除，直到成功为止
-
第一种方案：将删除失败的key放入消息队列,再业务系统订阅再重试机制删除
-
第二种方案：将删除失败的key放入消息队列，处理机制是将删除失败的key不再由业务系统处理，单独启独立的线程及不影响业务系统的操作来做重试删除机制
第三种:先更新数据库，再删除缓存
这种情况极端情况会存在并发问题么,假设这会有两个请求，一个请求A做查询操作，一个请求B做更新操作，那么会有如下情形产生
（1）缓存刚好失效
（2）请求A查询数据库，得一个旧值
（3）请求B将新值写入数据库
（4）请求B删除缓存
（5）请求A将查到的旧值写入缓存
分析发生这种情况的概率又有多少呢？发生上述情况有一个先天性条件，就是步骤(3)的写数据库操作比步骤(2)的读数据库操作耗时更短，才有可能使得步骤(4)先于步骤(5)可是，大家想想，数据库的读操作的速度远快于写操作的（不然做读写分离干嘛，做读写分离的意义就是因为读操作比较快，耗资源少)，因此步骤(3)耗时比步骤(2)更短；这种情况发生概览极其低的, 正如引言所言fackbook采用的是这种方案;
小结： 没有一种方案策略是完美的，一致性问题是分布式存储解决方案一直以来的痛点, 问题都需要根据具体的业务场景再具体的分析，如上方案仅供参考;