缓存和缓存更新策略
缓存更新策略
一般来说，缓存层指的是分布式中间件Redis或者Memcached，在服务层和数据库层直接加上一层分布式缓存中间件，实现高并发的写入、读取。从而提高性能，缓解数据库压力。
常见的三种缓存模式
- 旁路缓存模式（最常用）
- 读写穿透模式
- 异步回写模式
旁路缓存模式
在这种模式中，读写缓存，数据库和更新缓存的操作都在应用程序中完成
具体来说：读取的过程就是
- 接收到数据查询的请求
- 先去缓存中进行查询
- 如果缓存中存在则直接返回
- 如果不存在，则去数据库进行查询，并且添加记录到缓存。
写的过程：
- 接收用户的数据写入请求
- 先写入数据库
- 再写入缓存
同时，根据数据读取的时机，又分为懒汉模式（延迟加载）和饿汉模式（及时加载）。饿汉就是提前预加载，项目启动的时候就把数据加载到缓存。懒汉模式即是第一次查询到才会加载到缓存中。
对于极热数据，就比如秒杀那种的，可以预先加载到缓存中，能极大的提升请求处理的性能和系统的吞吐量。
读写穿透模式
读写穿透模式可以理解为在缓存旁路模式之上进行了一层封装，封装出一层独立的缓存程序Cache Provider。数据的读写都由这个Cache-Provider层处理，代码会更简洁。
整体过程如下：读取的过程：
- 接收到数据查询请求
- 应用程序通过Cache Provider查询数据
- cache Provider进行判断数据从何处处理，如果缓存在Redis中，则获取缓存中的数据并返回
- 如果数据不在Redis中，则从数据库获取，添加到缓存中并返回。
写入的过程：
- 接收到用户的数据写入
- 应用程序通过Cache-provider写入
- Cache-Provider先写入缓存数据
- Cache-provider写入数据库
读写穿透模式和旁路缓存模式分享相似，区别是
- 在读写穿透模式中，应用程序不需要具体的数据读写细节，直接通过Cache- Provider提供服务。所以代码会更加简洁。
- 读写穿透模式中，更新缓存的时候，是直接写入新的缓存数据，旁路缓存模式是删除掉缓存。
读写穿透模式的应用场景是数据一致性要求高，并且写操作多的场景。但是因为要保证写缓存和写数据库要同步进行，需要用到锁等，会降低性能。
异步回写模式
异步写入模式在写入的时候，只更新缓存，不同步更新数据库，通过异步批量写入数据库。可以看出这种模式的性能肯定是很高的。但是对数据一致性的保证比较弱。如果缓存丢失，并且没有写入到数据库，则会造成数据丢失。
异步回写模式适合数据变化频繁，又对数据一致性要求不高的场景。如浏览量，点赞量
缓存双写一致性
一般分为5种策略
- 方案1:先更新数据库，再更新缓存。
- 方案2:先删除缓存，再更新数据库。
- 方案3:先更新数据库，再删除缓存。
- 方案4:延迟双删。
- 方案5:先更新数据库，再基于队列删除缓存。
这个相信不止一次在面试中被问到了。其实思考的方向是并发方向。
方案1:
假设有两个请求，A和B都是写入数据：
1、A更新数据库
2、B更新数据库
3、B更新缓存
4、A更新缓存
可以结合并发，可以很明显的看出来，B更新的缓存被A覆盖掉了。导致数据其实是不一致的。因为并发的数据不好控制，所以大概率会造成脏数据。
方案2:先删除缓存，再更新数据库
假设有两个请求，A写入数据，B读取数据：
1、A删除缓存
2、B查询数据，因为没有命中缓存，所以在数据库中查找，并将数据保存到缓存中。
3、A将数据写入数据库
这个也可以看出来，缓存中其实缓存的是历史旧数据。这也会造成数据的不一致。
方案3：先更新数据库再删除缓存
假设有两个请求，A写入数据，B读取数据：
1、A更新数据到数据库
2、B查询数据，此时旧的数据还在缓存中，所以可以直接读取缓存数据
3、A删除缓存
这个方案基本上可以是可以的。但是如果读请求发生在 更新数据和删除缓存之间，还是会造成数据不一致。所以这个方案存在一些问题：
- 在写入数据和删除缓存之间，会存在短暂的数据不一致
- 如果缓存删除失败，则会长时间导致数据不一致。
那么如何解决写入和删除缓存的这个时间差，数据不一致的问题呢？
其实是因为没有预先删除缓存，导致查询到了缓存中的数据。那么，如果删除掉缓存中的数据呢？这就引出了方案4，延迟双删
方案4：延迟双删
1、先删除缓存，2、再更新数据库，然后再延迟一段时间，删除缓存。
为什么要最后再删除一次？因为可能并发读发生在删除缓存和更新数据库这个时间。
延迟双删存在的问题：
- 因为有两次删除，所以会对redis有两次写入，导致写入压力增大
- 如果最后一次的删除失败，依然可能导致数据不一致。并且不一致时间较长。
方案5：更新数据库再基于队列删除缓存
先更新数据库，然后对应的删除操作放入队列，通过队列进行删除。
因为队列可以进行重试，所以，基本上可以保证缓存可以删除掉。
说到队列，又会分为内存型队列，消息队列中间件，binlog+消息队列。
内存队列可能造成内存占用过高，并且如果出现宕机，会导致没有删除的数据丢失。
在数据库和缓存的分布式架构中，加入分布式缓存是为了获得高性能，高吞吐，即为了获得分布式系统的AP特性（可用和分区容错）所以，如果需要数据库和缓存数据保持强一致（强CP特性），就不适合使用缓存。