概述

根据数据的同步实时性主要分为下面几种

1. 强一致性：数据同步没有延时，它要求写入什么，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
2. 弱一致性：数据延时很短，通常在毫秒、秒级别，不保证立即可以读到写入的值，也不保证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
3. 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。这里之所以将最终一致性单独提出来，是因为它是弱一致性中非常推崇的一种一致性模型，也是业界在大型分布式系统的数据一致性上比较推崇的模型

缓存模式

缓存可以提升性能、缓解数据库压力，但是使用缓存也会导致数据不一致性的问题。我们常用的有三种经典的模式

• 旁路缓存
• 读写穿透
• 异步缓存写入

旁路缓存

旁路缓存模式(Cache-Aside Pattern)，它的提出是为了尽可能地解决缓存与数据库的数据不一致问题

读请求流程如下:

• 读的时候，先读缓存，缓存命中的话，直接返回数据
• 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

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

读写穿透

读写穿透(Read/Write Through)模式中，服务端把缓存作为主要数据存储。应用程序跟数据库缓存交互，都是通过抽象缓存层完成的

读穿透简要流程如下

• 从缓存读取数据，读到直接返回
• 如果读取不到的话，从数据库加载，写入缓存后，再返回响应
  这个简要流程是不是跟旁路缓存很像呢？其实读穿透就是多了一层Cache-Provider，流程如下

实际只是在Cache-Aside之上进行了一层封装，它会让程序代码变得更简洁，同时也减少数据源上的负载
写穿透模式下，当发生写请求时，也是由缓存抽象层完成数据源和缓存数据的更新,流程如下

异步缓存写入
异步缓存写入(Write behind)和读写穿透都是由Cache Provider来负责缓存和数据库的读写。它两又有个很大的不同：读写穿透是同步更新缓存和数据的，异步缓存写入则是只更新缓存，不直接更新数据库，通过批量异步的方式来更新数据库。

这种方式下，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，MySQL的InnoDB Buffer Pool机制就使用到这种模式
如何操作缓存
一般业务场景，我们使用的就是Cache-Aside模式。 Cache-Aside在写入请求的时候，为什么是删除缓存而不是更新缓存呢？

我们在操作缓存的时候，到底应该删除缓存还是更新缓存呢？我们先来看个例子：

• 线程A先发起一个写操作，第一步先更新数据库
• 线程B再发起一个写操作，第二步更新了数据库
• 由于网络等原因，线程B先更新了缓存
• 线程A更新缓存
  这时候，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），数据不一致了，脏数据出现啦。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，还有两点劣势：
• 如果你写入的缓存值，是经过复杂计算才得到的话。更新缓存频率高的话，就浪费性能啦。
• 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，又被更新了，这也浪费了性能呢(实际上，写多的场景，用缓存也不是很划算了)
  redis和mysql的操作顺序
  Cache-Aside缓存模式中，有些小伙伴还是有疑问，在写入请求的时候，为什么是先操作数据库呢？为什么不先操作缓存呢？
  假设有A、B两个请求，请求A做更新操作，请求B做查询读取操作

• 线程A发起一个写操作，第一步del cache
• 此时线程B发起一个读操作，cache miss
• 线程B继续读DB，读出来一个老数据
• 然后线程B把老数据设置入cache
• 线程A写入DB最新的数据
  就有问题啦，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。因此，Cache-Aside缓存模式，选择了先操作数据库而不是先操作缓存
  有些小伙伴可能会说，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
  这个休眠一会，一般多久呢？都是1秒？
  这个休眠时间 = 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
  不管是延时双删还是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哦~
  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

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

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。

摘抄别人，累计学习，多多参考。