Redis、Mysql双写情况下，如何保证数据一致
- 场景
- 谈谈数据一致性
- 三个经典的缓存模式
- Cache-Aside Pattern
- 读流程
- 写流程
- Read-Through/Write-Through（读写穿透）
- Write behind （异步缓存写入）
- 操作缓存的时候，删除缓存呢，还是更新缓存？
- 双写的情况下，先操作数据库还是先操作缓存？
- 参考地址
场景
在几乎所有的使用缓存和数据库的项目中，几乎都会存在这样的场景，更新数据时需要更新mysql中的表数据，同时还需要更新缓存。
但因为具体的业务场景不同，所以对mysql redis里的数据一致性的 要求等级也不一样，所以，我们先谈下对数据一致性的要求问题。
谈谈数据一致性
一致性就是数据保持一致，在分布式系统中，可以理解为多个节点中数据的值是一致的。
- 强一致性：这种一致性级别是最符合用户直觉的，它要求系统写入什么，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：这种一致性级别约束了系统在写入成功后，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。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
三个经典的缓存模式
Cache-Aside Pattern
Cache-Aside Pattern，即旁路缓存模式，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。
读流程
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。
写流程
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）
Write behind （异步缓存写入）
操作缓存的时候，删除缓存呢，还是更新缓存？
双写的情况下，先操作数据库还是先操作缓存？
参考地址
参考地址
