为什么要使用缓存

• 言简意赅：速度快，好用
• 缓存数据存储于代码中，而代码运行在内存中，内存的读写性能远高于磁盘，缓存可以大大降低用户访问并发量带来的服务器读写压力
• 实际开发中，企业的数据量，少则几十万，多则几千万，这么大的数据量，如果没有缓存来作为避震器系统是几乎撑不住的，所以企业会大量运用缓存技术
• 但是缓存也会增加代码复杂度和运营成本
• 缓存的作用
  1.降低后端负载
  2.提高读写效率，降低响应时间
• 缓存的成本
  1.数据一致性成本
  2.代码维护成本
  3.运维成本（一般采用服务器集群，需要多加机器，机器就是钱）
  在这里护主要说redis缓存

图解

先从Redis中查询，如果没有查到，再去MySQL中查询，同时查询完毕之后，将查询到的数据也存入Redis，这样当下一个用户来进行查询的时候，就可以直接从Redis中获取到数据

商户缓存流程

• 代码思路：如果Redis缓存里有数据，那么直接返回，如果缓存中没有，则去查询数据库，然后存入Redis
  

缓存更新策略

• 缓存更新是Redis为了节约内存而设计出来的一个东西，主要是因为内存数据宝贵，当我们想Redis插入太多数据，此时就可能会导致缓存中数据过多，所以Redis会对部分数据进行更新，或者把它成为淘汰更合适

1. 内存淘汰：Redis自动进行，当Redis内存大道我们设定的max-memery时，会自动触发淘汰机制，淘汰掉一些不重要的数据（可以自己设置策略方式）
2. 超时剔除：当我们给Redis设置了过期时间TTL之后，Redis会将超时的数据进行删除，方便我们继续使用缓存
3. 主动更新：我们可以手动调用方法把缓存删除掉，通常用于解决缓存和数据库不一致问题
   

数据库和缓存不一致解决方案

由于我们的缓存数据源来自数据库，而数据库的数据是会发生变化的，因此，如果当数据库中数据发生变化，而缓存却没有同步，此时就会有一致性问题存在，其后果是

• 用户使用缓存中的过时数据，就会产生类似多线程数据安全问题，从而影响业务，产品口碑等

那么如何解决这个问题呢？有如下三种方式

1. Cache Aside Pattern 人工编码方式：缓存调用者在更新完数据库之后再去更新缓存，也称之为双写方案（主要方案）
2. Read/Write Through Pattern：缓存与数据库整合为一个服务，由服务来维护一致性。调用者调用该服务，无需关心缓存一致性问题。但是维护这样一个服务很复杂，市面上也不容易找到这样的一个现成的服务，开发成本高
3. Write Behind Caching Pattern：调用者只操作缓存，其他线程去异步处理数据库，最终实现一致性。但是维护这样的一个异步的任务很复杂，需要实时监控缓存中的数据更新，其他线程去异步更新数据库也可能不太及时，而且缓存服务器如果宕机，那么缓存的数据也就丢失了

综上所述，在企业的实际应用中，还是方案一最可靠，但是方案一的调用者该如何处理呢？

三个问题：
1. 删除缓存还是更新缓存？
2. 如何保证缓存与数据库的操作同时成功或者失败？
3. 先操作缓存还是先操作数据库？

1. 删除缓存还是更新缓存？

• 如果采用方案一，假设我们每次操作完数据库之后，都去更新一下缓存，但是如果中间并没有人查询数据，那么这个更新动作只有最后一次是有效的，中间的更新动作意义不大，所以我们可以把缓存直接删除，等到有人再次查询时，再将缓存中的数据加载出来
  对比删除缓存与更新缓存
  更新缓存：每次更新数据库都需要更新缓存，无效写操作较多
  删除缓存：更新数据库时让缓存失效，再次查询时更新缓存

2. 如何保证缓存与数据库的操作同时成功/同时失败？

• 单体系统：将缓存与数据库操作放在同一个事务
• 分布式系统：利用TCC等分布式事务方案

3. 先操作缓存还是先操作数据库？

• 我们来仔细分析一下这两种方式的线程安全问题

• 先删除缓存，再操作数据库
  删除缓存的操作很快，但是更新数据库的操作相对较慢，如果此时有一个线程2刚好进来查询缓存，由于我们刚刚才删除缓存，所以线程2需要查询数据库，并写入缓存，但是我们更新数据库的操作还未完成，所以线程2查询到的数据是脏数据，出现线程安全问题
  

• 先操作数据库，再删除缓存
  线程1在查询缓存的时候，缓存TTL刚好失效，需要查询数据库并写入缓存，这个操作耗时相对较短（相比较于上图来说），但是就在这么短的时间内，线程2进来了，更新数据库，删除缓存，但是线程1虽然查询完了数据（更新前的旧数据），但是还没来得及写入缓存，所以线程2的更新数据库与删除缓存，并没有影响到线程1的查询旧数据，写入缓存，造成线程安全问题
  
  虽然这二者都存在线程安全问题，但是相对来说，后者出现线程安全问题的概率相对较低，所以我们最终采用后者先操作数据库，再删除缓存的方案