在我们系统中缓存最常用的策略是：服务端需要同时维系DB和Cache，并且是以DB的结果为准， Cache-Aside Pattern（缓存分离模式、旁路缓存）。

1. 读取数据

当用户查询数据时，首先先到Redis中进行查询，如果没有命中，则到数据库中进行查询。在数据库中查询到数据后，将数据返回，并且存入到Redis中，设置过期时间，设置过期时间是为了避免长时间未使用的数据一直存放在Redis中，占用内存空间。

2. 写数据

用户在写入数据时，要操作Redis和DataBase。有以下几种操作：

先操作Redis缓存

• 先更新缓存，再更新数据库
• 先删除缓存，再更新数据库

先操作DataBase数据库

• 先更新数据库，再更新缓存
• 先更新数据库，再删除缓存

对于是更新Redis中的数据，还是删除Redis中的数据，其实更推荐是删除Redis中的数据。

因为，如果是选择修改Redis数据，而不是删除，那么如果再修改Redis数据成功后，再去更新数据库中的数据时失败，这样就会导致Redis和DataBase中的数据不一致。再或者如果先成功更新了数据库中的数据，再去更新Redis中的数据时失败了，那么下次查询到Redis中的数据虽然存在，但是为错误数据。

在更新缓存与删除缓存之中，我们确定了是使用删除Redis缓存中的数据。那么剩下的一个问题就是，先更新数据库，还是先删除Redis缓存？

对于这两种情况，我们分别进行讨论。

2.1 先操作缓存

先操作缓存，也就是先将Redis中的数据删除，然后再更新DataBase中的数据。

数据不一致

考虑这种情况下会出现的问题：

1. Redis中的数据成功被删除了。
2. 在数据被写入数据库之前，此时有线程2存在，线程2读取DataBase中的数据，读取成功后存入了Redis中。
3. 线程2从DataBase中读取数据后，线程1的新数据写入DataBase。
4. 此时再去读取数据时，因为Redis中数据存在，所以会直接读取Redis中的数据，但是Redis中的数据是旧数据，此时就出现了数据不一致问题。

出现上述这种情况时，该如何解决呢？

（双删）有一种解决方法：

1. Redis中的数据成功被删除了
2. 在数据被写入数据库之前，此时有线程2存在，线程2读取DataBase中的数据，读取成功后存入了Redis中。
3. 线程2从DataBase中读取数据后，线程1的新数据写入DataBase。
4. 线程1的新数据写入DataBase后，再次执行将Redis中的数据删除。
5. 此时再去读取数据时，因为Redis中数据不存在，所以会到DataBase中查询数据，再将查询到的数据存入Redis中，这样保证了数据的一致性。

但是，这种处理方法，还是存在一种缺陷。如以下情况：

1. 线程1更新数据，Redis中的数据成功被删除了。
2. 线程2读取数据，先查缓存，缓存中数据不存在，查询数据库，查询到旧数据。
3. 线程1删除Redis数据成功后，将新数据写入数据库。
4. 线程1将新数据写入数据库后，删除Redis中的缓存数据。
5. 线程2将查询到的旧数据返回，并将数据写入到Redis中。
6. 此时，Redis中的数据为旧数据，又导致了Redis与数据库中数据不一致的问题。

为了解决上述问题，我们可以将第5步操作进行延迟。在上诉例子中，也就是让线程2先将旧数据存入到Redis中，线程1再去删除Redis中的数据。这种处理方法称为延迟双删。

对于先操作缓存，再操作数据库的情况中，处理数据不一致性问题，我们一般采用延迟双删的方法进行处理。

2.2 先操作数据库

先操作数据库，也就是先更新DataBase中的数据，然后再将Redis中的数据删除。

此时，线程2存在，如果数据再Redis中存在，那么不会出现数据不一致问题。

线程2查询数据，首先查询缓存，数据存在直接返回，只是线程2可能查到的为旧数据，但是这并不影响Redis与DataBase的数据一致性。

除了这种情况外，还有一种情况存在。Redis中不存在被更新的该数据。那么就会出现以下情况：

1. 线程2查询数据，先查询Redis中的数据，数据不存在，到数据库中查询数据，查询到旧数据。
2. 线程1更新数据库中的数据。
3. 线程1更新完数据库中的数据后，执行对Redis中数据的删除操作。
4. 线程2将查询到的旧数据存储到Redis中。此时就出现了数据不一致行问题。

对于这种情况，我们对于图中第4步操作还是采用延迟删除进行处理。

但是这种情况下，也会存在一种问题，就是第3步操作，删除缓存失败。针对这种删除缓存失败的情况，我们可以采用删除重试机制进行解决。我们可以引入MQ消息队列。

但是，加入了删除重试后，非业务代码和业务代码耦合度太高了。

我们想解耦的话，就可以采用另一个组件，叫做canal。

canal是阿里的一款开源框架，主要用途是基于MySQL数据库增量日志解析，提供增量数据订阅和消费。

Canal提供了各种语言的客户端，当Canal监听到binlog变化时，会通知Canal的客户端。