各位同学们平时开发的时候除了使用到数据库（这里以mysql为例）还会用到相关的缓存（这里以redis为例）操作。
举一个常用的场景当我们写的接口性能相对比较慢的时候（高并发场景需要响应速度很快）为了保证性能的达标，我们一般会结合用缓存来提高响应，比如redis号称每秒响应次数达到10W级。
那么问题来了，如何保证数据库和缓存的接口一致性呢，本文就来简要的分析一下目前市面上大家常用的6种不通的缓存一致性解决方式。
一、方案介绍
方案一、先写数据库，在写缓存
请求 A、B 都是先写数据库，然后再写缓存，在高并发情况下，如果请求 A 在写缓存时卡了一会，请求 B 已经依次完成数据的更新，就会出现图中的问题。
对于读请求，先去读缓存，如果没有，再去读 数据库，但是读请求不会再回写缓存。
方案二、先写缓存，再写数据库
方案二和方案一相反，先写缓存，在写数据库，
方案三、先删除缓存，再写数据库
这里的请求 A 是更新请求，但是请求 B 是读请求，且请求 B 的读请求会回写数据库。
请求 A 先删除缓存，可能因为卡顿，数据一直没有更新到数据库，导致两者数据不一致。这种情况出现的概率比较大，因为请求 A 更新数据库可能耗时会比较长，而请求 B 的前两步都是查询，会非常快。
方案四、先删除缓存，再写数据库，再删除缓存
对于“先删除缓存，再写 数据库”，如果要解决最后的不一致问题，其实再对 缓存重新删除即可，这个也是常说的“缓存双删”。
“删除缓存 5”必须在“回写缓存5”后面，怎么保证一定是在后面呢？
走异步串行化删除，在任务处理完成后把最后“删除缓存 5”放到异步队列中，进行延迟删除，确保最后的一致性。
异步删除对线上业务无影响，串行化处理保障并发情况下正确删除。
如果双删失败怎么办？建议走重试机制，方案一是借助消息队列的重试机制；方案二也可以自己整个表，记录重试次数。
方案五、先写数据库，再删除缓存
对于上面这种情况，对于第一次查询，请求 B 查询的数据是 5，但是 数据库中的数据是 6，只存在这一次不一致的情况，对于不是强一致性要求的业务，可以容忍。（那什么情况下不能容忍呢，比如秒杀业务、库存服务等。）
当请求 B 进行第二次查询时，因为没有命中缓存，会重新查一次数据库，然后再回写到缓存。
这里需要满足 2 个条件：
- 缓存刚好自动失效；
- 请求 B 从数据库查出 5，回写缓存的耗时，比请求 A 写数据库，并且删除缓存的还长。
对于第二个条件，我们都知道更新数据库肯定比查询耗时要长，所以出现这个情况的概率很小，同时满足上述条件的情况更小。
方案六、先写数据库，通过 Binlog，异步更新缓存
这种方案，主要是监听数据库（mysql）的 Binlog，然后通过异步的方式，将数据更新到缓存，这种方案有个前提，查询的请求，不会回写缓存。
这个方案，会保证数据库和缓存的最终一致性，但是如果中途请求 B 需要查询数据，如果缓存无数据，就直接查数据库；如果缓存有数据，查询的数据也会存在不一致的情况。
所以这个方案，是实现最终一致性的终极解决方案，但是不能保证实时性。
二、各方案的比较
方案一、先写数据库，在写缓存
- 这种方案不建议用，万一数据库挂了，你把数据写到缓存，数据库无数据，影响肯定是灾难性的，如果真要使用，建议增加重试机制试试，如果操作失败的话；
方案二、先写缓存，再写数据库
- 这种只适合那种并发量、一致性要求不高的项目，比如那种政企项目，之前做过的政企项目就是经常这么搞，但是不建议这么做；
- 当缓存瞬间不可用的情况，需要及时告警，做后续处理。
方案三、先删除缓存，再写数据库
- 这种方法……好像没使用过，一般都是用方案五。
方案四、先删除缓存，再写数据库，再删除缓存
- 这种方式虽然可行，但是有点负责化了，还要搞个消息队列去异步删除 Redis。简单点的可以用java的异步线程去做延时删除。
方案五、先写数据库，再删除缓存
- 比较推荐这种方式，删除 Redis 如果失败，可以再多重试几次，否则报警出来；
- 这个方案，是实时性中最好的方案，在一些高并发场景中，推荐这种。
方案六、先写数据库，通过 Binlog，异步更新缓存
- 对于异地容灾、数据汇总等，建议会用这种方式，比如 binlog + kafka，数据的一致性也可以达到秒级；
- 纯粹的高并发场景，不建议用这种方案，比如抢购、秒杀等。
三、总结
- 实时一致性方案：采用“先写数据库，再删除缓存”的策略，这种情况虽然也会存在两者不一致，但是需要满足的条件有点苛刻，所以是满足实时性条件下，能尽量满足一致性的最优解。
- 最终一致性方案：采用“先写数据库，通过Binlog，异步更新缓存”，可以通过 Binlog，结合消息队列异步更新缓存，是最终一致性的最优解。
