☃️概述

由于我们的 缓存的数据源来自于数据库, 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;怎么解决呢？有如下几种方案

人工编码方式：缓存调用者在更新完数据库后再去更新缓存，也称之为双写方案

由系统本身完成：数据库与缓存的问题交由系统本身去处理

调用者只操作缓存：其他线程去异步处理数据库，实现最终一致

☃️数据库和缓存不一致采用什么方案

综合考虑使用方案一，但是方案一调用者如何处理呢？这里有几个问题

操作缓存和数据库时有三个问题需要考虑：

如果采用第一个方案，那么假设我们每次操作数据库后，都操作缓存，但是中间如果没有人查询，那么这个更新动作实际上只有最后一次生效，中间的更新动作意义并不大，我们可以把缓存删除，等待再次查询时，将缓存中的数据加载出来

• 删除缓存还是更新缓存？

  • 更新缓存：每次更新数据库都更新缓存，无效写操作较多
  • 删除缓存：更新数据库时让缓存失效，查询时再更新缓存

• 如何保证缓存与数据库的操作的同时成功或失败？

  • 单体系统，将缓存与数据库操作放在一个事务
  • 分布式系统，利用TCC等分布式事务方案

应该具体操作缓存还是操作数据库，我们应当是先操作数据库，再删除缓存，原因在于，如果你选择第一种方案，在两个线程并发来访问时，假设线程1先来，他先把缓存删了，此时线程2过来，他查询缓存数据并不存在，此时他写入缓存，当他写入缓存后，线程1再执行更新动作时，实际上写入的就是旧的数据，新的数据被旧数据覆盖了。

• 先操作缓存还是先操作数据库？
  • 先删除缓存，再操作数据库
  • 先操作数据库，再删除缓存

☃️代码实现

根据id查询数据时，如果缓存未命中，则查询数据库，将数据库结果写入缓存，并设置超时时间

根据id修改数据时，先修改数据库，再删除缓存

@Transactionl
public Result update(){
//	执行更新逻辑


//	删除缓存
}

☃️其他

要保证数据库和Redis缓存之间的一致性，可以采用以下策略：

• 缓存-旁路（Cache-Aside，Lazy Loading）：在这种方式中，应用程序首先检查缓存中是否存在所需数据。如果缓存中存在数据，则直接返回给应用程序。如果缓存中不存在数据，则从数据库中获取，然后将数据存储到缓存中以备后续请求使用。为了保持一致性，当数据库中的数据更新时，你需要显式地使缓存中对应的数据失效或更新，可以在数据库更新后立即删除或更新缓存中的数据。

• 读写-通过（Read-Through，Write-Through）：在这种模式下，应用程序同时向数据库和缓存读写数据。当数据库中的数据更新时，缓存中的数据也会同时更新。同样，当从缓存中读取数据时，如果不存在，就从数据库中获取，然后再存储到缓存中。这确保了数据库和缓存的数据保持一致。

• 写入-通过（Write-Through）：类似于读写-通过，但在这种方法中，当数据写入数据库时，也会立即写入缓存。然而，读取操作仍然是从缓存中进行。这有助于减少缓存未命中的次数。

• 缓存失效（Cache Invalidation）：不是在每次数据库更新时都更新缓存，你可以选择使受影响的数据缓存失效。这意味着从缓存中删除过期的数据，这样下一次读取操作将从数据库中获取最新的数据。缓存失效可以通过应用程序中的触发器或事件来实现，它们检测数据库中的更改，然后通知缓存使相应的数据失效。

• 生存时间（Time-To-Live，TTL）：你可以为缓存的数据设置过期时间。这样即使数据库发生了更新，缓存也会在一定时间后过期，然后重新从数据库获取新鲜数据。

通过采用这些策略中的一种或多种组合，你可以在应用程序中保持数据库和Redis缓存之间的一致性。每种方法都有其复杂性、性能和一致性保证方面的权衡，所以选择最适合你应用需求的策略即可。