1 前言
先阐明一下 MySQL 和 Redis 的关系：MySQL 是数据库，用来持久化数据，一定程度上保证数据的可靠性；Redis 是用来当缓存，用来提升数据访问的性能。
关于如何保证 MySQL 和 Redis 中的数据一致（即缓存一致性问题），这是一个非常经典的问题。
使用过缓存的人都应该知道，在实际应用场景中，要想实时刻保证缓存和数据库中的数据一样，很难做到。
基本上都是尽可能让他们的数据在绝大部分时间内保持一致，并保证最终是一致的。
1.1 缓存不一致是如何产生的
如果数据一直没有变更，那么就不会出现缓存不一致的问题。
通常缓存不一致是发生在数据有变更的时候。因为每次数据变更你需要同时操作数据库和缓存，而他们又属于不同的系统，无法做到同时操作成功或失败，总会有一个时间差。在并发读写的时候可能就会出现缓存不一致的问题（理论上通过分布式事务可以保证这一点，不过实际上基本上很少有人这么做）。
虽然没办法在数据有变更时，保证缓存和数据库强一致，但对缓存的更新还是有一定设计方法的，遵循这些设计方法，能够让这个不一致的影响时间和影响范围最小化。
1.2 缓存更新的几种设计
缓存更新的设计方法大概有以下四种：
- 反向Cache Aside:先删除缓存，再更新数据库（这种方法在并发下最容易出现长时间的脏数据，不可取）
- 旁路缓存:先更新数据库，删除缓存（Cache Aside Pattern）
- 通读同写:只更新缓存，由缓存自己同步更新数据库（Read/Write Through Pattern）
- 异步回写:异步消息最终一致:只更新缓存，由缓存自己异步更新数据库（Write Behind Cache Pattern）
接下来详细介绍一些这四种设计方法
2 设计方法一：先删除缓存，再更新数据库
这种方法在并发读写的情况下容易出现缓存不一致的问题
如上图所示，其可能的执行流程顺序为：
- 客户端1 触发更新数据A的逻辑
- 客户端2 触发查询数据A的逻辑
- 客户端1 删除缓存中数据A
- 客户端2 查询缓存中数据A，未命中
- 客户端2 从数据库查询数据A，并更新到缓存中
- 客户端1 更新数据库中数据A
可见，最后缓存中的数据 A 跟数据库中的数据 A 是不一致的，缓存中的数据A是旧的脏数据。
因此一般不建议使用这种方式。
3 设计方法二：先更新数据库，再让缓存失效
这种方法在并发读写的情况下，也可能会出现短暂缓存不一致的问题
如上图所示，其可能执行的流程顺序为：
- 客户端1 触发更新数据A的逻辑
- 客户端2 触发查询数据A的逻辑
- 客户端3 触发查询数据A的逻辑
- 客户端1 更新数据库中数据A
- 客户端2 查询缓存中数据A，命中返回（旧数据）
- 客户端1 让缓存中数据A失效
- 客户端3 查询缓存中数据A，未命中
- 客户端3 查询数据库中数据A，并更新到缓存中
可见，最后缓存中的数据A和数据库中的数据 A 是一致的，理论上可能会出现一小段时间数据不一致，不过这种概率也比较低，大部分的业务也不会有太大的问题。
4 设计方法三：只更新缓存，由缓存自己同步更新数据库（Read/Write Through Pattern）
只更新缓存，由缓存自己同步更新数据库（Read/Write Through Pattern）
如上图所示，其可能执行的流程顺序为：
- 客户端1 触发更新数据 A 的逻辑
- 客户端2 触发查询数据 A 的逻辑
- 客户端1 更新缓存中数据 A，缓存同步更新数据库中数据 A，再返回结果
- 客户端2 查询缓存中数据 A，命中返回
Read Through 和 WriteThrough 的流程类似，只是在客户端查询数据A时，如果缓存中数据A失效了（过期或被驱逐淘汰），则缓存会同步去数据库中查询数据A，并缓存起来，再返回给客户端。
这种方式缓存不一致的概率极低，只不过需要对缓存进行专门的改造。
5 只更新缓存，由缓存自己异步更新数据库（Write Behind Cache Pattern）
这种方式性详单于是业务只操作更新缓存，再由缓存异步去更新数据库，例如：
如上图所示，其可能的执行流程顺序为：
- 客户端1 触发更新数据 A 的逻辑
- 客户端2 触发查询数据 A 的逻辑
- 客户端1 更新缓存中的数据 A，返回
- 客户端2 查询缓存中的数据 A，命中返回
- 缓存异步更新数据 A 到数据库中
这种方式的优势是读写的性能都非常好，基本上只要操作完内存后就返回给客户端了，但是其是非强一致性，存在丢失数据的情况。
如果在缓存异步将数据更新到数据库中时，缓存服务挂了，此时未更新到数据库中的数据就丢失了。
