缓存读：
缓存由于高并发高性能，已经被广泛的应用。在读取缓存方面做法一致。流程如下：
牛新星 > redis和mysql结合数据一致性方案 > image2021-2-19_16-57-35.png
写缓存：
1.先更新数据库，再更新缓存
2.先更新数据库，再删除缓存。
(1).先更新数据库，再更新缓存
这套方案，基本不推荐使用。
原因一：(线程安全角度)同时请求A和请求B进行更新操作，会出现。
（1）线程A更新了数据库
（2）线程B更新了数据库
（3）线程B更新了缓存
（4）线程A更新了缓存
由于网络原因出现A更新缓存比B慢，这就导致了脏数据，因此不考虑。
原因二：(业务场景)
（1）如果你是一个写数据库场景比较多，而读数据场景比较少的业务需求，采用这种方案就会导致，数据压根还没读到，缓存就被频繁的更新，浪费性能。
（2）如果你写入数据库的值，并不是直接写入缓存的，而是要经过一系列复杂的计算再写入缓存。那么，每次写入数据库后，都再次计算写入缓存的值，无疑是浪费性能的。显然，删除缓存更为适合。
总结：不建议使用该种 解决方案。
(2).先更新数据库，再更新缓存
方案存在的问题？
假设有两个请求，一个请求A做查询操作，一个请求B做更新操作。会有如下情况发生：
缓存刚好失效
请求A查询数据库，得到一个旧值
请求B将新值写入数据库
请求B删除缓存
请求A将查询的旧值写入缓存ok
如上情况，会发生脏数据。
在数据库做读写分离的情况下，如果出现网络延迟，写库同步读库的时候，另外一个线程读取读库旧数据，就会对发生脏数据。
如何解决？
采用延时双删模式：
先淘汰缓存
再修改数据库
休眠1(n)秒，再次淘汰缓存，可以将由于网络问题造成的缓存脏数据再次删除。
延迟1秒会造成整体吞吐量降低，可以采用异步方式处理。
如果第二次删除，删除失败怎么办？
提供重试机制
消息队列异步补偿机制：
牛新星 > redis和mysql结合数据一致性方案 > 补偿重试方案.jpg
如果觉得如上方案对代码的侵入性太大，可以代用如下方案。
订阅mysql的binlog日志：
牛新星 > redis和mysql结合数据一致性方案 > 补偿.jpg
订阅mysql的binlog程序有现成的中间件canal。
最新2020整理收集的一些高频面试题（都整理成文档），有很多干货，包含mysql，netty，spring，线程，spring cloud、jvm、源码、算法等详细讲解，也有详细的学习规划图，面试题整理等，需要获取这些内容的朋友请加Q君样：909038429
/./*欢迎加入java交流Q君样：909038429一起吹水聊天
