三种经典的缓存使用模式

一致性就是数据保持一致，在分布式系统中，可以理解为多个节点中数据的值是一致的。

• 强一致性 ： 这种一致性级别是最符合用户直觉的，它要求系统写入什么，读出来的也会是什么， 用户体验好，但实现起来往往对系统的性能影响大；
• 弱一致性 ： 这种一致性级别约束了系统在写入成功后，不承诺立即可以读到写入的值，也不承诺多久之后数据能够达到一致，但 会尽可能地保证到某个时间级别（比如秒级别）后，数据能够达到一致状态；
• 最终一致性 ：最终一致性是弱一致性的一个特例，系统会保证在一定时间内，能够达到一个数据一致的状态。 这里之所以将最终一致性单独提出来，是因为它是 弱一致性中非常推崇的一种一致性模型，也是业界在大型分布式系统的数据一致性上比较推崇的模型；

缓存可以提升性能、缓解数据库压力，但是使用缓存也会导致数据 不一致性 的问题。一般我们是如何使用缓存呢？ 有三种经典的缓存使用模式：

• Cache-Aside Pattern
• Read-Through/Write-through
• Write-behind

一、Cache-Aside读流程

Cache-Aside Pattern 的读请求流程如下：

1. 读的时候，先读缓存，缓存命中的话，直接返回数据
2. 缓存没有命中的话，就去读