Mysql和Redis数据同步策略

为什么对缓存只删除不更新

不更新缓存是防止并发更新导致的数据不一致。
所以为了降低数据不一致的概率，不应该更新缓存，而是直接将其删除，
然后等待下次发生cache miss时再把数据库中的数据同步到缓存。

先更新数据库还是先删除缓存?

有两个选择：
1. 先删除缓存，再更新数据库
2. 先更新数据库，再删除缓存

如果先删除缓存，有一个明显的逻辑错误：考虑两个并发操作，线程A删除缓存后，线程B读该数据时会发生Cache Miss，然后从数据库中读出该数据并同步到缓存中，此时线程A更新了数据库。
结果导致，缓存中是老数据，数据库中是新数据，并且之后的读操作都会直接读取缓存中的脏数据。（直到key过期被删除或者被LRU策略踢出）
如果数据库更新成功后，再删除缓存，就不会有上面这个问题。
可能是由于数据库优先，第二种方式也被称为Cache Aside Pattern。

Cache Aside Pattern

cache aside在绝大多数情况下能做到数据一致性，但是在极端情况仍然存在问题。
• 首先更新数据库(A)和删除缓存(B)不是原子操作，任何在A之后B之前的读操作，都会读到redis中的旧数据。
正常情况下操作缓存的速度会很快，通常是毫秒级，脏数据存在的时间极端。
但是，对超高并发的应用可能会在意这几毫秒。
• 更新完数据库后，线程意外被kill掉(真的很不幸)，由于没有删除缓存，缓存中的脏数据会一直存在。
• 线程A读数据时cache miss，从Mysql中查询到数据，还没来得及同步到redis中,
此时线程B更新了数据库并把Redis中的旧值删除。随后，线程A把之前查到的数据同步到了Redis。显然，此时redis中的是脏数据。通常数据库读操作比写操作快很多，所以除非线程A在同步redis前意外卡住了，否则发生上述情况的概率极低。虽然以上情况都有可能发生，但是发生的概率相比“先删除缓存再更新数据库”会低很多

Double-Delete

前面我们讲到先删除缓存(A)、后更新数据库(B)的方案有明显的错误，任何发生在A操作和B操作之间的并发读都会造成数据的最终不一致。
Double-Delete是一种比较笨拙的修补方案，执行过程如下：

1.delete redis cache
2.update database
3.sleep(500ms)
3.delete redis cache

也很好理解，在睡眠500ms后尝试再次删除缓存中的脏数据，它通过两次删除来尽可能做到数据的最终一致。
其实，Double-Delete在数据一致性上比Cache Aside更靠谱，但是它的代价是昂贵的，
即使，把睡眠时间缩短到100ms，对耗时敏感的应用也不会考虑这种方案。

1.写流程（更新策略）
先淘汰 cache（删除缓存）；
再写 DB（更新数据库）。
2.读流程
先读 cache，如果数据命中 hit 则返回；
如果数据未命中 miss 则读 DB；
将 DB 中读取出来的数据入缓存。

什么情况下可能出现缓存和数据库不一致呢？

在分布式环境下，数据的读写都是并发的，上游有多个应用，通过一个服务的多个部署（为了保证可用性，一定是部署多份的），对同一个数据进行读写，在数据库层面并发的读写并不能保证完成顺序，也就是说后发出的读请求很可能先完成（读出脏数据）：

1. 发生了写请求 A，A 的第一步淘汰了 cache（如上图中的1）；
2. A 的第二步写数据库，发出修改请求（如上图中的2）；
3. 发生了读请求 B，B 的第一步读取 cache，发现 cache 中是空的（如上图中的步骤3）；
4. B 的第二步读取数据库，发出读取请求，此时 A 的第二步写数据还没开始，读出了一个脏数据放入 cache（如上图中的步骤4）。
   最终导致缓存与数据库不一致。

先更新数据库，后删除缓存（建议，使用场景最多），但是，是不是这个就不会有并发问题了？不是的，比如，一个是读操作，但是没有命中缓存，然后就到数据库中取数据，此时来了一个写操作，写完数据库后，让缓存失效，然后，之前的那个读操作再把老的数据放进去，所以，会造成脏数据。

• 底层是在TreeMap的基础上进行封装，所以结构是红黑树。
• 因为是红黑树结构，所以不需要重写hashCode()和equals()方法来保证唯一性。
• TreeMap有的特性TreeSet都有，还在这个基础上增加了保证元素唯一性的特点。
• 可以看到构造方法是就是创建一个TreeMap，然后指向NavigableMap类型的引用。

	 private transient NavigableMap<E,Object> m;
	 TreeSet(NavigableMap<E,Object> m) {
	     this.m = m;
	 }

参考：https://www.cnblogs.com/upnote/p/13185047.html