高并发场景下缓存处理方案

应用背景

在实际的开发当中，我们经常需要进行磁盘数据的读取和搜索，因此经常会有出现从数据库读取数据的场景出现。但是当数据访问量次数增大的时候，过多的磁盘读取可能会最终成为整个系统的性能瓶颈，甚至是压垮整个数据库，导致系统卡死等严重问题。

常规的应用系统中，我们通常会在需要的时候对数据库进行查找，因此系统的大致结构如下所示：

当数据量较高的时候，需要减少对于数据库里面的磁盘读写操作，因此通常都会选择在业务系统和MySQL数据库之间加入一层缓存从而减少对数据库方面的访问压力。

但是很多时候，缓存在实际项目中的应用并非这么简单。下边我们来通过几个比较经典的几个缓存应用场景来列举一些问题：

1.缓存和数据库之间数据一致性问题

常用于缓存处理的机制我总结为了以下几种：

Cache Aside, Read Through, Write Through, Write Behind Caching

Cache Aside模式

这种模式处理缓存通常都是先从数据库缓存查询，如果缓存没有命中则从数据库中进行查找。 这里面会发生的三种情况如下：

<