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