共计 795 个字符，预计需要花费 2 分钟才能阅读完成。
概述
一致性
- 缓存一致性，指的是缓存中的数据，与数据库中的数据是否统一
能够了解为数据的快照与实时数据是否相等，在实时数据变动的过程中以及数据快照同步中产生的问题，即缓存一致性问题（也能够归类于数据双写问题）
业务场景
生产中面临数据的高频读取，为了升高数据库压力，就能够思考将数据放入缓存中，缓存又可分为本地缓存与分布式缓存
本地缓存 & 分布式缓存
- 本地缓存指的是机器上的缓存，如 Guava 和 Ehcache，此类缓存多受限于机器内存与分布式部署同步艰难等问题
- 分布式缓存指的是数据寄存在服务端，应用方拜访同一份数据，如 Redis，MemCache，此类缓存存在丢数据，数据延时，服务宕机等问题
分布式缓存一致性问题
承接上述，已知分布式缓存的实质是将数据库的数据写入到缓存服务端，当数据库产生变更，将变更同步至缓存服务端的过程中，缓存与数据库的数据是不统一的，就波及到了缓存一致性问题
（本地缓存一致性问题不在此处探讨）
解决方案
读数据
面临强一致性场景时，能够思考将数据放入缓存（过期或永不过期都可），服务端只能从缓存读取数据，当发现缓存中没有数据时，服务端加锁读取数据库，此时只有一个申请能够拜访数据库，查问完结后将后果写入缓存，其余申请阻塞至缓存写入实现，再从缓存中读取数据
- 服务端解决查问申请，尝试从缓存中查问数据
- 缓存中存在数据，则间接返回
- 缓存中不存在数据，则加锁查询数据库，查库完结将数据放入缓存
- 其余申请间接读取缓存
写数据
写数据时可后行批改数据库，再将缓存更新或删除（删除时，直到下一次查问申请到来时，新数据才会写入缓存），此计划在数据写入到缓存更新的过程中，其余查问申请仍然将拜访到旧的数据，无奈保障相对的一致性
若须要强一致性计划，则可间接将缓存删除，并阻塞所有读取申请，而后加锁写数据，再将数据放入缓存中，相似于读写锁的概念，读写互斥，此计划因为强一致性束缚，相上述计划性能会差一些，须要联合具体场景应用
正文完
