对于缓存可能很多小伙伴会有疑问，到底是更新缓存还是删除缓存? 到底是先更新数据库，再删除缓存，还是先删除缓存，再更新数据库?>

这篇文章主要分享为了达到最终一致性，针对不同的场景，一些更新缓存的套路。

Cache Aside Pattern（旁路缓存模式）

适用于读多写少的场景，应该是目前最常用的方式。

实现逻辑

• 读请求中，先请求缓存，若缓存命中，则直接返回缓存中的数据；若缓存未命中，则查询数据库并将查询结果更新至缓存，然后返回查询出的数据。

• 写请求中，先更新数据库，再删除缓存。

在这种方式中，读请求很好理解，相信大部分小伙伴都是这么做的。而对于写请求相信会有不同的看法，为什么不是更新缓存？

如果是更新缓存，在并发的情况下,线程A写请求，先去更新了数据库。此时，线程B也是写请求进来更新了数据库，然而线程A因为某些原因没还去更新缓存（网络延迟等）。线程B先完成了更新缓存，线程A才完成了更新缓存。这时缓存中是线程A的旧数据，数据库中是线程B的新数据。

删除缓存就没有并发问题了吗，还是有，但是出现的概率非常小

有人会问如果删除缓存失败呢，对于这种情况那就需要采取一定的补偿机制，例如通过引入消息队列，将删除失败的缓存对应的 key 放入消息队列中，在对应的消费者中获取删除失败的 key ，异步重试删除等。

Read/Write Through Pattern

Read-Through（读穿透模式）

实现逻辑

对比Cache Aside Pattern 模式中读请求，不同点在于 Read-Through 中多了一个缓存服务，访问控制层。Cache Aside是由调用方负责把数据加载入缓存，而Read-Through则是通过缓存服务来完成缓存层及持久化层交互

Write Through（直写模式）

实现逻辑

对比Cache Aside Pattern 模式中写请求，Write-Through除了多了一个访问控制层，还由之前的删除缓存变成了更新缓存，那就会出现上面的并发问题。Write-Through 直写模式适合写操作较多，并且对一致性要求较高的场景，在应用 Write-Through 模式时，也需要通过一定的补偿机制来解决它的问题。

Write-Behind（异步回写模式）

实现逻辑

可以看到Write-Behind 也有一个访问控制层，最大的区别在于该模式在更新数据的时候，只更新缓存，不更新数据库，然后通过缓存会异步地批量更新数据库数据。基于这种实现方式，数据库和缓存的一致性较弱，而且可能会丢失数据。但是异步更新数据库，我们可以合并同一数据的多次操作去更新，减少了I/O交互，减轻了数据库的压力，具有较好的吞吐性，显然这种方式适用于大量写操作的场景。

总结

对于解决缓存双写一致性问题，我们最好是按照已有的套路来解决，毕竟是经过大量验证的。当然对于具体选用哪种模式，需要结合实际业务场景来考虑，不同的模式，存在不同的优缺点，缺点我们可以通过额外的机制来处理（设置缓存过期时间，补偿机制等）。