讨论：延迟双删，要延迟多久呢？

这个延迟双删，其实是保证数据库和缓存数据一致性的一种方案来的。大家觉得应该如何回答更好呢？我觉得可以先从最基础的开始聊起，比如什么是一致性，然后从串联起来。我聊聊我的思路。

首先，先回归基础，什么是一致性。
日常开发中，我们怎么用缓存的？哪种缓存模式？
操作缓存的时候，到底是删除缓存呢，还是更新缓存？
双写的情况下，先操作数据库还是先操作缓存？
数据库和缓存数据保持强一致，可以嘛？
什么是延迟双删除？这个延迟到底是多久呢？
其他方案：删除缓存重试机制和读取biglog异步删除缓存

1.什么是一致性，数据一致性

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。比如你用reids缓存某个用户信息，同时，数据库也有保存这个用户的记录。那就要保持数据库和redis保存用户数据的一致性。

一致性一般分：强一致性、弱一致性、最终一致性。

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。

2. 日常开发中，我们怎么用缓存的？哪种缓存模式？

2.1 Cache-Aside

日常开发中，我们是如何使用缓存的呢？如果是读请求，一般都是这样吧：

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，就去读数据库，从数据库取出数据，放入缓存后，同时返回响应。

如果是写的请求，就是这样：

更新的时候，先更新数据库，然后再删除缓存。

其实这个就是Cache-Aside的读流程和写流程。Cache-Aside不就是一种经典的缓存模式，同时还有

Read-Through/Write-through
Write-behind

还是简单介绍下这两个吧~~

2.2 Read/Write-Through

Read/Write-Through模式中，服务端把缓存作为主要数据存储。应用程序跟数据库缓存交互，都是通过抽象缓存层完成的。

Read-ThroughRead-Through的简要流程如下：

Read-Through简要流程

从缓存读取数据，读到直接返回
如果读取不到的话，从数据库加载，写入缓存后，再返回响应。

这个简要流程是不是跟Cache-Aside很像呢？其实Read-Through就是多了一层Cache-Provider而已，流程如下：

Read-Through实际只是在Cache-Aside之上进行了一层封装，它会让程序代码变得更简洁，同时也减少数据源上的负载。

Write-Through

Write-Through模式下，当发生写请求时，也是由缓存抽象层完成数据源和缓存数据的更新,流程如下：

2.3 Write-behind （异步缓存写入）

Write-behind 跟Read-Through/Write-Through有相似的地方，都是由Cache Provider来负责缓存和数据库的读写。它们又有个很大的不同：Read/Write-Through是同步更新缓存和数据的，Write-Behind则是只更新缓存，不直接更新数据库，通过批量异步的方式来更新数据库。

Write behind流程这种方式下，缓存和数据库的一致性不强，对一致性要求高的系统要谨慎使用。但是它适合频繁写的场景，MySQL的InnoDB Buffer Pool机制就使用到这种模式。

3. 操作缓存的时候，到底是删除缓存呢，还是更新缓存？

我们回归主题，延迟双删的时候，就跟删除缓存有关联，为什么是删除缓存呢？更新缓存不可以吗？这是Cache-Aside写入流程：

我们在操作缓存的时候，到底应该删除缓存还是更新缓存呢？我们先来看个例子：

线程A先发起一个写操作，第一步先更新数据库
线程B再发起一个写操作，第二步更新了数据库
由于网络等原因，线程B先更新了缓存
线程A更新缓存。这时候，缓存保存的是A的数据（老数据），数据库保存的是B的数据（新数据），数据不一致了，脏数据出现啦。如果是删除缓存取代更新缓存则不会出现这个脏数据问题。

更新缓存相对于删除缓存，还有两点劣势：

如果你写入的缓存值，是经过复杂计算才得到的话。更新缓存频率高的话，就浪费性能啦。
在写数据库场景多，读数据场景少的情况下，数据很多时候还没被读取到，又被更新了，这也浪费了性能呢(实际上，写多的场景，用缓存也不是很划算的,哈哈)

4. 双写的情况下，先操作数据库还是先操作缓存？

Cache-Aside缓存模式中，有些小伙伴还是会有疑问，在写请求过来的时候，为什么是先操作数据库呢？为什么不先操作缓存呢？

假设有A、B两个请求，请求A做更新操作，请求B做查询读取操作：

线程A发起一个写操作，第一步del cache
此时线程B发起一个读操作，cache miss
线程B继续读DB，读出来一个老数据
然后线程B把老数据设置入cache
线程A写入DB最新的数据

酱紫就有问题啦，缓存和数据库的数据不一致了。缓存保存的是老数据，数据库保存的是新数据。因此，Cache-Aside缓存模式，选择了先操作数据库而不是先操作缓存。

个别小伙伴可能会问，先操作数据库再操作缓存，不一样也会导致数据不一致嘛？它俩又不是原子性操作的。这个是会的，但是这种方式，一般因为删除缓存失败等原因，才会导致脏数据，这个概率就很低。小伙伴们可以画下操作流程图，自己先分析下哈。接下来我们再来分析这种删除缓存失败的情况，如何保证一致性。

5. 数据库和缓存数据保持强一致，可以嘛？

实际上，没办法做到数据库与缓存绝对的一致性。

加锁可以嘛？并发写期间加锁，任何读操作不写入缓存？
缓存及数据库封装CAS乐观锁，更新缓存时通过lua脚本？
分布式事务，3PC？TCC？其实，这是由CAP理论决定的。缓存系统适用的场景就是非强一致性的场景，它属于CAP中的AP。个人觉得，追求绝对一致性的业务场景，不适合引入缓存。

CAP理论:指的是在一个分布式系统中， Consistency（一致性）、 Availability（可用性）、Partition tolerance（分区容错性），三者不可得兼。” 但是，通过一些方案优化处理，是可以保证弱一致性，最终一致性的。

6. 什么是延迟双删呢？这个延迟到底是多久呢？

它是保证数据库与缓存数据一致性的一种方案：

先删除缓存：在更新数据库之前，首先删除缓存中的数据，以避免在更新过程中读取到旧数据。
更新数据库：执行数据库的更新操作。
休眠一段时间：根据业务读取数据的平均耗时，设置一个休眠时间（如1秒），以确保在此期间内所有可能的读请求都已经结束，并且可能因读取旧数据而写入的脏数据已经被缓存。
再次删除缓存：休眠结束后，再次删除缓存中的数据，以清除可能因读请求而写入的脏数据。

这个延迟到底是多久呢？ 这个休眠一会，一般多久呢？十几毫秒？几百毫秒？还是1秒？