在做系統優化時，想到了將數據進行分級存儲的思路。因為在系統中會存在一些數據，有些數據的實時性要求不高，比如一些配置信息。基本上配置了很久才會變一次。而有一些數據實時性要求非常高，比如訂單和流水的數據。所以這里根據數據要求實時性不同將數據分為三級。
第1級：訂單數據和支付流水數據；這兩塊數據對實時性和精確性要求很高，所以不添加任何緩存，讀寫操作將直接操作數據庫。
第2級：用戶相關數據；這些數據和用戶相關，具有讀多寫少的特征，所以我們使用redis進行緩存。
第3級：支付配置信息；這些數據和用戶無關，具有數據量小，頻繁讀，幾乎不修改的特征，所以我們使用本地內存進行緩存。
但是只要使用到緩存，無論是本地內存做緩存還是使用 redis 做緩存，那么就會存在數據同步的問題，因為配置信息緩存在內存中，而內存時無法感知到數據在數據庫的修改。這樣就會造成數據庫中的數據與緩存中數據不一致的問題。接下來就討論一下關于保證緩存和數據庫雙寫時的數據一致性。
解決方案
那么我們這里列出來所有策略，并且討論他們優劣性。
先更新數據庫，后更新緩存
先更新數據庫，后刪除緩存
先更新緩存，后更新數據庫
先刪除緩存，后更新數據庫
先更新數據庫，后更新緩存
這種場景一般是沒有人使用的，主要原因是在更新緩存那一步，為什么呢？因為有的業務需求緩存中存在的值并不是直接從數據庫中查出來的，有的是需要經過一系列計算來的緩存值，那么這時候后你要更新緩存的話其實代價是很高的。如果此時有大量的對數據庫進行寫數據的請求，但是讀請求并不多，那么此時如果每次寫請求都更新一下緩存，那么性能損耗是非常大的。
舉個例子比如在數據庫中有一個值為 1 的值，此時我們有 10 個請求對其每次加一的操作，但是這期間并沒有讀操作進來，如果用了先更新數據庫的辦法，那么此時就會有十個請求對緩存進行更新，會有大量的冷數據產生，如果我們不更新緩存而是刪除緩存，那么在有讀請求來的時候那么就會只更新緩存一次。
先更新緩存，后更新數據庫
這一種情況應該不需要我們考慮了吧，和第一種情況是一樣的。
先刪除緩存，后更新數據庫
該方案也會出問題，具體出現的原因如下。
此時來了兩個請求，請求 A(更新操作) 和請求 B(查詢操作)
請求 A 會先刪除 Redis 中的數據，然后去數據庫進行更新操作
此時請求 B 看到 Redis 中的數據時空的，會去數據庫中查詢該值，補錄到 Redis 中
但是此時請求 A 并沒有更新成功，或者事務還未提交
那么這時候就會產生數據庫和 Redis 數據不一致的問題。如何解決呢？其實最簡單的解決辦法就是延時雙刪的策略。
但是上述的保證事務提交完以后再進行刪除緩存還有一個問題，就是如果你使用的是 Mysql 的讀寫分離的架構的話，那么其實主從同步之間也會有時間差。
此時來了兩個請求，請求 A(更新操作) 和請求 B(查詢操作)
請求 A 更新操作，刪除了 Redis
請求主庫進行更新操作，主庫與從庫進行同步數據的操作
請 B 查詢操作，發現 Redis 中沒有數據
去從庫中拿去數據
此時同步數據還未完成，拿到的數據是舊數據
此時的解決辦法就是如果是對 Redis 進行填充數據的查詢數據庫操作，那么就強制將其指向主庫進行查詢。
先更新數據庫，后刪除緩存
問題：這一種情況也會出現問題，比如更新數據庫成功了，但是在刪除緩存的階段出錯了沒有刪除成功，那么此時再讀取緩存的時候每次都是錯誤的數據了。
此時解決方案就是利用消息隊列進行刪除的補償。具體的業務邏輯用語言描述如下：
請求 A 先對數據庫進行更新操作
在對 Redis 進行刪除操作的時候發現報錯，刪除失敗
此時將Redis 的 key 作為消息體發送到消息隊列中
系統接收到消息隊列發送的消息后再次對 Redis 進行刪除操作
但是這個方案會有一個缺點就是會對業務代碼造成大量的侵入，深深的耦合在一起，所以這時會有一個優化的方案，我們知道對 Mysql 數據庫更新操作后再 binlog 日志中我們都能夠找到相應的操作，那么我們可以訂閱 Mysql 數據庫的 binlog 日志對緩存進行操作。
總結
每種方案各有利弊，比如在第二種先刪除緩存，后更新數據庫這個方案我們最后討論了要更新 Redis 的時候強制走主庫查詢就能解決問題，那么這樣的操作會對業務代碼進行大量的侵入，但是不需要增加的系統，不需要增加整體的服務的復雜度。最后一種方案我們最后討論了利用訂閱 binlog 日志進行搭建獨立系統操作 Redis，這樣的缺點其實就是增加了系統復雜度。其實每一次的選擇都需要我們對于我們的業務進行評估來選擇，沒有一種技術是對于所有業務都通用的。沒有最好的，只有最適合我們的。
...)
)
)
