使用数据库和缓存的时候，是如何解决数据不一致的问题的？

1.缓存更新策略

1.1. 缓存旁路模式（Cache Aside）

在应用里负责管理缓存，读取时先查缓存，如果命中了则返回缓存，如果未命中就查询数据库，然后返回缓存，返回缓存的同时把数据给写入缓存中。更新的时候则是先更新数据库，然后再删除缓存。

读： 先查缓存，缓存命中则之间返回，未命中则查数据库，数据库返回数据的同时写入缓存中。这样子下一次再查的时候就可以命中缓存了。

写： 先更新数据库，更新之后删除缓存。

优点是比较简单，对数据一致性要求不高的时候大多数场景能用，缺点就是可能会有短时间的数据不一致问题，主要是在写操作中删除缓存的时候。为什么会有数据不一致的时候呢？如果在把A改为B之后，缓存里还是A，但是在删除缓存之前，此时另一个线程已经进来了要读取缓存，那么它读取到的就是A（也就是旧的数据），它命中缓存了所以不会再访问数据库，但是此时数据库是B，明显出现了数据不一致的问题。这种情况一般是在并发情况出现。

1.2.写穿透模式（Write Through）

更新数据库的同时更新缓存，保障数据一致。

读： 直接查缓存。

写： 先更新数据库再更新缓存。

优点是数据一致性比较高，缺点是每次写操作都会更新缓存，缓存的压力可能会比较大。

1.3.写回模式（Write Back）

读： 直接查缓存。

写： 先更新缓存，然后异步更新数据库。

1.4.读写双删（属于缓存旁路模式的扩展）

在应用里负责管理缓存，读取时先查缓存，如果命中了则返回缓存，如果未命中就查询数据库，然后返回缓存，返回缓存的同时把数据给写入缓存中。更新的时候则是先更新数据库，然后再删除缓存，隔段时间再删除一次缓存，也就是一共删了两次缓存。

读： 先查缓存，缓存命中则之间返回，未命中则查数据库，数据库返回数据的同时写入缓存中。这样子下一次再查的时候就可以命中缓存了。

写： 先删除缓存，然后更新数据库，更新之后再次删除缓存。

要知道缓存旁路模式在并发情况下，可能会出现数据不一致问题，如果并发量比较高的话，出现问题的概率就会变大，所以有了读写双删这个扩展的方式。

具体实现：
1.先删除缓存（防止更新数据库后获取缓存的请求获取到旧数据）
2.然后更新数据库
3.然后删除缓存（防止此时的缓存里的数据和数据库里的不一致）

读写双删相对出现数据不一致的概率比较低，但也并不是一定的，如果在A线程删除缓存之后，更新数据库之前，此时有另一个线程B进来进行读操作，因为B的缓存未命中直接访问数据库，然后又会把数据写入缓存，此时缓存里的数据就是更新前的数据，但是A依然会进行更新数据库的操作，然后就导致数据库的数据和缓存不一致，当线程C来访问的时候，因为缓存命中，所以直接读到了旧数据。

1.5.读写双删（Double Delete）

具体实现：
1.先删除缓存（防止更新数据库后获取缓存的请求获取到旧数据）
2.然后更新数据库
3.等待一段时候后
4.然后删除缓存（防止此时的缓存里的数据和数据库里的不一致）

缓存失效策略

2.1.主动失效

在数据库更新的时候，立刻删除缓存或者更新缓存。
读： 直接查缓存。

写： 先写数据库，然后删缓存或者立马更新缓存。

2.2.被动失效

给缓存设置TTL（过期时间），过期后自动失效。
读： 直接查缓存。

写： 写入缓存时，设置TTL

优点是比较简单，缺点就是在缓存过期后、更新缓存前，可能会有短暂的数据不一致。

双写一致性策略

3.1.分布式锁

在更新数据库和缓存的时候，使用分布式锁，确保操作是原子性的（要么都成功要么都失败）。主要流程就是【获取分布式锁>>更新数据库>>更新缓存>>释放分布式锁】，优点是确保强一致性，缺点也很明显，因为加了锁所以没法支持并行操作，多线程到这里变成排队的单线程操作，会导致性能比较低。适用于对性能要求不高并且对数据一致性要求很高的场景。

3.2.消息队列

通过消息队列通知更新缓存，确保最终一致性（和强一致不一样）。主要流程就是【更新数据>>发送消息>>消费者读取消息更新缓存】，优点是异步操作，性能较好，缺点也是因为异步，所以缓存会有延迟，如果在更新缓存之前有其他请求获取缓存，可能就会出现数据不一致的情况。

其他一致性策略

4.1.读写分离

顾名思义，就是把读和写分开处理，读操作是从缓存中读数据，写操作则是更新数据库，并且更新缓存（即时或者异步都可），优点就是读性能会很好，缺点就是写操作时可能会导致数据库和缓存出现数据不一致的问题。

4.2.版本控制

给缓存添加一个版本号，每次更新缓存都增加版本号，确保版本和数据库的版本一致。优点就是能保障数据的一致性，缺点是实现起来比较复杂。