这次我们先讲讲缓存的读写策略。你可能觉得缓存的读写很简单，只需要有限读缓存，缓存不命中就从数据库查询，查询到了就回种缓存。实际上针对不同的业务场景，缓存的读写策略也是不同的。
我们以标准的“缓存+数据库”的场景为例，剖析经典的缓存读写策略以及它们适用的场景。这样一来，就可以在日常的工作中根据不同的场景选择不同的读写策略。
Cache Aside(旁路缓存)策略
我们来考虑一种最简单的业务场景，比如说在你的电商系统中有一个用户表，表中只有ID和年龄两个字段，缓存中我们以ID为key存储用户的年龄信息。那么当我们要把ID为1的用户的年龄从19变为20改如何做？
你可能会产生这样的思路：先更新数据中ID为1的记录，再更新缓存中Key为1的数据。
这个思路会造成缓存和数据库中的数据不一致。请看下图 ：
为什么会产生这个问题呢？因为变更数据库和变更缓存是两个独立的操作，而我们并没有对操作做任何的并发控制。那么当两个线程并发更新它们的时候，就会因为写入顺序的不同造成数据不一致。
另外，直接更新缓存还会存在另一个问题就是丢失更新。以我们的电商系统为例，假如电商系统的账户中有三个字段：ID、户名和金额，这个时候缓存中存储的就不只是金额信息，而是完整的账户信息了。当更新缓存中账户的金额时，你需要从缓存中查询完整的账户数据，把金额变更后再写入到缓存中。
这个过程也会有并发问题，比如说原有金额时20，A请求从缓存督导数据，并且把金额+1变更为21，在未写入请求之前又有请求B也读到缓存数据后把金额+1,也变更为21，两个请求同时把金额写回缓存，这时缓存里面的金额是21，但是语气金额数+2，这是个比较大的问题。
要如何解决这个问题呢？其实我们可以在更新数据时不更新缓存，而是删除缓存中的数据，在读取数据时，发现缓存中没了数据后，再从数据库读取数据，更新到缓存中。
这个策略就是我们使用缓存最常见的策略，Cache Aside策略(也叫旁路缓存策略)，这个策略数据以数据库中的数据为准，缓存中的数据是按需加载的。它可以分为读策略和写策略，其中读策略的步骤是：
- 从缓存中读取数据；
- 如果缓存命中，则直接返回数据；
- 如果缓存不命中，则从数据库中查询数据；
- 查询到数据后，将数据写入到缓存中，并且返回给用户。
写策略的步骤是：
- 更新数据库中的记录；
- 删除缓存记录。
在写策略中，能否先删除缓存，后更新数据呢？答案是不行的，因为这样也有可能会出现缓存数据不一致的问题，我们以用户表的场景为例解释一下。
那么像Cache Aside策略这样先更新数据库，后删除缓存就没问题了么？其实在理论上还是有缺陷的。
不过这种问题出现的概率并不高，因为缓存的写入通常远远快于数据库的写入，所以在实际中很难出现请求B已经更新了数据库并且清空了缓存，请求A才更新完缓存的情况。而一旦请求A早于B清空缓存之前更新了缓存，那么接下来的请求就会因为缓存为空，而从数据库中重新加载数据，所以不会出现这不一致的情况。
****Cache Aside策略是我们日常开发中经常使用的缓存策略略，不过我们在使用时也要学会依情况而变。**比如说当新注册一个用户，按照这个更新策略，你要写数据库，然后清理缓存(当然缓存中没有数据给你清理)。可当我注册用户后立即读取用户信息，并且数据库主从分离时，会出现因为主从延迟所以读不到用户信息的情况。
而解决这个问题的方法是在插入新数据到DB之后写入缓存，这样后续的请求就会从缓存中读到数据了。并且因为是新注册的用户，所以不会出现并发更新用户信息的情况。
Cache Aside存在的最大的问题是当写入比较频繁时，缓存你中的数据会被频繁的清理，这样会对缓存的命中率有一些影响。如果你的业务对缓存命中率有严格要求，那么可以考虑两种解决方案：
1.在更新数据时也更新缓存，只是在更新缓存前先加一个分布式锁，因为这样在同一时间只允许一个线程更新缓存，就不会产生并发问题了。当然这么做对于写入的性能会有一些影响；
2.另一种做法同样也是在更新数据时更新缓存，只是给缓存加一个较短的过期时间，这样即使出现缓存不一致的情况，缓存的数据也会很快的过期，对业务的影响也是可以承受的。
当然，除了这个策略，在计算机领域还有其他几种经典的缓存策略，它们也有各自适用的使用场景。
Read/Write Through(读穿/写穿)策略
这个策略的核心原则是用户只与缓存打交道，由缓存和DB通信，写入或者读取数据。就比如你不能越级汇报。
Write Through的策略是这样的：先查询要写入的数据在缓存中是否已经存在，如果存在，则更新缓存中的数据，并且由缓存组件同步更新到DB中。如果缓存中数据不存在，我们把这种情况叫做“Write Miss(写失效)”。
一般来说，我们可以选择两种“Write Miss”方式：一个是“Write Allocate(按写分配)”，做法是写入缓存相应位置，再由缓存组件同步更新到DB中；另一个是“No-write allocate(不按写分配)”，做法是不写入缓存中，而是直接更新到DB中。
在Write Through策略中，我们一般选择“不按写分配”方式，原因是无论采用哪种“Write Miss”方式，我们都需要同步将数据更新到数据库中，而“不按写分配”方式相比“按写分配”还减少了一次缓存的写入，能够提升写入的性能。
Read Though策略就简单一些，它的步骤是这样的：先查询缓存中数据是否存在，如果存在则直接返回，如果不存在，则由缓存组件负责从数据库中同步加载数据。
下面是Read Though/ Write Though策略的示意图：
Read Though/ Write Though策略的特点是由缓存节点而非用户来和数据库打交道，在我们开发过程中相比Cache Aside策略要少见一些，原因是我们经常使用分布式缓存组件，无论是Memcached还是redis都不提供写入DB，或者自动加载DB中数据的功能。而我们在使用本地缓存的时候可以考虑使用这种策略，比如在上一节中提到的本地缓存Guava Cached中的Loading就有Read Though策略的影子。
我们看到Write Though策略中写数据库是同步的，这对于性能来说会有比较大的影响，因为相对于写缓存，同步写数据库的延迟就要高很多了name我们可否异步地更新数据库？
Write Back(写回)策略
这个策略的核心思想是在写入数据时只写入缓存，并且把缓存块儿标记为“脏”的。而脏块只有被再次使用时才会将其中的数据写入到后端存储中。
需要注意的是，在“write Miss”的情况下，我们采用的是“按写分配”的方式，也就是在写入后端存储的同时要写入缓存，这样我们在之后的写请求中都只需要更新缓存即可，而无需更新后端存储了。
如果使用Write Back策略的话，读的策略也有一些变化了。我们在读取缓存时如果发现缓存命中则直接返回缓存数据。如果不命中则寻找一个可用的缓存块儿，如果这个缓存块是“脏”的，就把缓存块儿中之前的数据写入到后端存储中，并且从后端存储加载数据到缓存块，如果不是脏的，则由缓存组件将后端存储中的数据加载到缓存中，最后我们将缓存设置为不是脏的，返回数据就好了。
其实这种策略不能被应用到我们常用的DB和缓存场景中，它是计算机体系结构中的设计，比如我们在向磁盘中写数据时采用的就是这种策略。
无论是操作系统层面的Page Cache，还是日志的异步刷盘，亦或是消息队列中消息的异步写入磁盘，大多采用了这种策略。因为这个策略在性能上的优势毋庸置疑，它避免了直接写磁盘造成层的随机写问题，毕竟写内存和写磁盘的随机I/O的延迟相差了几个数量级。
但因为缓存一般使用内存，而内存是非持久化的，所以一旦缓存机器掉电，就会造成原本缓存中的脏块数据丢失。所以你会发现系统在掉电之后，之前写入的文件会有部分丢失，就是因为Page Cache还没有来得及刷盘造成的。
当然你依然可以在一些场景下使用这个策略，在使用时，建议是：在向低速设备写入数据的时候，可以再内存里先暂存一段时间的数据，甚至做一些统计汇总，然后定时的刷新到低速设备上。比如说你在统计接口响应时间的时候，需要将每次请求的响应时间打印到日志中，然后监控系统手机日之后再做统计。但是如果每次请求都打印日志无疑会增加磁盘的I/O，那么不如把一段时间的响应时间暂存起来，经过简单的统计平均耗时，每个耗时区间的请求数量等，然后定时的批量打印到日志中。
内容总结
1.Cache Aside是我们在使用分布式缓存时最常用的策略，可以在实际工作中直接拿来使用。
2.Read/Write Through和Write Back策略需要缓存组件的支持，所以比较适合在实现本地缓存组件的时候使用；
3.Write Back策略是计算机体系结构中的策略，不过写入策略中的只写缓存，异步写入后端存储的策略倒是有很多的应用场景。
而且，你还需要了解，我们今天提到的策略都是标准的使用姿势，在实际开发过程中需要结合实际的业务特点灵活使用甚至加以改造。这些业务特点包括但不仅限于：整体的数量级情况，访问的读写比例的情况，对于数据的不一致时间的容忍度，对于缓存命中率的要求等等。理论结合实践，具体肩况具体分析，你才能得到更好的解决方案