Cache aside
Cache aside也就是旁路缓存，是比较常用的缓存策略。
（1）读请求常见流程
应用首先会判断缓存是否有该数据，缓存命中直接返回数据，缓存未命中即缓存穿透到数据库，从数据库查询数据然后回写到缓存中，最后返回数据给客户端。
（2）写请求常见流程
首先更新数据库，然后从缓存中删除该数据。
看了写请求的图之后，有些同学可能要问了：为什么要删除缓存，直接更新不就行了？这里涉及到几个坑，我们一步一步踩下去。
Cache aside踩坑
Cache aside策略如果用错就会遇到深坑，下面我们来逐个踩。
踩坑一：先更新数据库，再更新缓存
如果同时有两个写请求需要更新数据，每个写请求都先更新数据库再更新缓存，在并发场景可能会出现数据不一致的情况。
如上图的执行过程：
（1）写请求1更新数据库，将 age 字段更新为18；
（2）写请求2更新数据库，将 age 字段更新为20；
（3）写请求2更新缓存，缓存 age 设置为20；
（4）写请求1更新缓存，缓存 age 设置为18；
执行完预期结果是数据库 age 为20，缓存 age 为20，结果缓存 age为18，这就造成了缓存数据不是最新的，出现了脏数据。
踩坑二：先删缓存，再更新数据库
如果写请求的处理流程是先删缓存再更新数据库，在一个读请求和一个写请求并发场景下可能会出现数据不一致情况。
如上图的执行过程：
（1）写请求删除缓存数据；
（2）读请求查询缓存未击中(Hit Miss)，紧接着查询数据库，将返回的数据回写到缓存中；
（3）写请求更新数据库。
整个流程下来发现数据库中age为20，缓存中age为18，缓存和数据库数据不一致，缓存出现了脏数据。
踩坑三：先更新数据库，再删除缓存
在实际的系统中针对写请求还是推荐先更新数据库再删除缓存，但是在理论上还是存在问题，以下面这个例子说明。
如上图的执行过程：
（1）读请求先查询缓存，缓存未击中，查询数据库返回数据；
（2）写请求更新数据库，删除缓存；
（3）读请求回写缓存；
整个流程操作下来发现数据库age为20，缓存age为18，即数据库与缓存不一致，导致应用程序从缓存中读到的数据都为旧数据。
但我们仔细想一下，上述问题发生的概率其实非常低，因为通常数据库更新操作比内存操作耗时多出几个数量级，上图中最后一步回写缓存（set age 18）速度非常快，通常会在更新数据库之前完成。
如果这种极端场景出现了怎么办？我们得想一个兜底的办法：缓存数据设置过期时间。通常在系统中是可以允许少量的数据短时间不一致的场景出现。
Read through
在 Cache Aside 更新模式中，应用代码需要维护两个数据源头：一个是缓存，一个是数据库。而在 Read-Through 策略下，应用程序无需管理缓存和数据库，只需要将数据库的同步委托给缓存提供程序 Cache Provider 即可。所有数据交互都是通过抽象缓存层完成的。
如上图，应用程序只需要与Cache Provider交互，不用关心是从缓存取还是数据库。
在进行大量读取时，Read-Through 可以减少数据源上的负载，也对缓存服务的故障具备一定的弹性。如果缓存服务挂了，则缓存提供程序仍然可以通过直接转到数据源来进行操作。
Read-Through 适用于多次请求相同数据的场景，这与 Cache-Aside 策略非常相似，但是二者还是存在一些差别，这里再次强调一下：
- 在 Cache-Aside 中，应用程序负责从数据源中获取数据并更新到缓存。
- 在 Read-Through 中，此逻辑通常是由独立的缓存提供程序（Cache Provider）支持。
Write through
Write-Through 策略下，当发生数据更新(Write)时，缓存提供程序 Cache Provider 负责更新底层数据源和缓存。
缓存与数据源保持一致，并且写入时始终通过抽象缓存层到达数据源。
Cache Provider类似一个代理的作用。
Write behind
Write behind在一些地方也被成为Write back， 简单理解就是：应用程序更新数据时只更新缓存， Cache Provider每隔一段时间将数据刷新到数据库中。说白了就是延迟写入。
如上图，应用程序更新两个数据，Cache Provider 会立即写入缓存中，但是隔一段时间才会批量写入数据库中。
这种方式有优点也有缺点：
优点是数据写入速度非常快，适用于频繁写的场景。缺点是缓存和数据库不是强一致性，对一致性要求高的系统慎用。
