为了提高数据库的效率，常采用数据库+缓存的方式；
对于数据的获取都是先查询缓存，如果缓存中没有再去查数据库，将数据库查询结果返回并进行缓存；
但是对于写的部分，执行顺序就会困扰许多朋友们，顺序不当会导致缓存中数据与数据库中的不一致，到底是先写缓存还是还是先写数据库表呢？您往下看：
旁路缓存策略
基本读取方式
先来看读取方式：先读缓存，缓存中没有数据的话就去数据库读取，然后再存入缓存中，同时返回响应。这没啥好说的，看图说话：
先更新数据库，后删除缓存
再来看写的部分，出于本能反应，你可能会问，为什么不在更新完数据库后，采取更新缓存的方案，而是将其删除，确实，这样做在许多业务场景下也是可以的。但是遇到以下场景你就要小心了。
（1）频繁更新浪费资源
不妨思考一下，如果一段时间内频繁更新库中的某个字段。那么更新多少次，缓存也跟着更新多少次。但是这个缓存数据在这段时间内也就被偶尔查询了几次。那么是不是就会导致资源浪费了呢？
（2）缓存数据计算复杂
有一种情况，如果这个缓存的数据计算成本比较高。比如为了一个数据，要通过多张表来计算才能得到结果。那么每修改一次，为了更新缓存还要再查询多张表来算一次，岂不是得不偿失。
（3）两种情况都具备
这种情况最为致命，不但修改频繁，同时缓存数据还要经过复杂计算。
既然更新缓存的方式不可行，那么换个思路，删除掉呢？
还是按照上边的步骤，先更新数据库，只是把更新缓存的操作换成了删除缓存。
在这种情况下，读请求过来的时候，因为更新操作时缓存中数据被删除了，就会去数据库里读取，然后写入缓存中。这是一种懒加载方式，只有缓存被需要的时候才会去计算。这样可以避免大量计算及频繁更新。
是不是看着没什么毛病。你在仔细想想，如果数据更新成功，但是删除缓存失败会怎样？
如图所示，初始状态数据库和缓存中的数据是一致的，但是在写请求过来后，数据库更新成功，而缓存删除失败。这就导致数据库中的数据是最新的，但缓存中却依然存着旧数据。这时，如果读请求过来，就会直接读取缓存中的旧数据返回。
双写一致性解决方案
1、先删除缓存，后更新数据库
既然问题的原因是删除缓存失败了，那么我们先确保把缓存删除成功了，再去更新数据库。也就是说我们先删除缓存，后更新数据库。
此时你可能会从脑子里迸发出一个想法，如果数据库更新失败了呢？不妨来看一下这种情况：
缓存删除成功后为空了，但是数据库却失败了，还是原来的旧数据。如果这时候有请求过来的话，一看缓存中没有数据，于是就到数据库读取了旧数据更新到缓存中。
你是不是觉得已经“万事大吉”，收工吃饭去了？别急，看看还有什么问题。
2、缓存延时双删策略
如果项目并发量很低的话，每天访问量就那么点，那这么用“先删除缓存，后更新数据库”的方法没毛病，很少情况下才会出现数据不一致的问题。但这种策略只能算作初级的解决方案，为什么这么说呢？
并发量高的情况下，很有可能如果同时来了两个请求，一个写请求，一个读请求。
写请求先删除缓存中的数据，然后去数据库进行更新操作。但是，写请求此时并没有更新成功，或者执行了一个事务还没有成功。
就在此时，读请求判断缓存中有没有数据，就去请求数据库，拿到数据后写入缓存中。
这样的话，读请求拿到未修改的旧数据并写入缓存。过了一会儿，写请求将数据库更新成功了，那么此时缓存与库中的数据就不一致了。
可能你有点乱，我用图来解释一下：
解决方案
写请求过来先把 Redis缓存删掉，等数据库更新成功后，异步等待一段时间再次把缓存删掉。
这种方案读取速度快，但是会出现短时间的脏数据。
总结
旁路缓存策略
读的时候，先读缓存，缓存没有的话，再去读数据库，然后取出来放入缓存中，同时返回响应。
更新的时候，先更新数据库，再删除缓存。
双写一致方案
先删除缓存，后更新数据库：
解决了缓存删除失败导致库与缓存不一致的问题，适用于并发量不高的业务场景。
缓存延时双删策略：
这种方案解决了高并发情况下，同时有读请求与写请求时导致的不一致问题。读取速度快，但是可能会出现短时间的脏数据。
注意
每种方案各有利弊，对于不同的业务来说没有通用的技术方案。在选择技术方案时需要根据业务自身来定。没有最好的，只有最合适的。