高并发缓存+数据库双写不一致
最初缓存不一致
情景一
先修改数据库，再删除缓存，如果删除缓存失败了，那么会导致数据库中是新数据，缓存中是旧数据，数据出现不一致
解决方案
先删除缓存，再修改数据库，如果删除缓存成功了，如果修改数据库失败了，那么数据库中是旧数据，缓存中是空的，那么数据不会不一致
因为读的时候缓存没有，则读数据库中旧数据，然后更新到缓存中
高并发出现数据不一致问题
情景二
1.数据发生了变更，先删除了缓存，然后要去修改数据库，此时还没修改
2.一个请求过来，去读缓存，发现缓存空了，去查询数据库，查到了修改前的旧数据，放到了缓存中
3.数据变更的程序完成了数据库的修改
4.此时数据库和缓存中的数据不一致
解决方案
- 更新数据的时候，根据数据的唯一标识，将操作路由（标识位）之后，发送到一个jvm内部的队列中
- 读取数据的时候，如果发现数据不在缓存中，那么将重新读取数据+更新缓存的操作，根据唯一标识路由（标识位）之后，也发送同一个jvm内部的队列中
- 一个队列对应一个工作线程
- 每个工作线程串行拿到对应的操作，一条一条的执行
- 一个数据变更的操作，先执行，删除缓存，然后再去更新数据库，但是还没完成更新
- 此时如果一个读请求过来，读到了空的缓存，那么可以先将缓存更新的请求发送到队列中，然后同步等待缓存更新完成
- 这里有一个优化点，一个队列中，其实多个更新缓存请求串在一起是没意义的，因此可以做过滤，如果发现队列中已经有一个更新缓存的请求了，那么就不用再放个更新请求操作进去了，直接等待前面的更新操作请求完成即可
- 待那个队列对应的工作线程完成了上一个操作的数据库的修改之后，才会去执行下一个操作，也就是缓存更新的操作，此时会从数据库中读取最新的值，然后写入缓存中
- 如果请求还在等待时间范围内，不断轮询发现可以取到值了，那么就直接返回;
如果请求等待的时间超过一定时长，那么这一次直接从数据库中读取当前的旧值
高并发的场景下，该解决方案要注意的问题
（1）读请求长时阻塞
- 由于读请求进行了非常轻度的异步化，所以一定要注意读超时的问题(不能超多200ms)，每个读请求必须在超时时间范围内返回
- 另外一点，因为一个队列中，可能会积压针对多个数据项的更新操作，因此需要根据自己的业务情况进行测试，可能需要部署多个服务，每个服务分摊一些数据的更新操作.如果一个内存队列里居然会挤压100个商品的库存修改操作，每隔库存修改操作要耗费10ms区完成，那么最后一个商品的读请求，可能等待10 * 100 = 1000ms = 1s后，才能得到数据。这个时候就导致读请求的长时阻塞
（2）读请求并发量过高
这里还必须做好压力测试，确保恰巧碰上上述情况的时候，还有一个风险，就是突然间大量读请求会在几十毫秒的延时hang在服务上，看服务能不能抗的住，需要多少机器才能抗住最大的极限情况的峰值
但是因为并不是所有的数据都在同一时间更新，缓存也不会同一时间失效，所以每次可能也就是少数数据的缓存失效了，然后那些数据对应的读请求过来，并发量应该也不会特别大
按1:99的比例计算读和写的请求，每秒5万的读QPS，可能只有500次更新操作
如果一秒有500的写QPS，那么要测算好，可能写操作影响的数据有500条，这500条数据在缓存中失效后，可能导致多少读请求，发送读请求到库存服务来，要求更新缓存
一般来说，1:1，1:2，1:3，每秒钟有1000个读请求，会hang在库存服务上，每个读请求最多hang多少时间，200ms就会返回
在同一时间最多hang住的可能也就是单机200个读请求，同时hang住单机hang200个读请求，还是ok的。
（3）多服务实例部署的请求路由
当服务部署了多个实例，那么必须保证说，执行数据更新操作，以及执行缓存更新操作的请求，都通过nginx服务器路由到相同的服务实例上
（4）热点商品的路由问题，导致请求的倾斜
万一某个商品的读写请求特别高，全部打到相同的机器的相同的队列里面去了，可能造成某台机器的压力过大
就是说，因为只有在商品数据更新的时候才会清空缓存，然后才会导致读写并发，所以更新频率不是太高的话，这个问题的影响并不是特别大
但是的确可能某些机器的负载会高一些