Redis中间件常常被用作缓存，而当使用了缓存的时候，缓存中数据的维护，往往是需要重点关注的，尤其是重点考虑的是数据一致性问题。以下是维护数据库缓存的一些常用方案。
1、先删除缓存，再更新数据库
导致数据不一致的场景：
最终结果：数据库存储的是新值，缓存存储的是旧值，导致数据不一致
2、先更新数据库，再删除缓存
最终结果：A线程删除缓存失败，导致缓存中一直存的是旧值。但是实际上，删除缓存失败这个异常场景不在此范围讨论中（可以加入重试机制），因此，此方案数据一致性问题不大，但是可能导致穿透问题（缓存数据删除后，瞬间大量请求穿过缓存，直接打到数据库。但是，但凡是删除缓存都有可能导致穿透问题）
3、先更新数据库，然后更新缓存
最终结果：更新缓存的时间不确定，有先有后，可能导致旧值覆盖新值的问题。而且性能不好，一万次请求就得更新一万次缓存。
4、延时双删
在方案一的基础上，增加了一次删除缓存的操作。回想方案一，导致数据不一致的问题是，A线程在B线程之后更新完数据库后，没有去处理缓存数据。因此，在更新完数据库后，再删除一次缓存便可（本质上就是方案一与方案二的结合）
总体流程：先删除缓存，然后再更新数据库，更新完数据库后，延时再删除一次缓存，做兜底操作。
更新数据库前删一次缓存，是因为，防止在更新数据库后的瞬间，有人直接命中缓存，拿到旧数据
更新数据库后再删一次缓存，是因为，有人通过查库拿到旧数据，设置值进了缓存（方案一数据不一致的情况），之所以要延时，是因为要保证，第二次删除的时机要在其他人写数据之后，否则白删。
注意：既然是删除缓存数据，依然会导致缓存穿透的问题。
根据实际业务场景，我选择了方案三：先更新数据库，再更新缓存。原因如下：
1、修改缓存的入口只有一个，在控制台中设置，不存在多个线程修改缓存的情况
2、读的入口有多个，有许多定时器会在自己的业务中读缓存值，有并发且量十分大，因此，需要考虑缓存穿透问题（不能删除缓存）
3、缓存中存的实际是业务配置，读多写少，大量更新操作导致性能消耗的场景不存在
每一种方案都存在他的优缺点。在理想中，我们往往希望能适用所有场景的方案，但是，现实往往很骨感，一劳永逸的方法几乎只存在于某个乌托邦。方案没有好坏之分，只有是否适合自己的应用场景之别。
