缓存数据一致性一般是两种解决方案
双写模式
做法顺序：先写数据库，再写缓存
并发性的问题：
由于卡顿等原因，导致写缓存2在最前，写缓存1在后面就出现了不一致
脏数据问题:
这是暂时性的脏数据问题，但是在数据稳定，缓存过期以后，又能得到最新的正确数据
读到的最新数据有延迟：最终一致性
失效模式
做法顺序：先写数据库，在删除缓存
并发下的问题：
由于网络或者i/o问题导致第三个请求拿到了数据库中数据：db-1，此时第二个请求数据库写更新db-1->db-2已完成，立刻删除缓存，第三个请求又将缓存刷新成第一个请求时的数据
还是会出现脏数据问题：最终不一致性
解决方案：
无论是双写模式还是失效模式，都会导致缓存的不一致问题。即多个实例同时更新会出事。怎么办？
- 如果是用户纬度数据（订单数据、用户数据），这种并发几率非常小，不用考虑这个问题，缓存数据加 上过期时间，每隔一段时间触发读的主动更新即可
- 如果是菜单，商品介绍等基础数据，也可以去使用canal订阅binlog的方式（比较优秀）。
- 缓存数据+过期时间也足够解决大部分业务对于缓存的要求。
- 通过加锁保证并发读写，写写的时候按顺序排好队。读读无所谓。所以适合使用读写锁。（业务不关心 脏数据，允许临时脏数据可忽略）；
总结：
- 我们能放入缓存的数据本就不应该是实时性、一致性要求超高的。所以缓存数据的时候加上过期时间，保 证每天拿到当前最新数据即可。
- 我们不应该过度设计，增加系统的复杂性 。
- 遇到实时性、一致性要求高的数据，就应该查数据库，即使慢点。