1. 雙寫模式
做法順序：先寫數據庫，再寫緩存
併發的問題：
由於卡頓等原因，導致寫緩存2在最前，寫緩存1在後面就出現了不一致
髒數據問題: 這是暫時性的髒數據問題，但是在數據穩定，緩存過期以後，又能得到最新的正確數據
讀到的最新數據有延遲：最終一致性
2. 失效模式
做法順序：先寫數據庫，在刪除緩存
併發問題：
由於網絡或者i/o問題導致第三個請求拿到了數據庫中數據：db-1，此時第二個請求數據庫寫更新db-1->db-2已完成，立刻刪除緩存，第三個請求又將緩存刷新成第一個請求時的數據
還是會出現髒數據問題：最終不一致性
解決方案： 無論是雙寫模式還是失效模式，都會導致緩存的不一致問題(多個實例同時更新)。
- 緩存數據加上過期時間，每隔一段時間觸發讀的主動更新
- 如果是菜單，商品介紹等基礎數據，也可以去使用canal訂閱binlog的方式（比較優秀）。
- 通過加鎖保證併發讀寫，寫寫的時候按順序排好隊。讀讀無所謂。所以適合使用讀寫鎖。
高併發緩存問題高併發緩存問題
1、緩存集中失效
將原來的固定過期時間，調整爲過期時間=基礎時間+隨機時間，讓緩存慢慢過期，避免瞬間全部過期對DB產生過大壓力。
2、緩存穿透
方案一：查存DB 時，如果數據不存在，預熱一個特殊空值到緩存中。這樣，後續查詢都會命中緩存，但是要對特殊值，解析處理。
方案二：構造一個BloomFilter過濾器，初始化全量數據，當接到請求時，在BloomFilter中判斷這個key是否存在，如果不存在，直接返回即可，無需再查詢緩存和DB
3、緩存雪崩
4、緩存熱點
將集中化流量打散，避免一個緩存節點過載。由於只有一個key，我們可以在key的後面拼上有序編號，比如key#01、key#02。。。key#10多個副本，這些加工後的key位於多個緩存節點上。 每次請求時，客戶端隨機訪問一個即可
5、緩存大Key
6、緩存數據一致性
緩存是用來加速的，一般不會持久化儲存。所以，一份數據通常會存在DB和緩存中，由此會帶來一個問題，如何保證這兩者的數據一致性。另外，緩存熱點問題會引入多個副本備份，也可能會發生不一致現象。
方案一：當緩存更新失敗後，進行重試，如果重試失敗，將失敗的key寫入MQ消息隊列，通過異步任務補償緩存，保證數據的一致性。
方案二：設置一個較短的過期時間，通過自修復的方式，在緩存過期後，緩存重新加載最新的數據
7、數據併發競爭預熱
互聯網系統典型的特點就是流量大，一旦緩存中的數據過期、或因某些原因被刪除等，導致緩存中的數據爲空，大量的併發線程請求（查詢同一個key）就會一起併發查詢數據庫，數據庫的壓力陡然增加。
如果請求量非常大，全部壓在數據庫，可能把數據庫壓垮，進而導致整個系統的服務不可用。
方案一：引入一把全局鎖，當緩存未命中時，先嚐試獲取全局鎖，如果拿到鎖纔有資格去查詢DB，並將數據預熱到緩存中。雖然client端發起的請求非常多，但是由於拿不到鎖只能處於等待狀態，當緩存中的數據預熱成功後再從緩存中獲取
方案二：緩存數據創建多個備份，當一個過期失效後，可以訪問其他備份。