为什么不能直接更新缓存
首先要做一个小科普，在日常开发中，无论使用进程内缓存(如：ehcache)，还是进程外的缓存中间件（如：redis），他的本质就是利用内存的高吞吐的特性高效的完成数据的提取工作。因为底层mysql 在进行数据提取操作的时候是随机读写，性能比较慢。我们通常把热点数据放在内存缓存中来进行存储和提取。
应用程序一个基本的处理过程，首先是判断缓存中数据存不存在，如果存在直接从缓存中把数据提取出来就可以了；要是数据在缓存中不存在，就需要先去数据库查询，把数据提取出来，然后一边返回数据，一边把数据放入缓存中。这样第二次查询进来的时候，因为缓存中已经有数据了，所以就不用再向数据库查询数据了，通过缓存直接返回结果，就可以完成数据高效率的提取工作。这个就是缓存的一般性的处理过程。
但是在我们处理过程中，要是数据有更新，缓存和数据库先更新哪个，后更新哪个，这个是有说法的。
盖棺定论一下，无论是redis还是ehcache这种缓存组件，都不要考虑去更新缓存。
为什么不要更新缓存，原因是有着并发性问题。
举例：有两个线程做着相同的事情，都是更新库和更新缓存操作，只不过是操作的值不一样，单独来看，两个操作都没有问题。但是我们在并发环境下使用，就有问题了。
在数据库中我们线程1先更新了(id =1 name=a1)，然后线程2又立刻更新了(id =1 name=a2)，很明显name=a2会覆盖掉线程1操作的name=a1，因为a2是后完成的。但是由于各种原因，在我们JAVA程序中出现了一些延时，或者一些其他情况，我们线程2更新缓存的操作，会比线程1执行的更早，也就是线程1会把线程2处理的结果在缓存中覆盖掉。相当于在数据库层面，线程2的结果覆盖了线程1的结果，在缓存层面，线程1的结果覆盖了线程2的结果。
这就是典型的因为使用了更新缓存的操作，出现了数据不一致的情况。所以一定不要对缓存进行更新。
那不对缓存更新应该怎么做呢？这个时候Cache Aside Pattern就上场了。
Cache Aside Pattern是什么
Cache Aside Pattern是经典的缓存一致性处理模式，本质是“先写库，再删缓存”
为什么不是”先删缓存，再写库”
举例：线程1，将id=1的name字段值从a1更新为a2，线程1先删除缓存在更新库，这个单独线程处理没有任何问题。但是在并发环境下，在删完缓存的情况下，线程2进来了，线程2是一个查询的操作，线程2去查询缓存，发现缓存中没有数据，然后线程2去查询数据库，这个时候数据库还没有被线程1更新，线程2拿到的还是name=1的旧数据，然后线程2把name=1的数据写入到缓存中。这个时候线程1去更新数据库，就出现了缓存与数据库数据不一致的情况。
那么出现了数据库和缓存不一致的情况，这种不一致的时长会有多久呢？
第一种情况：根据设置的缓存时间决定，只有缓存过期以后，正确的数据才会被重新写入。
第二种情况：下一次删除缓存，正确的数据才可能会被写入
很明显，上面两种数据不一致的时间是不确定且不能接受的。
Cache Aside Pattern 理想流程
线程2：正常查询缓存（空），然后查询数据库，并写入缓存，这些都是正常完成的。但是在同步处理的过程中，线程1进行了更新的操作，不过更新使用了”Cache Aside Patten模型”，更新后增加了删除缓存的操作。删除缓存的时候，依旧有可能会出现并发性的问题，但是出现的时间极短。因为出现不一致的情况出现在：当线程2写入完成后和线程1删缓存这一段的时间区域里面，有线程来查询数据因为线程1还没有删除缓存所以会获取到旧的数据，不过时间极短。当线程1删除完成数据之后，问题就会立即解决。
Cache Aside Pattern 极端流程
Cache Aside Pattern 极端情况的产生是在写缓存是在删缓存之后完成的。
举例：并发场景下，线程1先更新在删除，线程2是先查缓存在查库，但是线程2因为某一些问题，线程2的写缓存操作，是在线程1删缓存以后完成的，这个时候缓存里面还是旧的数据，就出现了缓存和数据库不一致的情况。
不一致情况出现的时间窗口依旧是，缓存过期或者下一次删缓存。那么怎么解决这个问题，延迟双删就出现了。
延迟双删
Cache Aside Pattern 极端情况是写缓存在删缓存之后完成的，所以写入缓存的数据是旧的，会出现缓存和数据库不一致的情况。
这个时候我们想个办法让删除缓存在写缓存之后完成不就行了吗。
所以我们增加了额外一个处理，我们删除缓存之后，事情不算完，我们通过定时任务或MQ消息队列发送延迟消息，比如说2秒钟之后再对同样的缓存进行删除，只要线程2的时间没有超过这2秒钟的话，那么就可以保证删缓存的操作，是在写缓存之后完成的。
通过这种两次删除的处理，我们就把他称为延迟双删：他是解决互联网高并发下一个极端场景场景，写缓存是在删缓存之后的场景，我们就通过延迟任务来再次执行一下删缓存。
延迟的时间要设置多长，就决定我们不一致的时间窗口有多长，这个需要根据我们具体的业务场景来定。
说明
“Cache Aside Pattern+延迟双删除” 是一个无锁方案只能保证并发的前提下尽可能减少不一致的可能，这也是AP模式下BASE的一种技术，做不到数据的完全一致。
在一些极端情况下，必须要保证缓存与数据库强一致，最好的办法是分布式锁，这样并发性就完蛋了。而且增加缓存的目的就是为了增加系统的并发性能。
所以在大多数互联网项目中，都会采用AP的方案进行设计，采用AP的方案就无可避免的会出现数据不一致的情况，只是在不同的架构设计下，出现不一致的可能性有多有少
