来自 gpt 的摘要： 在引入缓存时，性能和一致性无法同时完全满足，一旦决定使用缓存，短期的不一致性是必须容忍的。为了确保 Redis 和 MySQL 数据的一致性，推荐采用“先更新数据库，再删除缓存”的方案，并结合消息队列或订阅变更日志的方式进一步降低不一致的风险。虽然该方案并非万无一失，但实际发生不一致的概率很低。即便出现短暂的不一致性，也可以通过缓存的失效时间来兜底，从而达到最终一致性。

写在前面

一旦我们决定使用缓存，那必然要面临一致性问题。性能和一致性就像天平的两端，无法做到都满足要求。引入缓存之后，如果为了短时间的不一致性问题，选择让系统设计变得更加复杂的话，完全没必要。

来自 gpt 的摘要： 缓存雪崩是指大量缓存数据在同一时间失效，导致大量请求直接打到数据库，造成数据库压力骤增，甚至宕机。解决方案包括：通过Redis集群避免单点故障，设置多级缓存和缓存降级，给缓存设置随机过期时间和缓存预热等。缓存穿透是指请求的数据在缓存和数据库中都不存在，所有请求直接打到数据库。常用应对方法有：参数校验、缓存无效key、使用布隆过滤器、以及接口限流。缓存击穿是指高并发请求集中访问某个热点数据，而该数据在缓存中失效，导致大量请求同时打到数据库。解决办法包括设置热点数据永不过期、缓存预热和使用互斥锁防止并发读写数据库。复杂场景如Redis集群和缓存降级涉及更多细节，布隆过滤器则能有效防止大量无效请求。