最终一致性的解决方案,多实例缓存一致性

最终一致性的解决方案,多实例缓存一致性

?ω? 第一个问题：通过让serviceB的API支持幂等性来解决。 第二个问题：你可以通过后台计时步骤来修正数据，但这不是一个好方法。 第三个问题：这就是通过阻塞的方式解决缓存一致性的过程。保证缓存最终一致性的方法有很多，要根据场景设计合适的方案。读多写少的场景，可以选择"Cache-Aside结合消费数据库日志进行补偿"的方案进行编写

Basedonthis,weneedtofocusonthefollowingindicatorswhenmakingtechnologyselectionandsolutiondesign:transactionalsubmissionsystem,highavailabilityofdata,eventualconsistency,supportforindependentevolutionanddeploymentofservices,supportforservices,useofheterogeneousdatastoragetechnology,lowintrusionofthearchitecture,Regardingdistributedtransactions,theengineeringfieldmainlydiscussessolutionsforstrongconsistencyandeventualconsistency. 典型解决方案包括：两阶段提交（2PC、

最终一致的分布式解决方案并不要求参与交易的每个节点的数据始终保持一致。中间状态是允许存在的，只要在一段时间后能够达到数据的最终一致状态即可。 业界的基础理论提出了如下解决方案：1）TCC先写入master，再写入slave：在主从复制模式下，所有写操作首先应用于master副本，然后同步复制到slave副本。 只要所有写入都以相同的顺序应用于所有副本，所有副本都会

不同的应用场景需要适应不同的解决方案。无论是基于CAP理论还是BASE理论，我们知道强一致性是无法实现的，但是每个应用可以根据自己的业务特点采用合适的方法来使系统达到最终的一致性。 例如，基于本地消息的最终一致性解决方案的核心做法是在进行业务操作时将消息数据记录到数据库中，而消息数据的记录和业务数据的记录必须在同一个事务中完成。这就是解决方案。 前提核心保证。