数据一致性 一文读懂

数据不一致产生的原因

互联网的工程开发，与传统软件相比，往往要面临非常复杂多变的业务场景，这是老生常谈的问题了。虽然在工程开发与协同领域已经有了比较多的实践案例，但对于比较底层的一些技术框架的协同，由于选型的原因，往往是比较多元化的，这也就导致了一些基础框架之间的协同会出现一些问题。

举个例子，在搜索领域，往往会采用ES这一类的全文检索引擎进行加速，但由于搜索往往还要带有广告、推荐等信息，很多时候还需要读取具备ACID的RDMS数据库，或者是一些NoSQL数据库，多种数据库组合在一起，才能满足业务上的需求。

这么多异构的数据源组合在一起，虽然能够将系统做的更大和更灵活，但也会带来很多问题，例如：

• 工程上的实现更加繁琐，没有办法将所有数据库的操作封装到统一的DAL层；

• 在一些可回滚的业务场景里，数据要在多个数据库之间同步的进行ACID操作。

例如广告业务场景里，有一个业务场景是只计费一次，流程有如下的步骤：

• 数据写入Mysql；

• 数据写入ES；

• 数据写入Redis。

步骤1是为了将数据传递给财务系统，步骤2是为了重新调整检索顺序，步骤3是为了一些事实的推荐场景应用。如果第1步就失败了，那么整个顺序就不需要执行，但如果第1步成功而第2步失败，那么虽然计费成功了，但是在检索的时候就会出现问题，导致出现第二次的计费。

如果业务对于一致性