缓存数据一致性探究
缓存是一种较低成本提升系统性能的方式，自它面世第一天起就备受广大开发者的喜爱。然而正如《人月神话》中的那句经典的“没有银弹”中所说，软件工程的设计没有银弹。
就像每一次发布上线修复问题的同时，也极易引入新的问题，自缓存诞生的第一天起，缓存与数据库的数据一致性问题就深深困扰着开发者们。
关键词：原子性、事务性、数据一致性、双写一致性
【Redis系列笔记】双写一致性
本文讨论了缓存不一致问题及其后果，如价格显示错误和订单计算错误。问题主要源于并发和双写操作的异常。解决方案包括使用分布式锁（但可能导致性能下降和复杂性增加）、延迟双删策略（通过延迟删除缓存来等待数据同步）以及异步同步方法，如通过Canal和MQ实现数据的最终一致性。面试中，可以提及这些策略来确保数据库和缓存数据的一致性。
Redis篇
本内容整理了Redis缓存常见问题及解决方案，涵盖缓存穿透、击穿、雪崩的原理与应对策略，布隆过滤器的使用，缓存与数据库双写一致性方案（如读写锁、Canal组件），Redis持久化机制（RDB与AOF对比），数据过期与淘汰策略，分布式锁实现（如Redisson），主从同步、集群方案及高并发高可用保障措施，深入解析Redis性能优化与实际应用技巧，适合用于面试准备或技术提升。
利用OTTER实现准实时ETL、数据同步
利用OTTER实现高效、复杂、实时性高的数据同步场景；数据同步模式涵盖1源表->1目标表、N源表（在/不在同一实例)->1目标表、1源表->N目标表（在/不在同一实例)、自定义同步