白岳_个人页

比较倾向，最终一致性，比如可靠消息投递。

redis cache 是可以接受一段时间的不一致，每次更新的时候可以清空缓存或者再更新一次

主键一定要有

对性能影响不大

如果是本地事务，使用 @Transactional 。

推荐阅读http://blog.720ui.com/2017/mysql_core_08_multi_db_table/http://blog.720ui.com/2017/mysql_core_09_multi_db_table2/

MongoDB 是对传统关系型数据库的补充，它非常适合高伸缩性的场景，它是可扩展性的表结构。基于这点，可以将预期范围内，表结构可能会不断扩展的 MySQL 表结构，通过 MongoDB 来存储，这就可以保证表结构的扩展性。此外，日志系统数据量特别大，如果用 MongoDB 数据库存储这些数据，利用分片集群支持海量数据，同时使用聚集分析和 MapReduce 的能力，是个很好的选择。MongoDB 还适合存储大尺寸的数据，GridFS 存储方案就是基于 MongoDB 的分布式文件存储系统。推荐阅读：http://blog.720ui.com/2017/db_better_db_use/

Redisson分布式锁，分布式锁，了解一下

MongoDB 是对传统关系型数据库的补充，它非常适合高伸缩性的场景，它是可扩展性的表结构。基于这点，可以将预期范围内，表结构可能会不断扩展的 MySQL 表结构，通过 MongoDB 来存储，这就可以保证表结构的扩展性。此外，日志系统数据量特别大，如果用 MongoDB 数据库存储这些数据，利用分片集群支持海量数据，同时使用聚集分析和 MapReduce 的能力，是个很好的选择。MongoDB 还适合存储大尺寸的数据，GridFS 存储方案就是基于 MongoDB 的分布式文件存储系统。推荐阅读：http://blog.720ui.com/2017/db_better_db_use/

场景不同，在某些场景下，可以充分的利用 Redis 的特性，大大提高效率。这些场景包括缓存，会话缓存，时效性，访问频率，计数器，社交列表，记录用户判定信息，交集、并集和差集，热门列表与排行榜，最新动态等。MongoDB 是对传统关系型数据库的补充，它非常适合高伸缩性的场景，它是可扩展性的表结构。基于这点，可以将预期范围内，表结构可能会不断扩展的 MySQL 表结构，通过 MongoDB 来存储，这就可以保证表结构的扩展性。推荐阅读：http://blog.720ui.com/2017/db_better_db_use/

最终一致性解决方案

没有特别要求，但是要做主从、灾备等，至少提供两台以上，同时，根据机器性能考虑负载情况。

java拥有最好的生态

netty

Oracle 加快 Java 迭代速度，功能性版本只维护六个月

微服务的基石是基础设施，我这先推荐一本书《生产微服务》

我们探讨过幂等机制的实现方案，今天我们再来探讨下分布式锁是不是控制并发幂等的方式？ 可能由于客户端的重复提交产生多份相同的数据，也可能因为服务端的重试机制产生多次提交。此时，单单通过防重机制是不够的，还需要服务端的幂等机制保证唯一性。幂等机制的核心是保证资源唯一性，例如客户端重复提交或服务端的多次重试只会产生一份结果。支付场景、退款场景，涉及金钱的交易不能出现多次扣款等问题。事实上，查询接口用于获取资源，因为它只是查询数据而不会影响到资源的变化，因此不管调用多少次接口，资源都不会改变，所以是它是幂等的。而新增接口是非幂等的，因为调用接口多次，它都将会产生资源的变化。因此，我们需要在出现重复提交时进行幂等处理。注意的是，为了避免并发场景，我们可以通过锁机制，例如悲观锁与乐观锁保证数据的唯一性。这里，分布式锁是一种经常使用的方案，它通常情况下是一种悲观锁的实现。但是，很多人经常把悲观锁、乐观锁、分布式锁当作幂等机制的解决方案，这个是不正确的。并发控制只是保证临界区资源的安全，不出现脏数据，如果并发控制，多次提交是合法的，只是业务方面不合法，所以做幂等控制 。（感谢，【零度】诠释）因此，通过分布式锁不是控制并发幂等的方式，需要在提交记录的时候通过幂等机制保证数据的唯一性，确保不论如何设置超时时间，都不会出现幂等控制的问题。