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
DRC实践
DRC简介
DRC(Data Replication Center)是我在阿里听过的一个概念，它的业务域是支持异构数据库实时同步，数据记录变更订阅服务。为跨域实时同步、实时增量分发、异地双活、分库分表等场景提供产品级的解决方案。
高并发架构系列：Redis缓存和MySQL数据一致性方案详解
一、需求起因
在高并发的业务场景下，数据库大多数情况都是用户并发访问最薄弱的环节。所以，就需要使用redis做一个缓冲操作，让请求先访问到redis，而不是直接访问MySQL等数据库。
这个业务场景，主要是解决读数据从Redis缓存，一般都是按照下图的流程来进行业务操作。
谈谈对Canal（增量数据订阅与消费）的理解
概述
canal是阿里巴巴旗下的一款开源项目，纯Java开发。基于数据库增量日志解析，提供增量数据订阅&消费，目前主要支持了mysql（也支持mariaDB）。
起源：早期，阿里巴巴B2B公司因为存在杭州和美国双机房部署，存在跨机房同步的业务需求。
otter部署【原创】
环境IP：10.10.6.171 部署：mysql源库IP：10.10.6.172 部署：mysql目标库IP：10.10.6.173 部署：zookeeper，manager，node，canal （也都部署到源库服务器上）
由于otter进行数据库同步，目前仅支持row，所以需要把源库的binlog_format改为ROWlog-bin=mysql-binexpire_logs_days=3binlog_format=ROW
otter为纯java编写（manager，node，canal都为java编写），所以需要安装JDK。
Kubernetes决胜Swarm的优势在这里？
微服务架构是那种能够扩大差距的下一代技术。就应用程序而言，微服务架构是保持相关性的关键，其中大版本更新慢、补丁粗糙都是不可接受的。容器是向微服务架构迈出的第一步，接下来就得靠Kubernetes管理微服务。
