微服务原理篇(Canal-Redis)
本文介绍了ES索引同步的常见方案，重点讲解Canal+MQ数据同步机制。通过解析MySQL的binlog日志，Canal模拟slave伪装接入主库，实现增量数据捕获，并结合RabbitMQ保证消息顺序性地同步至Elasticsearch。同时探讨了缓存一致性问题，提出使用分布式锁（如Redis）控制并发写操作，避免双写不一致。还涵盖Redis持久化、集群模式、过期淘汰策略及缓存三剑客（穿透、雪崩、击穿）的解决方案，系统梳理了高并发场景下的数据同步与缓存保障技术体系。
Flink CDC 在货拉拉的落地与实践
陈政羽在Apache Asia Community Over Code 2024上分享了《货拉拉在Flink CDC生产实践落地》。文章介绍了货拉拉业务背景、技术选型及其在实时数据采集中的挑战与解决方案，详细阐述了Flink CDC的技术优势及在稳定性、兼容性等方面的应用成果。通过实际案例展示了Flink CDC在提升数据采集效率、降低延迟等方面的显著成效，并展望了未来发展方向。
如何解决并发环境下双写不一致的问题？
在并发环境下，“双写不一致”指数据库与缓存因操作顺序或执行时机差异导致数据不匹配。解决核心是保证操作的原子性、顺序性或最终一致性。常见方案包括延迟双删、加锁机制、binlog同步、版本号机制和读写锁分离，分别适用于不同一致性要求和并发场景，需根据业务需求综合选择。
