认识达内从这里开始

认真做教育专心促就业

运城大数据培训数据不一致问题如何解决

发布：运城达内教育官网
来源：互联网
时间：2020-08-10 09:28

数据一致性是我们在做数据分析的前提，而今天我们就通过案例分析来了解一下，程序员在解决数据不一致的问题的时候都有哪些方法。

运城大数据培训数据不一致问题如何解决

如何消除数据不一致?

根据CAP理论，分区容错性、可用性和一致性里面必须要牺牲掉一个，而在实际实现过程中，分区容错性和可用性是很难舍弃的，所以通常会舍弃一致性，取而代之会用终一致性保证数据在可容忍的时长内达到终一致。

微服务架构也不例外，在服务内部，可以通过本地事务保证数据的强一致性;而当业务发生在多个服务中，我们追求终一致性。那么都有哪些措施可以保证跨服务的终一致性呢?

避免同时跨服务的写操作

这是个业务问题，在微服务的架构下，每个服务都是独立的，如果有一个业务功能需要同时修改两个服务的数据，往往这个业务可以拆分成两个步骤，比如场景一种提到的订单和库存的例子，如果我们可以先锁定库存，然后再确认订单看上去这个问题就迎刃而解了。

因此在业务中发现一个功能需要同时修改两个服务的数据，我们先可以来讨论这个业务设计是否合理;如果业务上很多场景都要求两个服务的数据保持强一致，那可能我们需要看看微服务的划分是否合理。

大努力通知+大努力处理

为了解决场景二和场景三的不一致性问题，需要上游服务和下游服务的共同努力：上游服务需要尽可能将事件发送出去，比如：先同步发送，如果失败改为异步重试，重试多次仍然失败可以先持久化，通过定时任务来重发或者人工干预重发。下游服务也要尽可能的把事件处理掉，收到事件后可以考虑先将事件持久化，消费成功后标记事件，如果消费失败可以通过定时任务重试消费。

保证幂等性

当我们提到重试，就不得不考虑幂等性的问题，这里的幂等性包括以下两个场景：

上游服务接口的幂等性，保证下游系统的重试逻辑可以得到正确响应

下游服务消费事件保证幂等性，避免因上游多发事件或事件已消费成功后再次重试产生的问题

核心业务数据补偿机制

即便我们做了很多我们认为万全的准备，在分布式系统的执行链路上，每个节点都有可能失败，加上业务的复杂度，数据不一致的情景也很难彻底解决，而对于那些小概率发生但技术解决起来成本昂贵的问题，我们可以尝试通过对业务的深刻理解设计一些后台的数据维护功能，保证在核心业务数据异常时，可以在一定的规则内进行修复，从而保证业务的顺利进行

【免责声明】本文系本网编辑部分转载，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在30日内与管理员联系，我们会予以更改或删除相关文章，以保证您的权益!更多内容请在707945861群中学习了解。

< 上一篇：物联网网络安全问题都有哪些风险

下一篇：css样式表测试需要关注那些问题 >