聊一聊异构系统间数据一致性

之前忙活过一个多方合作的项目，异构系统间维护数据一致性有时候是个头疼但必须解决的问题，今天我从背景、问题、解决思路、技术方案等几个方面浅谈一下，抛砖引玉。

近两年我司承接了某个持续性的会议项目，即每季度或月不定期举行会议。本项目目前有三个主要供应方（面向用户的A方，数据中间B方，会议数据同步C方【我司】）。 为了方便演示问题，以下流程和职责都做了裁剪。

简化流程如下： 简化职责如下：

• A方职责： 用户通过官网/小程序进行报名，A方调用B方的标准接口，不存储数据
• B方职责：作为ISP,提供标准查询、新增、修改等相关接口，几乎不提供定制。基于表单和表单数据，完成数据存储与流转。
• C方职责：提供导入/更新/审核/注销等入口，新数据会通知到B方，B方数据新增/更新也会通知到C方。

从图例来看，B方/C方数据存储方面是冗余的。但B方只存储了核心数据，提供不了太多业务行为，C方具有业务需要的全套流程，但在此项目中作为后方支持及后续现场支持，三方形成了一种生态和谐。本篇博客主旨在讨论多方异构系统之间如何保证数据的一致性。

产品/项目

从标准Sass系统来讲，这样的多方交互，不利于系统稳定性，有诸多不可控因素。但从项目角度，这是各方考虑/斗争/谈判/费用等综合因素下友好协商的结果。 当然这是一个私有部署项目，所以会有很多坚持和妥协。

大领导提到一个说法：项目是要交付的，功能完美是产品考虑的。在功能不完善的情况下，如何去交付？

最后的兜底

哎，一言难尽。是通宵了几次核对/修复数据的，这是最后的办法了。为了苦逼不再重现，今年要对整个线动一动手术。（说好的.net 不996呢？）（拿着白菜价操着卖白粉的心）。

• C方 需要所有子会报名前，主会必须报名。
• B方 各会之间的报名数据是无序到达的。

• B方 任意报名数据更新或新增都会推送到C方，C方收到更新也会更新B方。这里有一些措施进行了拦截中断，但仍会频繁循环更新问题。这是目前现状（为什么会出现？太赶工？）

• 无开发环境，需盲写代码，发到测试环境进行联调测试。
• 调用链太长，日志过多，排错时需要根据调用各服务接口来判断走到了哪步，出现了一个问题。调用链能查到一些问题，但不容批量定位问题。单个查太难。

• 高并发下，redis组件出现各种问题（timeout等）
• token问题
• 接口请求时间超长
• 其他问题...

数据很大，也很小

大部分数据能对上，偶尔几十个或断断续续产生新问题的数据需要及时人工修复。功能有缺陷，人工也是一种交付办法，但不可持续，太他妈的累了。数据不一致，也是导致通宵核对/修复数据的一大原因。如果数据全一致，就不会那么辛苦了。

• 明确项目是要继续做的
• 目标产品化/更方便维护方向发展。一团队养一项目。
• 有改进想法提出来，拉会推进
• 缺人,招人（遥遥无期...）

• 针对请求无序问题，引入延时队列，先处理主会、子会延迟几秒钟在处理。
• 针对循环更新问题，记录B方数据来源，非必要情况下，不回更B方。必须终止掉。【冤冤相报何时了】
• 针对排错困难问题，引入mysql记录新增报名的请求以及处理结果，可以更快查询处理结果。
• 针对bug,测试根据各测试场景进行复测，按10/100/1000/3000/万级规模压测。提前发下问题。
• 推进客户方一起做必要去重逻辑。

无论是标准产品还是交付项目，做任何改动都要评估。

• 多沟通，大家都是站在一条线的。有利于事情解决的方案认同度会更高。
• 预估花多少时间，有多少资源。
• 能挤出来的空窗期有多久，客户方/产品方对于需求的急迫性有多强。
• 基于场景测试，把缺陷优先级先列出来，根据空窗期先修复紧急缺陷。

把紧急且影响范围广的问题解决了，风险就小了很多了。80%的问题是由20%的因素造成的。 这也正符合程序优化中的时间/空间局部性。

“

进程运行时，在一段时间里，程序的执行往往呈现高度的局部性， 包括时间局部性和空间局部性。
时间局部性是一旦一个指令被执行了， 则在不久的将来，它可能再被执行。
空间局部性是一旦一个指令一个存储单元被访问，那么它附近的单元也将很快被访问.

”

mysql实现延迟队列

• 优先处理主会，子会延时处理 由于隐私问题，这里只列部分字段

• 数据库轮询获取未处理数据 这里如何提高消费速度，可以参考《计算机系统结构》中标量处理机的流水线的一些知识。

  

• 首先要无相关，即按AccountId分组，分组内的数据是无冲突/相关的，可以分批进行。记录各任务状态，最后统一提交数据库状态，然后1s后继续轮询。这种类似静态流水线。动态流水线较为复杂，这里暂不做实现。

do
{
    var groupTemps = groupDatas.Skip((pageIndex - 1) * pageSize).Take(pageSize).ToList();
    var currentRecords = new List<QidianNotifydelayData>();
    foreach (var item in groupTemps)
    {
        currentRecords.AddRange(item.ToList());
    }
    var temp = taskFunc(currentRecords);
    taskList.Add(temp);
    pageIndex++;
}
while ((pageIndex - 1) * pageSize <= groupCount);

//等待全部执行
await Task.WhenAll(taskList.ToArray());

await _dbContext.CommitAsync();

Thread.Sleep(1);

• 如果1s轮询觉得太浪费，后续可以根据请求发送标记位（下次轮询时间），有数据时，可以快速轮询，无数据时放宽时间。极端处理方式，当主会请求过来处理完成后，直接发起子会处理，但要考虑数据库是否能承受的住这种并发压力。

• 如果考虑请求会重复执行，可以在执行内加redis锁。慎用for update,并发一大就over.

/// <summary>

/// 锁定执行。
/// </summary>


/// <param name="key"></param>
/// <param name="func"></param>
/// <param name="timeSpan"></param>
/// <returns></returns>
public async Task<BizResult<T>> LockExcute<T>(string key, Func<Task<BizResult<T>>> func, int timeSpan)
{
  var db = (this._cacheClient as RedisClient).Db;

  var mutexKey = string.Format("mutex:", key);
  if (await db.StringSetAsync(mutexKey, "1", TimeSpan.FromSeconds(timeSpan), When.NotExists))
  {
      try
      {
          var item = await func.Invoke();
          return item;
      }
      catch (Exception ex)
      {
          _logger.LogError("LockExcute:Exception:" + ex.Message);
          return BizResult.BusinessFailed<T>(-1, $"执行失败,Message:{ex.Message}");

      }
      finally
      {
          await db.KeyDeleteAsync(mutexKey);
      }
  }
  else
  {
      _logger.LogWarning($"LockExcute:Key:{key},正在处理中，请稍候");

      return BizResult.BusinessFailed<T>(-1, "正在处理中，请稍候");
  }
}

redis实现延迟队列

• 由于业务中一个Account同时只能处理一个主会，如果在处理子会的时候，主会请求突然过来了，就会有问题，这里就需要加锁主会。引入了Redis延迟队列
• 基于Redis ZSet有序集合实现。
• 思路：当前时间戳和延时时间相加，也就是到期时间，存入Redis中，然后不断轮询，找到到期的，拿到再删除即可。
• 目前实现缺点：不利于监控，未发起http请求处理业务，导致调用链有缺。

/// <summary>
 /// 3.入队列
 /// </summary>
 /// <param name="redisModel"></param>
 /// <returns></returns>
 public async Task EnqueueZset(DataToModel redisModel)
 {
     redisModel.UpdateTime = redisModel.UpdateTime.AddSeconds(5);// 最后更新时间 + 5秒
     var redisDb = _redisConnectionService.GetRedisConnectionMultiplexer().GetDatabase(0);//默认DB0
     if (redisDb != null)
     {
         IsoDateTimeConverter timeFormat = new IsoDateTimeConverter();
         timeFormat.DateTimeFormat = "yyyy-MM-dd HH:mm:ss.fff";
         await redisDb.SortedSetAddAsync(ZSet_Queue, JsonConvert.SerializeObject(redisModel, Formatting.Indented, timeFormat), redisModel.UpdateTime.ToTimeStamp());//得分 --放入redis
         _logger.LogInformation($"数据排队--入队列！redisModel：{JsonConvert.SerializeObject(redisModel)}");
     }
 }

rabbmit实现延迟队列

• 死信队列过期--》重推信队列？暂未实现。

数据更新方案

• 核心原则：先查询对比，有变更再更新。从B方数据过来的，尽量不再更新回去。减小并发量，控制复杂度。

数据核对方案

• 待补充。未实现自动化。后期可以获取双方系统数据，汇总对比。

  

部署/压测/监控

Jmeter（来自于测试同学提供的脚本）

这里只做简单截图

• 配置预定义参数

  

• 必要情况下配置后置处理程序
  
  
• 配置好thread group,http request后，执行调用观察接口

• 查询请求执行是否成功

  

• 查看聚合报告

  

kubernetes

• kubectl get nodes 获取所有节点
• kubectl get pod -A 查看所有服务，观察status和age
• kubectl logs [-f] [-p] POD [-c CONTAINER] 查看日志信息。

“

-c, --container="": 容器名
-f, --follow[=false]: 指定是否持续输出日志
--interactive[=true]: 如果为true，当需要时提示用户进行输入。默认为true
--limit-bytes=0: 输出日志的最大字节数。默认无限制
-p, --previous[=false]: 如果为true，输出pod中曾经运行过，但目前已终止的容器的日志
--since=0: 仅返回相对时间范围，如5s、2m或3h，之内的日志。默认返回所有日志。只能同时使用since和since-time中的一种
--since-time="": 仅返回指定时间（RFC3339格式）之后的日志。默认返回所有日志。只能同时使用since和since-time中的一种
--tail=-1: 要显示的最新的日志条数。默认为-1，显示所有的日志
--timestamps[=false]: 在日志中包含时间戳

”

mysql监控（来自于运维同学的反馈）

这里只截图简单信息

• 通过云监控查看mysql状态[最大连接数/cpu/内存/慢查询/索引建议/锁]

调用链/日志

此处暂不截图。

• 一期方案

  

• 二期方案
  
• 三期方案
  
  当然那是进展顺利的情况下，不顺利的情况下就变成了这样

  

某些时候也会听到如下言论：

• 一定要保证xx的信誉。
• 今晚就不要睡觉了吧？大家多坚持一下。

就如现在的疫情封控一样，做好了精准防控一片赞歌，失控了就好好居家、共渡难关。 网络和现实都会告诉你什么就是人间。

以上是关于定制化需求的一些解决方案，希望对未来类似产品或项目做个参考。本篇从问题着手，分析有利于解决/消除异构系统数据一致性办法。当然数据一致性也依赖于自身系统的高可用，这里未做过多描述，以后再说。

到此结束，谢谢观看！