在微服务架构盛行的今天，数据一致性成为了一个关键挑战。当业务数据在MySQL中发生变化时，如何实时同步到其他服务或缓存中，保证数据一致性？
| 方案类型 | 实现方式 | 优点 | 缺点 |
|---|---|---|---|
| 强一致性 | 同步阻塞双写（如2PC/3PC） | 数据绝对一致，适合金融等关键场景 | 性能低，系统复杂度高，可能阻塞 |
| 最终一致性 | 异步补偿（如消息队列+重试） | 高可用，适合高并发场景（如电商） | 短暂不一致，需设计补偿机制 |
| 旁路缓存 | 读操作优先查缓存，未命中查数据库；写处理先更新数据库再删除缓存（Cache-Aside） | 实现轻松，减少数据库压力 | 缓存击穿风险，需处理并发写冲突 |
| 读写穿透 | 缓存层自动同步数据库（如Redis Cluster） | 对应用透明，强一致性 | 依赖缓存高可用，写性能受限于数据库 |
| 延迟双删 | 更新数据库后延迟删除缓存（如1秒后二次删除） | 降低并发读旧材料概率 | 延迟时间难确定，可能影响吞吐量 |
| 分布式锁 | 通过锁控制并发（如RedLock） | 彻底避免并发问题 | 性能损耗大，死锁风险 |
阿里巴巴开源的Canal组件为我们提供了完美的解决方案。
Canal？就是什么
Canal是阿里巴巴开源的一个基于MySQL数据库增量日志解析的组件。