接上篇 ：https://developer.aliyun.com/article/1225774?spm=a2c6h.13148508.setting.25.595d4f0eudDbz0
3. 人群同步的数据一致性
人群的同步整体上分为两个主要部分：
• 将离线业务数据通过T+1的方式，同步到人群服务中。
• 通过实时同步的方式，将当天实时产生的关注、取消关注等行为产生的变动，同步的更新到人群服务中。
这种结合的方式具有以下优点：
• 实时消费消息进行同步，保障了数据的实时性。
• 离线T+1的全量同步，保证实时同步过程中产生的数据不一致会被及时的纠正，保障了数据的最终一致。
• 离线同步解决了数据初始化过程中的全量同步问题。
但上述的两个过程中，会出现两类问题：
• 离线数据因为其数据存储的特征，只会记录存在的关注关系，如果是被删除的关注关系（取消关注），则不会出现在离线数据中。因此实时同步中，因未同步取消关注事件产生了不一致，数据无法被全量同步纠正。
• 离线同步和实时同步在实际实施过程中，会产生一种常见的数据冲突：用户A今天原本关注了用户B，某天较早的时候取消关注了，如果这个时候的离线数据还没同步完成，全量同步会再次将A对B的关注关系写入到人群中，出现了与实际数据的不一致。
针对上述的两个问题，分别给出了以下两个解决方案：
• 针对取关数据误差无法通过全量同步纠正的问题，同步过程中，写入人群的时候会添加一个过期时间，这个过期时间略长于离线全量同步的间隔，这样的好处是一旦在实时同步过程中，出现了取关但未同步到人群的情况，这条记录会自动过期，从而避免了不一致的数据在系统中积累。
• 针对同步过程中发生数据冲突的问题，通过在实时同步的过程中，取关的事件在redis写入一条临时记录，表示该数据近期发生过取关；在全量同步过程中，去比对redis中是否有取关记录，避免发生冲突。
通过上述两个解决方案，我们实现了人群同步的最终一致性，最终实现的方式如图：
这样的同步方案，对于搜索、推荐等大流量的导购场景，提供了充分的数据一致性保障（绝大多数情况下，数据实时一致，对于小概率出现数据实时同步不一致，通过全量同步保障数据最终一致，满足导购场景的一致性要求）。此外，针对交易这样的要求强一致性但访问规模较小的场景，我们通过下单前对人群同步的数据进行核对，保障数据的实时完全一致。
接下篇：
