面试题：ElasticSearch与传统数据库在数据一致性保障机制上的深度剖析

核心原理：采用分布式、多副本的架构。数据被切分成多个分片（shard），每个分片可以有多个副本（replica）。通过基于版本号的乐观并发控制来处理冲突。
实现方式：
- 写操作：写入主分片后，同步复制到副本分片。默认情况下，要求主分片和所有副本分片都成功写入才返回成功响应（可配置）。例如，当设置consistency=quorum时，要求大多数分片（主分片+副本分片）写入成功。
- 读操作：可以选择从主分片或副本分片读取数据。可以设置preference参数来控制读取偏好，如primary从主分片读，primary_first优先从主分片读，若主分片不可用则从副本读等。
权衡取舍：
- 优点：高可用性，数据分布在多个节点，某个节点故障不影响整体服务；读写性能较好，读操作可从副本读取分担压力。
- 缺点：写入时同步复制到副本可能带来一定延迟，尤其是副本数量多或网络状况不佳时；数据一致性依赖于副本同步，若副本同步延迟，可能出现短暂的数据不一致。

核心原理：基于事务的ACID（原子性、一致性、隔离性、持久性）特性。通过锁机制、日志记录等方式来确保事务内操作要么全部成功，要么全部失败，保证数据一致性。
实现方式：
- 写操作：在事务内执行写操作，通过行级锁或表级锁防止并发事务对同一数据的修改冲突。例如，对某一行数据进行更新时，会获取该行的排他锁，其他事务无法同时修改。事务提交时，将日志记录（WAL，Write - Ahead Logging）写入磁盘，确保持久性。
- 读操作：根据事务隔离级别（如读未提交、读已提交、可重复读、串行化）来控制读取数据的一致性。例如，在可重复读隔离级别下，事务内多次读取同一数据时，读到的数据是一致的，不受其他并发事务修改的影响。
权衡取舍：
- 优点：严格的数据一致性保证，适合对数据准确性要求极高的场景。
- 缺点：锁机制可能导致并发性能受限，尤其是高并发写操作时，锁竞争会降低系统吞吐量；事务处理的开销相对较大，对系统资源要求较高。

ElasticSearch：
- 写操作一致性：根据业务场景合理设置consistency参数。例如，在对一致性要求极高的金融交易记录场景，设置consistency=all，确保所有分片都写入成功。但这样会降低写入性能，因此在对一致性要求稍低的日志记录场景，可设置consistency=quorum。
- 读操作一致性：结合业务对数据实时性的要求设置preference参数。如在实时监控系统中，设置preference=primary，保证读到最新数据。
PostgreSQL：
- 写操作一致性：合理设计事务边界，避免长事务。对于高并发写操作，采用行级锁而非表级锁来减少锁冲突。例如在电商库存更新场景，对每个商品库存更新使用行级锁。
- 读操作一致性：根据业务需求选择合适的事务隔离级别。在商品展示场景，可使用读已提交隔离级别；而在涉及金额计算等对一致性要求极高的场景，使用可重复读或串行化隔离级别。

案例：电商系统，包括商品信息展示、订单处理和库存管理。

商品信息展示：
- ElasticSearch：用于商品搜索展示。对商品信息写入时，设置consistency=quorum，保证大多数分片写入成功。读操作设置preference=primary_first，优先从主分片读保证数据较新。由于商品信息更新频率相对较低，这样可在保证一定一致性的同时，兼顾性能。
- PostgreSQL：存储商品详细信息。读操作使用读已提交隔离级别，满足商品展示对一致性的基本要求，且性能较好。
订单处理：
- ElasticSearch：可用于记录订单日志等非核心数据。写操作设置consistency=quorum，保证订单日志可靠记录。
- PostgreSQL：订单核心数据（如订单金额、状态等）使用事务处理，事务隔离级别设为可重复读，确保订单处理过程中数据一致性，防止并发操作导致数据错误。
库存管理：
- ElasticSearch：可用于库存的实时监控展示。写操作设置consistency=all，确保库存数据修改的强一致性。读操作设置preference=primary，获取最新库存数据。
- PostgreSQL：库存数据使用事务更新，行级锁保证同一时间只有一个事务能修改库存，确保库存数量的准确性。采用可重复读隔离级别，防止在库存更新事务内数据被其他事务干扰。

知识考点