数据同步

MySQL cf_track 是 唯一权威；Elasticsearch 索引是 可搜索副本。本课讲双写、CDC、Logstash 等同步思路，强调 最终一致 与失败补偿。

学习目标

• 比较双写、异步消息、CDC 三种同步模式
• 理解 Logstash / JDBC input 概念
• 设计 CodeRoadMap track 索引的幂等 upsert 策略

核心内容

原则：MySQL 为准

写路径：Client → Spring Boot → MySQL（事务提交成功）
                    ↓ 异步
              Elasticsearch（tracks index）
读路径：
  列表/详情/进度 → MySQL（REST /tracks）
  关键词搜索     → ES（/api/lab/search/tracks）

ES 丢数或滞后时，以 MySQL 重放修复；禁止 以 ES 回写 MySQL。

模式一：应用层双写（不推荐生产）

@Transactional
public void updateTrack(Track track) {
    trackRepository.save(track);           // MySQL
    trackSearchRepository.save(toDoc(track)); // ES — 同请求
}

问题：ES 失败是否回滚 MySQL？跨存储无 2PC，易导致不一致。仅适合本地实验。

模式二：异步事件（推荐实验）

MySQL 提交 → 发布 TrackUpdatedEvent → @Async / MQ 消费者 → ES upsert

与 spring-boot-essentials @TransactionalEventListener 或 spring-cloud-essentials 消息队列配合。失败重试 + 死信队列。

模式三：CDC / Logstash

Logstash JDBC input 按 updated_at 增量拉 cf_track，output 到 ES，document_id 用 slug。Debezium 监听 binlog 延迟更低，运维更重。

全量重建：MySQL 导出 → _bulk（es-index）→ alias 切换。OLTP 库（MySQL / 实验 postgresql-essentials）为准，ES 为 CQRS 读模型；mongodb-essentials 日志库通常不必进 ES。

练习

• 写脚本：MySQL 查 cf_track → NDJSON → _bulk 导入 ES
• 画双写 vs 事件驱动时序图，标出失败点
• 说明 track 删除时 ES 应 DELETE 还是 tombstone

小结

MySQL 提交成功即真相；ES 异步投影，可重放修复。 下一课分片与扩容直觉。