1. 课程导论：服务边界划分的背景与挑战、缓存一致性问题的本质、本课程的目标与适用场景
1.1 服务边界划分的背景与挑战
在单体架构向微服务、中台化架构演进的过程中，服务边界划分是决定系统复杂度与交付效率的核心决策。合理的边界能够实现高内聚、低耦合，但错误的边界划分会直接导致数据一致性、调用链爆炸与缓存失效等连锁问题。
当前业界在服务边界划分时面临的主要挑战包括：
- 业务语义割裂：同一业务实体（如“订单”）被拆散到多个服务中，导致缓存数据在多个服务间产生冗余与冲突。
- 事务边界模糊：分布式事务的引入使得缓存更新与数据库提交难以保证原子性，缓存一致性窗口被放大。
- 数据所有权争议：多个服务同时读写同一份缓存数据，缺乏明确的“数据主权”归属，导致更新冲突与脏读。
- 缓存穿透与雪崩：边界划分后，缓存失效策略缺乏全局协调，热点数据在服务间反复重建，引发性能雪崩。
| 挑战维度 | 单体架构 | 微服务/中台架构 |
|---|---|---|
| 数据一致性 | 本地事务保证强一致 | 分布式事务，最终一致为主 |
| 缓存更新 | 单进程内同步更新 | 跨服务异步通知，延迟窗口 |
| 数据所有权 | 单一数据库所有者 | 多服务共享缓存，所有权模糊 |
| 故障影响面 | 局部故障，影响可控 | 缓存雪崩可能扩散至全链路 |
关键认知： 服务边界划分不是纯业务问题，它直接决定了缓存一致性策略的复杂度与可实施性。边界划分越细，缓存一致性维护的成本呈指数级上升。
1.2 缓存一致性问题的本质
缓存一致性问题的本质是多副本数据在时间窗口内的状态偏差。在分布式系统中，同一份业务数据可能同时存在于数据库、本地缓存、分布式缓存（如 Redis）、CDN 等多个存储层中。当数据发生变更时，各副本的更新顺序与传播延迟导致读取到过期数据。
从 CAP 理论的视角来看，缓存一致性是可用性（A）与分区容忍性（P）对一致性（C）的妥协结果。在服务边界划分后，这种妥协变得更加复杂：
- 写扩散问题：一次业务写入需要通知多个服务更新其缓存副本，通知失败或延迟直接导致不一致。
- 读修复问题：服务在读取缓存时发现数据过期，需要回源数据库并修复缓存，但修复过程本身可能引入新的竞争条件。
- 边界穿透问题：服务 A 更新了缓存，但服务 B 的缓存边界未感知到变更，导致跨服务调用时读到旧数据。
本质公式： 缓存不一致窗口 = 数据变更时间点 − 所有副本最终收敛时间点。服务边界划分越细，收敛路径越长，不一致窗口越大。
1.3 本课程的目标与适用场景
本课程旨在提供一套系统化的“缓存一致性边界移植适配”方法论，帮助架构师与开发者在服务边界划分后，能够将缓存一致性策略从旧边界平滑移植到新边界，并保证数据最终一致性与系统可用性。
核心目标：
- 目标一： 建立服务边界与缓存一致性之间的映射模型，量化边界变化对一致性的影响。
- 目标二： 提供边界移植适配的标准化流程，包括边界识别、缓存策略迁移、一致性校验与回滚方案。
- 目标三： 总结业界主流缓存一致性模式（Cache-Aside、Read-Through、Write-Through、Write-Behind）在边界移植场景下的适配变体。
- 目标四： 通过真实案例与代码示例，展示从“单体缓存”到“分布式缓存边界”的移植过程与避坑指南。
适用场景：
| 场景类型 | 典型描述 | 课程覆盖程度 |
|---|---|---|
| 微服务拆分 | 将单体应用拆分为多个微服务，缓存数据需要重新分配所有权 | ★★★★★ |
| 中台化改造 | 业务中台与前台服务之间缓存边界模糊，需要明确数据主权 | ★★★★☆ |
| 缓存层升级 | 从本地缓存升级到分布式缓存，边界从进程内扩展到网络 | ★★★★☆ |
| 多活/容灾 | 跨机房部署时缓存一致性边界需要适配新的网络拓扑 | ★★★☆☆ |
| 数据迁移 | 缓存数据从 Redis 迁移到自研缓存组件，边界适配策略调整 | ★★★☆☆ |
前置要求： 本课程假设读者已具备分布式系统基础知识（CAP、BASE、分布式缓存原理），并至少参与过一种缓存组件（Redis/Memcached/Local Cache）的生产运维。课程不讲解基础缓存 API 使用，聚焦于边界适配的架构决策与代码实现。
通过本课程的学习，你将能够独立完成一次服务边界变更后的缓存一致性策略评估、方案设计、代码移植与线上验证，避免因边界划分不当导致的缓存数据混乱与线上故障。