1. 课程导论：一致性问题的背景、CAP理论在缓存场景的体现、本课程目标与适用人群

1.1 一致性问题的背景：为什么缓存与数据库会“打架”？

在现代高并发架构中，缓存（Redis）与数据库（MySQL/PostgreSQL）的组合几乎是标配。缓存扛读流量，数据库负责持久化与事务。然而，当数据发生写操作时，缓存与数据库之间的数据不一致问题便随之而来。

典型场景：用户更新个人信息后，缓存中仍保留旧值，导致其他用户看到“过期数据”。这种不一致轻则影响用户体验，重则引发资损或业务逻辑错误。

常见的不一致类型包括：

1.2 CAP理论在缓存场景的体现

CAP理论（Consistency, Availability, Partition Tolerance）是分布式系统的基石。在Redis缓存与数据库的组合架构中，CAP的权衡尤为明显：

• C（一致性）：缓存与数据库中的数据在任何时刻都完全一致。这要求写操作必须同步更新缓存和数据库，或使用分布式锁/事务，但会牺牲可用性与性能。
• A（可用性）：系统始终对外提供服务，即使缓存与数据库短暂不一致。大多数互联网业务优先保证可用性，允许最终一致性。
• P（分区容错性）：网络分区发生时，系统仍能正常运行。Redis集群与数据库分库分表天然面临分区问题，必须容忍。

在缓存场景中，P是必选项，因此实际架构只能在C与A之间做取舍：

1.3 本课程目标与适用人群

课程目标

本课程旨在建立一套可量化、可复现、可自动化的缓存与数据库一致性边界测试验证方案。具体目标包括：

1. 理解一致性边界：掌握不同缓存策略（Cache-Aside、Read-Through、Write-Through、Write-Behind）下不一致窗口的成因与大小。
2. 设计测试用例：针对并发写、网络延迟、缓存淘汰、主从切换等场景，设计边界测试用例。
3. 搭建测试环境：使用 Docker Compose 快速搭建 Redis + MySQL 测试集群，模拟真实生产环境。
4. 编写自动化验证脚本：基于 Python/Go 编写并发测试脚本，自动检测不一致并生成报告。
5. 制定验收标准：根据业务容忍度，定义一致性等级（强一致、最终一致、弱一致）及对应的测试通过标准。

适用人群

1.4 课程章节速览

本课程共 30 章，分为五大模块：