1. 课程导论与缓存一致性全景

1.1 缓存一致性问题的定义

在分布式搜索系统中，缓存一致性是指数据在原始存储（Lucene 索引段）与各级缓存（文件系统缓存、节点级缓存、分片级缓存）之间保持逻辑等价的状态。当写入操作更新了索引数据，而缓存仍返回旧版本数据时，即发生了缓存不一致。

缓存不一致的典型表现包括：

• 搜索结果遗漏：刚写入的文档在查询中消失，持续数秒甚至数分钟。
• 聚合结果漂移：相同查询在不同节点返回不同的 count 或 metric 值。
• 字段值新旧混杂：同一文档的某些字段是更新后的值，另一些字段仍是旧值。
• 分片级数据倾斜：部分分片缓存已失效，部分未失效，导致响应不一致。

1.2 ES 缓存体系概览

Elasticsearch 的缓存体系分为四个主要层级，每一层都有独立的生命周期和失效策略。理解这个体系是定位一致性问题的前提。

各级缓存的失效机制与一致性保证强度存在显著差异：

1.3 闭环故障排查方法论

针对缓存一致性问题的排查，我们提出闭环故障排查方法论（Closed-loop Troubleshooting Methodology），包含五个阶段，形成持续改进的反馈环。

1.4 课程核心能力目标

完成本课程后，你将具备以下核心能力：

1. 缓存一致性问题的快速感知能力：通过 Elasticsearch 监控指标、慢查询日志、节点统计 API 识别缓存不一致信号。
2. 多层级链路追踪能力：使用 Elastic APM、自定义 Trace ID、请求 ID 串联写入→缓存→查询全链路。
3. 根因分析能力：区分“缓存未失效”“缓存逐出延迟”“分片迁移导致缓存丢失”等不同根因。
4. 修复与预防能力：调整 refresh_interval、缓存大小、段合并策略；编写自动化缓存一致性校验脚本。
5. 可观测性体系构建能力：搭建基于 Prometheus + Grafana 或 Elastic Stack 自身的缓存一致性看板。