{
  "id": "database-replication",
  "title": "数据库复制",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "数据库复制在多个系统间维护协调一致的数据副本，以提高可用性、分担负载，并支持恢复与数据集成。",
  "category": "computer-science",
  "subcategory": "software",
  "type": "concept",
  "aliases": [
    "数据库复写"
  ],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/database-replication/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/database-replication/",
      "json": "https://aiwiki.page/en/database-replication.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "数据库复制是指通过在多个计算系统之间传播变更，维护同一数据库或其中选定部分的多个副本的过程。这些副本可以位于不同的服务器、不同的数据中心，也可以分布在不同的地理区域。复制能够提高服务可用性、分散读取流量、降低访问延迟，并向其他系统提供数据。它的核心问题不只是拷贝信息，而是在事务持续执行、机器或网络发生故障的情况下，协调各个副本。\n\n复制机制的差异体现在传输什么内容、哪些副本可以接受写入、何时确认事务，以及保证读取方能够看到什么数据。有些系统重现主服务器在存储层面的变更；另一些系统则分发逻辑操作，或使用共识协议来维护各方认可的更新顺序。这些选择决定了副本之间是否可能暂时不一致、系统能够容忍哪些故障，以及每次操作需要多少协调。因此，复制是分布式计算和数据库管理系统设计中的核心议题，而不是一种可以随意替换的单一功能。"
    },
    {
      "heading": "用途、边界与历史发展",
      "text": "复制可满足几种不同的需求。当主用数据库服务器发生故障时，备用副本可以接管服务。只读副本可以响应查询，避免查询耗尽主服务器的资源。分布在不同地理位置的副本可以让数据更靠近用户，也可以在某个站点损毁后保全数据。复制的数据还可以供给数据仓库、搜索服务或报表系统。这些用途都涉及更新的传递，但对数据新鲜度、更新顺序或恢复保障的要求未必相同。\n\n复制不同于数据备份。普通副本通常会跟随数据库的当前状态，因此，误删除、应用程序错误或恶意更新可能很快传播到所有副本。备份则保存某个较早时刻的可恢复状态，通常还具有独立的保留策略和访问控制。延迟副本可以暂时保留较早的状态，但它能否发挥作用，取决于是否能在延迟窗口结束前发现错误。因此，复制与备份解决的问题有所重叠，却并不相同：前者侧重维持服务运行，后者侧重恢复历史信息。\n\n复制也不同于分区、缓存和联邦。分区将数据集拆分为多个子集，而复制则为某个子集或整个数据集创建额外副本。缓存可能只保留选定的结果，也可能直接丢弃这些结果，而不保存完整的事务历史。联邦数据库统一呈现来自多个自治数据源的数据，但不一定将这些数据复制到内容等同的存储中。实际系统经常结合使用这些技术，但它们在故障行为和一致性方面的特性仍然有所区别。\n\n复制数据库的研究在20世纪70年代和80年代与分布式事务处理一同发展。莱斯利·兰波特于1978年发表的逻辑时钟研究，阐明了在没有全局共享物理时钟的情况下如何对事件排序。戴维·吉福德于1979年开展的加权投票研究，确立了具有深远影响的法定人数技术，用于协调冗余数据。此后的研究将复制与事务可串行化、故障检测以及机器间达成一致等问题联系起来。商业系统则发展出日志传送、备用数据库和发布—订阅机制，将其作为支持恢复和分发数据的实用手段。\n\n后来的系统各自侧重于不同的运行环境。亚马逊于2007年发表的 Dynamo 论文描述了一种高可用的键值架构：它允许某些相互冲突的版本存在，而不是让每次操作都等待全局协调。谷歌于2012年发表的 Spanner 论文描述了一种全球分布式事务数据库，将同步复制与时钟不确定性机制相结合。这些系统说明，复制并不意味着采用某一种特定的一致性模型；其设计取决于可用性、事务语义、地理部署与运维成本之间的关系。"
    },
    {
      "heading": "物理复制、逻辑复制与基于操作的复制",
      "text": "复制方式的一个核心区别在于如何表示变更。物理复制传输与数据库存储结构相关的信息，例如修改后的数据页或底层恢复记录。许多实现以预写日志为基础，即先记录恢复信息，再写入相应的数据页。副本通过重放这些信息来重现源数据库的变更。由于这种机制在应用查询层之下运行，因此无需独立执行事务原有的业务逻辑，就能重现事务。\n\n物理复制通常要求数据库版本、存储格式和配置相互兼容。数据页或恢复记录组成的数据流可能表示的是其他数据库引擎无法解读的内部结构。不过，这种复制方式仍可兼具效率与保真度：表、索引及内部结构的变更，都以引擎本身用于恢复的形式传递。例如，PostgreSQL 的流复制会将预写日志记录传输到备用服务器。备用服务器接收记录与重放记录是两个独立阶段，因此，已接收的数据不一定已经对查询可见。\n\n逻辑复制以数据库对象和值来表示变更。数据流可以指明表、插入或删除等操作、行的键，以及发生变更的列。这种表示方式能够支持选择性复制、不同的物理布局，或不同系统之间的数据迁移。不过，目标端仍需以兼容的方式解释数据类型、标识符、约束和事务边界。逻辑复制并非天然不受数据库模式变更的影响：添加列或更改类型，可能需要生产端与消费端协同调整。\n\n基于语句的复制将命令发送到目标端执行。当一条简短的命令能够更改大量行时，这种方式可以使传输内容十分精简，但它依赖于确定性的行为。如果语句涉及不稳定的行顺序、外部函数或在本地求值的随机值，那么除非复制机制对这些输入加以控制，否则就可能产生不同的结果。相比之下，基于行的复制传递的是最终产生的行变更，减少了对重复执行语句的依赖，但也可能产生大得多的数据流。MySQL 支持基于语句、基于行以及混合模式的二进制日志，体现了这些方法在实际应用中的并存。\n\n基于操作的复制还可以分发应用层命令，例如向集合添加元素或递增计数器。与复制最终值相比，这种方式可以保留更多语义信息，但也对去重和排序提出了要求。一次递增操作执行两遍，并不等同于只执行一遍。因此，系统会为操作关联标识符、顺序元数据或代数规则，以确保重复投递不会造成问题。复制所采用的表示方式，决定了冲突解决时有哪些信息可用，以及各消费端必须遵循哪些共同假设。"
    },
    {
      "heading": "复制拓扑与数据放置",
      "text": "在单主拓扑中，一台服务器负责接收针对某个复制数据集的写入，并将变更发送给从节点。较早的文档通常将这两种角色称为 master 和 slave；primary 和 replica 也是常见称谓。由单一节点负责写入，可以简化操作排序，因为从节点只需重放同一份历史记录，而不必协调各自独立产生的历史记录。这种安排本身并不规定复制是否同步、从节点是否提供读取服务，也不规定如何选出新的主节点。\n\n从节点可以按星形、链式或级联树形结构部署。在星形结构中，每个从节点都直接从主节点接收变更。在级联复制中，中间副本会将变更转发给下游副本，减少主节点需要直接向外发送数据的连接数。链式结构可以将更新传播和读取服务分配给链中特定位置的节点，而确认机制和故障处理行为则由具体协议决定。这些安排会改变带宽使用情况和故障依赖关系：即使最初的主节点仍正常运行，下游副本也可能失去其更新来源。\n\n多主复制允许在多个位置执行写入。每个主节点都会将自身的变更传播给其他主节点，通常是为了支持就近写入，或在连接中断期间继续运行。其拓扑可以是网状、环状，也可以是一组有向复制链路。由于并发变更可能独立产生，这类系统需要制定冲突检测与解决规则。为防止同一更新沿环路无休止地传播，还需要使用来源标识符、序列跟踪或其他等效机制。\n\n无主复制采用另一种组织方式。协调节点向多个副本发送请求，并等待符合配置要求的一组响应，而不是让每次更新都经过一个固定的主节点。读取操作可能会查询多个副本、比较版本并修复差异。“无主”并不意味着不存在协调：系统仍然需要管理副本成员、进行请求路由、维护版本元数据，并制定规则来判断哪些响应足以满足请求。\n\n复制经常与数据库分片结合使用。一个划分为 100 个分片的数据库，可以为每个分片维护三个副本，而不是在三台机器上各放置一份完整的数据库副本。这样，不同分片的主节点和复制组成员可以各不相同。涉及两个分片的事务，可能需要在两个独立的复制组之间进行协调。在机器之间迁移分片也会成为一个复制问题，因为必须等新副本追上最新状态，才能安全地转移所有权。\n\n仅凭副本数量，无法全面衡量系统的容错能力。同一台物理服务器上的三个副本面临共同的故障风险；同一栋建筑内的三台服务器也可能依赖相同的电力和网络设施。跨故障域放置副本可以抵御更大范围的服务中断，但通常会增加通信延迟和成本。有些系统还使用见证节点或投票成员，它们参与主节点选举，却不维护完整且可供查询的数据集。因此，投票成员数量、持久化数据副本数量以及提供读取服务的副本数量可能各不相同。"
    },
    {
      "heading": "同步、确认与持久性",
      "text": "同步复制和异步复制描述的是主节点确认操作的时机与其他节点执行相关工作的进度之间的关系。在异步复制中，主节点可以在其他副本尚未持久接收事务之前就确认事务。这降低了对远端响应时间的依赖，但主节点发生故障时，被选中提升为主节点的副本可能缺少已经确认的事务。面临丢失风险的数据量取决于积压情况和具体的故障发生顺序，而不只是配置的副本数量。\n\n同步复制要求远端处理达到某个阶段后，才能返回成功。必须仔细明确这一阶段的具体含义。从节点可能在将字节接收到内存、写入操作系统缓冲区、刷入持久存储，或重放并更新数据库状态后发出确认。这些事件提供的保证各不相同。即使数据已在从节点上持久保存，在重放进度追上之前，该节点的查询仍可能无法访问这些数据。反过来，在易失性内存中可见的数据，也可能在多个节点同时遭遇断电时丢失。\n\n常见配置包括等待一个指定的备用节点、多个备用节点中的任意一个，或达到法定数量的节点。等待所有副本与等待多数副本具有不同的可用性特征。如果某个必须响应的副本无法访问，即使主节点本身仍正常运行，写入也可能停止。有些系统允许从同步模式自动回退到异步模式。这种回退改变了持久性承诺，不能仅仅视为一种性能优化。\n\n复制延迟由多个部分组成：生成变更、发送变更、在远端持久保存变更，以及应用变更。某个副本的网络传输积压可能几乎为零，但由于其存储或处理器跟不上，重放积压却可能很大。因此，系统会跟踪日志中的多个进度位置，而不是把“复制延迟”当作一个通用指标。在空闲期间，基于时间的延迟值也很难解读：即使副本最后重放的事务距今已久，它也可能已经完全追上主节点。\n\n网络距离会带来不可避免的协调成本。如果确认需要一次远程往返通信，写入的关键路径就会包含这次通信，以及相应的处理和存储工作。事务可以重叠执行，组提交也可以将持久化成本分摊到多个操作上，因此延迟并不直接决定最大吞吐量。不过，跨地域的同步复制无法消除信息传输所需的时间。\n\n对交付保证的描述同样需要精确。连接故障后，复制传输机制可能会重新交付变更，因为发送方无法判断最后一条消息是否已经应用。利用幂等性应用变更、使用事务标识符，以及持久记录处理进度，都可以避免重复生效。关于“恰好一次”处理的说法，只有在明确界定的范围内才有意义：数据库事务只应用一次，并不自动保证外部邮件、支付请求或其他副作用也只发生一次。"
    },
    {
      "heading": "一致性模型与事务保证",
      "text": "复制一致性描述的是客户端可能观察到哪些值的组合以及操作顺序。线性一致性要求，对某个对象的每次操作都应表现得如同在调用与完成之间的某一瞬间发生，并且遵循实时顺序。如果一个客户端完成写入后，另一个客户端才开始读取，那么满足线性一致性的读取就不能返回该次写入之前的旧值。存在数据滞后的跟随副本，通常不能仅凭可靠的更新流就提供这种保证。\n\n最终一致性提供的条件较弱：如果更新停止，且通信和修复顺利进行，各副本最终会按照系统规则收敛。它既不规定普遍适用的最大延迟，也不保证收敛过程中的读取能够维持应用的不变量。在最终一致性设计下，两个副本即使都正常遵循系统规则，也可能暂时返回不同的值。如果冲突的解决方式是不确定的，那么仅靠消息最终送达还不足以保证收敛。\n\n在这两种模型之间，还有几种实用的保证。读己之写一致性允许客户端观察到自己已完成的更新。单调读保证该客户端不会在读取时退回到比此前已观察到的状态更旧的状态。因果一致性保留操作之间的依赖关系：依赖于先前操作的操作，不得在其所依赖的操作之前变得可见。这些保证有时可以通过会话令牌、版本向量或副本选择规则实现，而无须让每个请求都联系所有地域。\n\n复制一致性与事务隔离是不同的概念。一个数据库事务可以在本地满足ACID特性，但其影响可能稍后才传递到远程副本。可串行化关注的是，并发事务的执行是否等价于某种串行执行。严格可串行化则进一步要求遵循实时顺序。复制数据库可以为不同操作提供不同的保证，例如写入具有强一致性，同时允许读取明确标示为可能陈旧的数据。因此，“强一致性”之类覆盖整个产品的标签，可能掩盖 API 层面的重要差异。\n\n原子可见性同样重要。如果一个事务更新了某个订单行及其对应的支付行，使用这些数据的一方未必应该只看到该事务的一半结果。逻辑复制流水线可能保留源端事务的边界，也可能将事务拆分到不同目标端，或逐步暴露变更。如果目标端不具备等效的事务能力，那么即使收到了每一项行级变更，也未必能重现源端的语义。\n\nCAP定理揭示了网络分区条件下的一项限制：分布式服务无法同时保证线性一致性和可用性；这里的可用性，特指该定理所定义的、非故障节点能够响应请求的能力。它并不意味着每个数据库都要在三个相互独立的特性中永久任选其二，也不能解释所有延迟方面的权衡。在通信正常时，系统仍需承担协调成本；在发生网络分区时，系统则必须确定哪些操作可以继续执行，而不违反所选择的保证。仅采用异步复制，并不能证明系统始终可用；采用共识复制，也不意味着所有可能的读取操作都满足线性一致性。"
    },
    {
      "heading": "并发写入与冲突解决",
      "text": "当不同副本在未事先就写入顺序达成一致的情况下接受写入时，就可能产生并发版本。假设两个断开连接的站点分别更新了同一客户的收货地址。这两次更新都未必知晓另一次更新，因此它们之间可能不存在简单的“新于”关系。因此，冲突检测需要借助元数据来区分因果先后关系与并发关系，或者采用始终选出一个胜出版本的应用规则，从而不必作出这种区分。\n\n一种常见策略是“最后写入者胜出”，它使用时间戳，并在时间戳相同时按照确定性规则决出胜者。这种策略简单，能够使各副本收敛，但其名称可能具有误导性：未同步的物理时钟可能将现实中较早发生的写入排在较晚发生的写入之后。即使时钟得到良好控制，选择一个值也意味着舍弃另一个并发写入所表达的意图。因此，时间戳的选取属于数据语义的一部分，而不只是内部实现细节。\n\n版本向量记录多个写入者或副本标识各自对应的进度。如果一个向量涵盖了另一个向量中的全部进度，就可以将其对应的版本视为因果关系上较晚的版本。如果两个向量都不支配对方，则这些版本可能是并发的。随着写入者增多或成员发生变化，元数据的规模可能不断增长，因此系统会采用大小受限或经过压缩的变体。逻辑时钟能够建立有用的顺序关系，但仅仅为每个操作分配一个可排序的标识符，本身并不能保留应用的所有依赖关系，也不能确立现实时间中的先后顺序。\n\n即使写入者更新的是不同的行，也可能发生冲突。两个区域可能各自创建了用户名相同的账户，而该用户名本应是唯一的；也可能各自售出了库存中的最后一件商品。行级合并无法保证跨越这些操作的不变条件成立。严格的唯一性、参照完整性以及库存非负等约束，往往需要协调、划分归属权、预先分配权利，或针对特定领域的冲突协调流程。全局唯一的主键可以防止标识符冲突，却无法防止业务决策相互冲突。\n\n无冲突复制数据类型为特定数据结构提供了数学上明确定义的合并行为。只增计数器可以为每个参与者存储一个分量，并在合并时取对应分量的最大值。计数器对外呈现的值是所有分量之和。基于状态的设计通常采用满足结合律、交换律和幂等性的合并操作，使状态交换即使发生重复或乱序，也能最终收敛。表达能力更强的计数器、集合和序列则需要额外的元数据，以及经过严谨定义的语义。\n\n删除又带来了另一项难题。已删除的记录可能需要保留墓碑标记，以免旧副本在后续修复过程中将其重新引入。过早移除墓碑标记可能使数据复活；无限期保留则会占用空间，并增加维护的复杂性。因此，系统需要确定安全执行垃圾回收的条件，例如有证据表明相关副本的进度均已越过此次删除操作。设备长期离线以及副本成员发生变化，会使这些条件更难确认。"
    },
    {
      "heading": "故障转移、共识与恢复",
      "text": "故障转移是用另一个能够接替其职责的节点，替换无法提供服务的节点。难点不在于启动第二台服务器，而在于确定哪台服务器有权充当领导者，以及哪些事务仍具有权威性。网络超时只能说明通信未能及时完成，并不能证明旧主节点已经停止运行。如果新旧主节点都接受写入，脑裂就可能导致历史记录分叉，或对共享资源产生相互冲突的影响。\n\n分布式共识协议使一组节点能够在发生特定故障的情况下，就决策达成一致。Paxos 和 Raft共识算法被广泛用作复制日志和领导者选举的基础。在一个包含 \\(2f+1\\) 个投票节点、采用常规多数派机制的节点组中，即使最多有 \\(f\\) 个投票节点发生故障，仍有可能形成多数派。这一结论以符合协议的故障模型且通信条件适当为前提，并不意味着能够容忍任意恶意行为。\n\n多数派机制之所以有效，是因为任意两个多数派都有交集，但仅凭这一点还不足以完整论证安全性。选举规则、日志顺序以及对提交的限制共同确保新当选的领导者不能丢弃此前已经提交的历史记录。在 Raft 中，任期用于区分不同的领导周期，投票限制则倾向于选择日志足够新的候选者。原领导者重新连接后，其尚未提交的日志条目可能会被替换，使其日志与选举所确定的历史记录保持一致。\n\n基于共识的复制通常遵循状态机复制模型：各副本按共同认可的命令序列执行操作，并产生等价的状态。命令必须具有确定性，否则协议就必须将非确定性输入纳入复制操作，并就这些输入达成一致。以共识机制为基础的数据库可能还需要安全的读取协议。仍自认为是领导者的服务器，如果不先确认自己的领导权依然有效，就未必能安全地响应要求读取当前状态的请求。\n\n采用异步备节点的系统面临另一类节点提升问题。当前可用副本中进度最靠前的那个，也可能仍然缺少原主节点已确认的事务。恢复时可能需要查找额外的日志记录、接受规定范围内的数据丢失，或延迟恢复服务，直到确定哪份历史记录具有权威性。隔离机制可阻止已失去主节点资格的节点继续写入，例如通过存储权限、网络隔离，或由下游资源校验的单调递增归属权令牌来实现。\n\n恢复目标将服务中断与信息丢失区分开来。恢复时间目标关注计划在多长时间内恢复服务；恢复点目标关注可恢复数据所允许存在的缺口。某种配置可能实现快速故障转移，却丢失近期事务；也可能保全已确认的事务，却需要更长的中断时间。重新接入旧主节点时也必须谨慎：在该节点能够安全地成为跟随者之前，可能需要回退、协调或丢弃已经发生分歧的状态。"
    },
    {
      "heading": "性能、地理分布与扩展限制",
      "text": "当副本拥有富余的计算和存储资源时，读副本可以提高查询处理能力。路由层可通过负载均衡分发符合条件的查询，而写入仍然发送到主节点。实际收益取决于工作负载的构成。如果大部分资源消耗来自写入或索引维护，增加从节点并不能消除主节点的瓶颈。每个从节点也必须应用复制过来的变更，这会占用原本可用于处理查询的资源。\n\n从副本读取会产生应用可感知的时序问题。用户可能向主节点提交更新后，立即从滞后的从节点读取数据，看起来就像更新丢失了一样。会话亲和性可以缓解这一问题，但如果选定的副本尚未追上进度，就无法保证结果正确。更强的做法是在读取请求中携带要求达到的日志位置或提交令牌，只有在副本达到该位置后才处理读取。等待可以增强数据新鲜度保证，但代价是延迟增加，甚至可能无法提供服务。\n\n复制消耗的网络带宽与编码后的变更数据量及复制拓扑有关。如果主节点每秒产生 \\(B\\) 字节的变更，并直接向 \\(k\\) 个从节点发送完整的变更流，那么在不计协议开销和压缩的情况下，其复制出站流量约为 \\(kB\\)。级联复制可以重新分配这些流量，但无法消除维护副本所需的总工作量。逻辑复制流可能小于或大于物理复制流，具体取决于行大小、索引、整页记录和更新模式。\n\n变更应用吞吐量往往受到顺序依赖的限制。彼此独立的事务可以并行重放，但涉及相同记录或要求按顺序可见的事务会限制并发度。大型事务会导致网络、内存和存储需求在短时间内激增。针对分析查询优化的从节点，也可能因为扫描操作争用资源或索引配置不同，而更慢地重放写入。因此，复制延迟并不只是由网络距离造成的。\n\n在一个简化的积压模型中，设传入变更的速率为 \\(\\lambda\\)，副本可持续维持的变更应用速率为 \\(\\mu\\)，两者以可比较的单位衡量。当持续工作负载满足 \\(\\lambda \\geq \\mu\\) 时，现有积压无法被清空。如果 \\(\\mu > \\lambda\\)，那么在稳定条件下，清空大小为 \\(D\\) 的积压大约需要\n\n\\[T = \\frac{D}{\\mu-\\lambda}\\]\n\n的时间。实际工作负载会有波动，但这一关系解释了为什么富余处理能力很小的副本，在短暂中断后可能需要数小时才能追上进度。\n\n跨地域复制除了受到上述资源约束，还需要考虑节点部署位置。采用多数派机制且分布在多个地域的复制组，通常需要来自足够多位置的确认，才能构成法定人数。将投票节点部署得更近可以降低延迟，但会使故障风险更集中；将其部署得更分散，可以提高抵御站点故障的能力，却会增加通信成本。分布式 SQL 系统可以为不同的数据范围使用独立的复制组，将主节点部署在主要写入方附近，同时在远端保留持久化副本。这样一来，跨数据范围的事务除了各范围自身的复制开销外，还会产生额外的协调开销。"
    },
    {
      "heading": "初始化、运维、安全与集成",
      "text": "新副本通常先获取一份快照，再接收并处理后续变更。快照必须对应变更历史中的一个已知位置。如果数据拷贝与变更捕获未能协调进行，就可能遗漏更新或重复处理更新。在线初始化流程可以先创建事务一致性快照，记录其对应的日志位置，传输快照，再重放后续日志记录。源端必须保留足够的历史记录，以便副本完成这一过程。\n\n日志保留会在运维层面将源端与处理缓慢的消费端关联起来。例如，PostgreSQL 的复制槽可以为消费端保留所需的预写日志记录，但如果消费端停滞，保留的日志就可能持续占用更多存储空间。另一些系统会在配置的保留期限过后清除历史记录，因此延迟过大的副本需要重建。监控时，应将复制连接是否正常与保留的数据量、待应用的积压量，以及所需历史记录被清除前的剩余时间区分开来。\n\n模式演进在逻辑复制中尤为重要。升级期间，生产端与消费端可能暂时运行不同版本的软件。新增字段可能不会影响支持扩展的消费端，但更改键或缩小数值类型的取值范围，可能导致变更应用或解码失败。有些系统会复制数据定义操作，另一些则要求单独部署模式变更。普通行更新能够兼容，并不意味着每一条管理命令都能兼容。\n\n复制链路也会扩大安全边界。链路上传输的内容可能包括完整记录、已删除的值以及敏感日志内容。身份认证、访问控制与加密传输分别保护通道的不同方面，其中加密传输通常使用传输层安全协议。静态数据加密可以保护已存储的副本，但不能限制哪些经过身份认证的复制账户能够获取数据。地理位置部署与选择性复制会影响数据隐私，因为每个持久化副本都会新增一个需要保留和治理信息的位置。\n\n变更数据捕获将数据库变更提供给集成系统使用，而不一定创建可替代源端的备用实例。变更流可以为搜索索引、缓存、分析型存储或流处理应用提供数据。消费端必须正确理解事务边界、重复事件、删除操作和模式变更。即使流水线准确传递了源端变更，如果其中的转换具有非确定性，或者写入失败被静默跳过，目标端仍可能形成不同的状态。\n\n验证与测试用于发现常规连通性检查无法发现的错误。行数统计可以揭示大规模遗漏，却不能证明内容相同。范围校验和、逐键比较以及修复扫描可以检测数据分歧，但在写入持续进行时，比较需要以一致的参照点为依据。故障测试通常包括终止进程、延迟消息、中断链路、耗尽磁盘空间，以及在重放期间重启。可观测结果包括已确认写入的丢失、读到陈旧数据、重复应用变更、恢复耗时，以及已失去领导权的节点是否仍能继续做出对外可见的变更。"
    }
  ],
  "links": [
    "database",
    "data-center",
    "distributed-computing",
    "database-management-system",
    "data-warehouse",
    "data-backup",
    "write-ahead-logging",
    "database-schema",
    "database-sharding",
    "idempotence",
    "eventual-consistency",
    "database-transaction",
    "acid-properties",
    "cap-theorem",
    "primary-key",
    "distributed-consensus",
    "raft-consensus-algorithm",
    "load-balancing",
    "authentication",
    "access-control",
    "transport-layer-security",
    "data-privacy",
    "change-data-capture",
    "stream-processing"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}