Kafka是大型架构核心，下面我详解Kafka最终一致性@mikechen
最终一致性
最终一致性（Eventual Consistency），是分布式系统中一种弱一致性模型。
它保证：如果对某个数据项没有新的更新操作，那么最终所有对该数据的访问都会返回最后一次更新的值。
简单来说，系统允许短暂的不一致（例如不同节点暂时看到不同数据）。
但经过一段时间的传播和同步后，所有节点会收敛到相同状态。
Kafka实现最终一致性
利用 Kafka 的“可靠事件流”，把一个跨服务的大事务拆成多个服务自己的本地事务。
通过异步消息把这些本地事务串起来，只要求整个链路最终完成，而不是一步到位强一致。
比如：
生产端（业务服务）
在同一个数据库事务中，同时写业务表和一张本地消息表（outbox）。
例如：写入订单记录的同时，插入一条“订单已创建”的待发送消息。
事务提交成功后，可以确定：要么两个都成功，要么两个都失败，避免“订单写成了但消息没发出去”。
发送端
一个后台任务或独立服务轮询 outbox 表，读取“未发送”的记录。
发送到 Kafka 对应的 topic，成功后把这条记录标为“已发送”或删除。
如果发送失败就重试，即使机器宕机，重启后依旧能扫描到没发出去的记录。
保证消息最终进入 Kafka，从而实现“只要本地事务成功，消息迟早会发出”。
消费端
下游服务订阅这个 topic，收到消息后执行自己的本地事务更新自己的数据（例如扣库存、加积分等）。
为了应对至少一次投递和重复消费，下游要基于业务主键或事件 ID 做幂等。
例如在本地维护一张“已处理事件表”或通过版本号控制，做到“多次处理效果等同一次”。
mikechen睿哥
10年+一线大厂架构实战经验，就职于阿里、淘宝等一线大厂，操盘多个亿级大厂核心项目。