小编Nik*_*sik的帖子

问题

我有两个对象列表。每个对象包含以下内容：

• GUID （允许确定对象是否相同 - 从业务角度来看）
• Timestamp （每次对象更改时更新到当前 UTC）
• Version （正整数；每次对象改变时递增）
• Deleted （布尔标志；切换到“真”而不是实际删除对象）
• Data （一些有用的有效载荷）
• 如果需要，任何其他字段

接下来，我需要根据这些规则同步两个列表：

• 如果某些对象GUID仅出现在一个列表中，则应将其复制到另一个列表中
• 如果GUID两个列表中都出现了一些对象，Version则应将具有较少的实例替换为具有较大的实例Version（如果版本相同，则无关紧要）

实际要求：

• 每个列表有 50k+ 个对象，每个对象大约 1 Kb
• 列表被放置在通过互联网连接的不同机器上（例如，移动应用程序和远程服务器），因此算法不应该浪费太多流量或 CPU
• 大多数情况下（比如 96%）列表在同步过程之前已经同步，因此，算法应该以最小的努力来确定它
• 如果有任何差异，大多数情况下它们很小（更改/添加了 3-5 个对象）
• 如果一个列表为空，则应继续执行（而其他列表仍有 50k+ 项）

解决方案#1（目前已实施）

1. 客户端存储上次同步成功的时间（比如T）
2. 两个列表都要求所有具有Timestamp> T（即最近修改过的对象；在生产中它是 ... > ( T- day ) 以获得更好的健壮性）
3. 这些最近修改的对象列表是天真同步的：
   • 仅出现在第一个列表中的项目将保存到第二个列表中
   • 仅出现在第二个列表中的项目将保存到第一个列表中
   • 其他项目将它们的Version's 进行比较并保存到专用列表（如果需要）

过程：

• 小改动效果很好
• 几乎符合要求

缺点：

• 取决于T，这使算法变得脆弱：同步上次更新很容易，但很难确保列表完全同步（使用T1970-01-01 …