冗余表的架构设计就是牺牲空间一份数据存多张表，可以通过不同索引查询提高效率的一种架构思想。
背景
互联网很多业务场景的数据量很大，此时数据库架构要进行水平切分，水平切分会有一个patition key，通过patition key的查询能够直接定位到库，但是非patition key上的查询可能就需要扫描多个库了。
例如订单表，业务上对用户和商家都有订单查询需求，如果用buyer_id来分库，seller_id的查询就需要扫描多库。如果用seller_id来分库，buyer_id的查询就需要扫描多库。这类需求，为了做到高吞吐量低延时的查询，往往使用“数据冗余”的方式来实现，同一个数据，冗余两份，一份以buyer_id来分库，满足买家的查询需求；一份以seller_id来分库，满足卖家的查询需求。
实现
服务同步写
顾名思义，由服务层同步写冗余数据，先后向两个表中同时插入数据。
优点：
- 不复杂，服务层由单次写，变两次写
- 数据一致性相对较高（因为双写成功才返回）
缺点：
- 请求的处理时间增加（要插入次，时间加倍）
- 数据仍可能不一致，例如第二步写入T1完成后服务重启，则数据不会写入T2
服务异步写
数据的双写并不再由服务来完成，服务层异步发出一个消息，通过消息总线发送给一个专门的数据复制服务来写入冗余数据。
优点：
- 请求处理时间短（只插入1次）
缺点：
- 系统的复杂性增加了，多引入了一个组件（消息总线）和一个服务（专用的数据复制服务）
- 因为返回业务线数据插入成功时，数据还不一定插入到T2中，因此数据有一个不一致时间窗口（这个窗口很短，最终是一致的）
- 在消息总线丢失消息时，冗余表数据会不一致
线下异步写
数据的双写不再由服务层来完成，而是由线下的一个服务或者任务来读取数据的log来完成。
优点：
- 数据双写与业务完全解耦
- 请求处理时间短（只插入1次）
缺点：
- 返回业务线数据插入成功时，数据还不一定插入到T2中，因此数据有一个不一致时间窗口（这个窗口很短，最终是一致的）
- 数据的一致性依赖于线下服务或者任务的可靠性
先写正表还是反表
上述三种方案各有优缺点，但不管哪种方案，都会面临“究竟先写T1还是先写T2”的问题，对于一个不能保证事务性的操作，一定涉及“哪个任务先做，哪个任务后做”的问题，解决这个问题的方向是：
【如果出现不一致】，谁先做对业务的影响较小，就谁先执行，需要根据业务逻辑来做处理。
比如还是对订单的业务，用户下单时，如果“先插入buyer表T1，再插入seller冗余表T2”，当第一步成功、第二步失败时，出现的业务影响是“买家能看到自己的订单，卖家看不到推送的订单”，相反，如果“先插入seller表T2，再插入buyer冗余表T1”，当第一步成功、第二步失败时，出现的业务影响是“卖家能看到推送的订单，卖家看不到自己的订单”，由于这个生成订单的动作是买家发起的，买家如果看不到订单，会觉得非常奇怪，并且无法支付以推动订单状态的流转，此时即使卖家看到有人下单也是没有意义的，因此，在此例中，应该先插入buyer表T1，再插入seller表T2。
保证数据的一致性
不管哪种方案，因为两步操作不能保证原子性，总有出现数据不一致的可能，基本解决方案。
线下扫面正反冗余表全部数据
线下启动一个离线的扫描工具，不停的比对正表T1和反表T2，如果发现数据不一致，就进行补偿修复。这个是我们最容易想到的方法，也是最消耗资源的方法。
优点：
- 比较简单，开发代价小
- 线上服务无需修改，修复工具与线上服务解耦
缺点：
- 扫描效率低，会扫描大量的“已经能够保证一致”的数据
- 由于扫描的数据量大，扫描一轮的时间比较长，即数据如果不一致，不一致的时间窗口比较长
线下扫描增量数据
有没有只扫描“可能存在不一致可能性”的数据，而不是每次扫描全部数据，每次只扫描增量的日志数据，就能够极大提高效率，缩短数据不一致的时间窗口。
当然，我们还是需要一个离线的日志扫描工具，不停的比对日志log1和日志log2，如果发现数据不一致，就进行补偿修复
优点：
- 虽比方法一复杂，但仍然是比较简单的
- 数据扫描效率高，只扫描增量数据
缺点：
- 线上服务略有修改（代价不高，多写了2条日志）
- 虽然比方法一更实时，但时效性还是不高，不一致窗口取决于扫描的周期
实时线上“消息对”检测
有些系统要求比较高，需要实现实时的检测，所以就不能使用日志了，需要使用消息系统。假设正常情况下，msg1和msg2的接收时间应该在3s以内，如果检测服务在收到msg1后没有收到msg2，就尝试检测数据的一致性，不一致时进行补偿修复
优点：
- 效率高
- 实时性高
缺点：
- 方案比较复杂，上线引入了消息总线这个组件
- 线下多了一个订阅总线的检测服务