14 高可用的数据，mybatis工作流程面试题

前言

最近一段时间发现经常看到很多人，对Spring源码比较感兴趣，日常开发中，无论你做什么什么项目，大部分都离不开Spring生态的那一套东西，所以很多人对Spring底层源码实现很感兴趣，但是有些从来没有接触过源码的开发者，在看Spring源码的过程中确实及其难受的，为什么，大部分人看源码基本都是debug一点一点去看的，最后发现，越追越离谱，越追越深，到最后都追到JDK源码了，也没有明白是什么意思！

对于学习源码，我的看法是，先去完全的熟悉它的用法，想一下如果让你来实现，你会怎么实现！有了这些想法之后，再去看源码去印证你自己的观点，远比你自己去死扣源码快的多。

而且，我问过一些读者还有同事，我发现有很多人，看源码容易陷入一个误区，就是刚开始看源码就死扣着一个细节不放，非得搞懂，我并不是说这样看源码有什么不对，但是在没有对整个框架有一个全局了解的情况下，不要这样看，你应该先把它的大体框架给搞清楚，在后再分功能一步一步的了解每一个功能项！这样做，首先你对整个框架的架构有了一个模糊的认识，再扣细节的途中有时候即使你不知道这个代码在干什么，你也隐约能猜出来，再通过debug 与自己的猜测相互印证，最终达到事半功倍的效果。当然这个建议只针对刚开始看源码的同学，如果你看的源码很多了，那么你肯定又自己的一套学习方法，可以的话，可以在评论区分享一下。

为了帮助一些萌新们或者想要了解Spring源码的小伙伴，我会把Spring的一些大体逻辑分析一下，让你了解整个Spring的骨架！

导致服务器负载压力过高应该通过其他手段解决，而不是提高缓存服务本身的高可用。

笔者持后一种观点，对于缓存服务器集群中的单机宕机，如果缓存服务器集群规模 较大，那么单机宕机引起的缓存数据丢失比例和数据库负载压力变化都较小，对整个系 统影响也较小。扩大缓存服务器集群规模的一个简单手段就是整个网站共享同一个分布 式缓存集群，单独的应用和产品不需要部署自己的缓存服务器，只需要向共享缓存集群 申请缓存资源即可。并且通过逻辑或物理分区的方式将每个应用的缓存部署在多台服务 器上，任何一台服务器宕机引起的缓存失效都只影响应用缓存数据的一小部分，不会对 应用性能和数据库负载造成太大影响。

---

[](()1 CAP 原理

在讨论高可用数据服务架构之前，必须先讨论的一个话题是，为了保证数据的高可 用，网站通常会牺牲另一个也很重要的指标：数据一致性。

高可用的数据有如下几个层面的含义。

数据持久性

保证数据可持久存储，在各种情况下都不会岀现数据丢失的问题。为了实现数据的 持久性，不但在写入数据时需要写入持久性存储，还需要将数据备份一个或多个副本， 存放在不同的物理存储设备上，在某个存储故障或灾害发生时，数据不会丢失。

数据可访问性

在多份数据副本分别存放在不同存储设备的情况下，如果一个数据存储设备损坏， 就需要将数据访问切换到另一个数据存储设备上，如果这个过程不能很快完成（终端用 户几乎没有感知），或者在完成过程中需要停止终端用户访问数据，那么这段时间数据是 不可访问的。

数据一致性

在数据有多份副本的情况下，如果网络、服务器或者软件出现故障，会导致部分副 本写入成功，部分副本写入失败。这就会造成各个副本之间的数据不一致，数据内容冲 突。实践中，导致数据不一致的情形有很多种，表现形式也多种多样，比如数据更新返 回操作失败，事实上数据在存储服务器已经更新成功。

CAP原理认为，一个提供数据服务的存储系统无法同时满足数据一致性(Consistency )、数据可用性(Availibility )、分区耐受性(Patition Tolerance,系统具有跨网络分区的伸缩性）这三个条件，如图5.10所示。

在大型网站应用中，数据规模总是快速扩张的，因此可伸缩性即分区耐受性必不可少，规模变大以后，机器数量也会变得庞大，这时网络和服务器故障会频繁岀现，要想 保证应用可用，就必须保证分布式处理系统的高可用性。所以在大型网站中，通常会选 择强化分布式存储系统的可用性（A ）和伸缩性（P ）,而在某种程度上放弃一致性（C ）o 一般说来，数据不一致通常出现在系统高并发写操作或者集群状态不稳（故障恢复、集 群扩容……）的情况下，应用系统需要对分布式数据处理系统的数据不一致性有所了解 并进行某种意义上的补偿和纠错，以避免出现应用系统数据不正确。

2012年淘宝“双十一”活动期间，在活动第一分钟就涌入了 1000万独立用户访问， 这种极端的高并发场景对数据处理系统造成了巨大压力，存储系统较弱的数据一致性导 致岀现部分商品超卖现象（交易成功的商品数超过了商品库存数）o

CAP原理对于可伸缩的分布式系统设计具有重要意义，在系统设计开发过程中，不恰 当地迎合各种需求，企图打造一个完美的产品，可能会使设计进入两难境地，难以为继。

具体说来，数据一致性又可分为如下几点。

数据强一致

各个副本的数据在物理存储中总是一致的；数据更新操作结果和操作响应总是一致 的，即操作响应通知更新失败，那么数据一定没有被更新，而不是处于不确定状态。

数据用户一致

即数据在物理存储中的各个副本的数据可能是不一致的，但是终端用户访问时，通

过纠错和校验机制，可以确定一个一致的且正确的数据返回给用户。

数据最终一致

这是数据一致性中较弱的一种，即物理存储的数据可能是不一致的，终端用户访问到的数据可能也是不一致的（同一用户连续访问，结果不同；或者不同用户同时访问, 结果不同），但系统经过一段时间（通常是一个比较短的时间段）的自我恢复和修正，数 据最终会达到一致。

因为难以满足数据强一致性，网站通常会综合成本、技术、业务场景等条件，结合 应用服务和其他的数据监控与纠错功能，使存储系统达到用户一致，保证最终用户访问 数据的正确性。

---

[](()2 数据备份

数据备份是一种古老而有效的数据保护手段，早期的数据备份手段主要是数据冷备, 即定期将数据复制到某种存储介质（磁带，光盘……）上并物理存档保管，如果系统存 储损坏，那么就从冷备的存储设备中恢复数据。

冷备的优点是简单和廉价，成本和技术难度都较低。缺点是不能保证数据最终一致,由于数据是定期复制，因此备份设备中的数据比系统中的数据陈旧，如果系统数据丢失, 那么从上个备份点开始后更新的数据就会永久丢失，不能从备份中恢复。同时也不能保 证数据可用性，从冷备存储中恢复数据需要较长的时间，而这段时间无法访问数据，系 统也不可用。

《一线大厂Java面试真题解析+Java核心总结学习笔记+最新全套讲解视频+实战项目源码》开源

Java优秀开源项目：

• ali1024.coding.net/public/P7/Java/git

最后

无论是哪家公司，都很重视基础，大厂更加重视技术的深度和广度，面试是一个双向选择的过程，不要抱着畏惧的心态去面试，不利于自己的发挥。同时看中的应该不止薪资，还要看你是不是真的喜欢这家公司，是不是能真的得到锻炼。

针对以上面试技术点，我在这里也做一些分享，希望能更好的帮助到大家。

的帮助到大家。

[外链图片转存中…(img-TS2pGCDC-1649660855740)]

[外链图片转存中…(img-S24YcqNW-1649660855741)]

[外链图片转存中…(img-RxBtpAvC-1649660855741)]