Java——》关于分布式

推荐：

• 总结——》【Java】
• 总结——》【SpringBoot】

分布式中的2大难题：分布式锁 、分布式事务
3高：高可用、高并发、高扩展

系统怎么做3高 ？ 3高项目设计原则？

场景：看京东加载js的时候，url上js中间有逗号，尽量减少请求

4要：

• 数据量要少
• 请求数要少
• 路径要短
• 依赖要少

1不要：

• 不要单点

识别热点数据？

场景：1亿茅台添加到购物车

• 技术：uv、pv
• 业务：计算提前添加购物车数量最多的商品

处理热点数据？

场景：1亿茅台添加到购物车

• 优化：服务器的代码、连接数、业务逻辑
• 限制：消息队列（限制每次的数量）、业务限制（比如你比别人多浏览详情就优先，比如根据用户名来限制，本次请求只处理包含a的用户）
• 隔离：流量大分配更多的资源（30个商品，1个商品用1台redis，剩下29个商品用1台redis）

削峰？

场景：平常1w人，一下子1亿人

解决方案：

• 排队100排队，第101就等着（例如：下雨天滴滴打车，要排队）
• 答题：答了一道，才能答下一道
• 分层过滤：一层一层过滤
• 流量评估：qps tps

保证系统？

• 稳（高可用） ——负载均衡
• 准（数据一致性） ——分布式锁、分布式事务
• 快（高性能） ——提升cpu性能、减少线程的等待时间

一般系统瓶颈地方？

场景：数据库

原因：IO
解决：减少IO，在代码中减少序列化，并发读的优化（读缓存）

解决数据一致性？

核心：防止少卖超卖（锁，引入第三方）

少卖？

场景：10个商品，12个人，前10个人拿到锁，后2个人拿不到锁直接抛弃，可能10个中有1个失败，结果就是只卖了9个

解决：重试，阻塞，队列

超卖？

场景：100个线程，同时查询都是10个库存，然后执行下单操作，结果有了100个订单

解决：加锁

锁

集群服务：服务A1、A2

单体服务：jvm锁——Synchronised、 lock
集群服务：请求先到负载均衡 ，然后再负载到其中一个服务，用第三方的锁

用第三方的锁？

原因：

• 是为了保证锁的互斥
• A1有自己的锁，A2有自己的锁，2个服务运行过程中互相拿不到对方的

用第三方的事务协调器？

• 是为了保证共同的事务

场景：请求购买，访问订单服务，订单完成后，访问积分服务，但积分服务故障了
结果：订单数据和积分数据不一致

分布式2阶段

• 1.投票阶段：预执行sql
• 2.执行阶段：提交或回滚

场景：第三方决定2个服务都提交，但这时其中一个服务器挂了（网络断了）？

解决：

• 1.重试
• 2.补偿——写脚本（2个服务的数据不一致，确定以哪个服务为准，处理哪个时间段的数据）

脚本跟事务执行会冲突么？

• 不一定要实时执行脚本
• 指定时间段的数据

base理论

保证数据的最终一致性 ， 可以用队列MQ

TCC

try：提交执行
confirm：确定commit
cancel：确定rollback

confirm和cancle：2个互斥，要么confirm ，要么calcel

TCC VS 2阶段

2阶段：占用资源，不能放掉数据库链接，要不然没办法提交
TCC：不占用资源

鸵鸟算法？

分布式锁：互斥

• mysql ：唯一索引、主键
• redis ：setnx key （如果没有key拿锁，如果有就拿不到锁）
• zk：顺序临时节点

死锁？

• mysql：设置有效期（开始-结束）
• redis：设置过期时间
• zk：连接断了就断了