微服务面试考点

微服务面试考点

Spring Cloud

Spring Cloud 大组件有哪些？

注册中心、配置中心：Nacos
远程调用：Feign
网关：Gateway
负载均衡：Ribbon
服务熔断限流：Sentinel

服务注册和发现是什么意思？Spring Cloud如何实现服务注册发现？

• 服务注册：服务提供者需要把自己的信息注册到Nacos，有Nacos来保存这些信息，比如服务名称、ip、端口等等
• 服务发现：消费者像nacos拉取服务列表信息，如果服务提供者有集群，则消费者会利用负载均衡算法，选择一个发起调用
• 服务监控：服务提供者会每个一段时间向Nacos发送心跳，报告健康状态，如果Nacos服务一段时间没接收到心跳，从Nacos中剔除。Naocs还有非临时实例向服务询问。

负载均衡是如何实现的？

微服务的负载均衡策略使用了一个组件Ribbon，比如feign远程调用的过程中，底层的负载均衡就是ribbon
Ribbon负载均衡流程

负载均衡策略有哪些？

• RoundRobinRule：简单轮询服务列表选择服务器
• WeightedResponseTimeRule：按照权重来选择服务器，响应时间越长，权重越小
• RandomRule：随机选择一个可用服务器
• ZoneAvoidanceRule：以区域可用的服务器为基础进行服务器的选择。使用Zone对服务器进行分类，这个Zone可以理解为一个机房、一个机架等。而后再对Zone内的多个服务做轮询（默认策略）
• BestAvailableRule：忽略那些短路的服务器，并选择并发数较低的服务器
• RetryRule：重试机制的选择服务器
• AvailabilityFilteringRule：可用性敏感策略，先过滤非健康的，在选择连接数较小的实例

如果自定义负载军很策略如何实现？

1. 可以自己创建类实现IRuke接口，然后在通过配置类或者配置文件配置即可，通过定义IRule实现可以修改负载均衡策略（全局）
2. 在application.yml配置文件进行配置（局部）

xxxservice:
	ribbon:
		NFLoadBalancerRuleClassName: com.netflix.loadbalancer.RandomRule # 随机负载均衡策略

什么是服务雪崩？怎么解决这个问题？（熔断、限流）

• 服务雪崩：一个服务失败，导致整条链路都失败的情形
• 怎么解决：熔断降级（解决）Sentinel服务熔断降级。限流（预防）
• 服务降级：服务降级是服务自我保护的一种方式，或者保护下游服务的一种方式，用于确保服务不会受请求突增影响变得不可用，确保服务不会崩溃（兜底策略）
• 服务熔断：熔断机制用于监控服务调用情况，默认是关闭的，如果需要开启需要在引导类上添加注解@EnableCircuitBreaker如果检测到10秒内请求的失败率超过50%,就会触发熔断机制。之后每隔5秒重新尝试请求微服务，如果微服务不能响应，继续走熔断机制。如果微服务可达，则关闭熔断机制，恢复正常请求
  

微服务是怎么监控的？

可以使用skywalking进行监控

1. skywalking主要可以监听接口、服务、物理实例的一些状态。特别是在压测的时候可以看到众多服务中那些服务和接口比较慢，可以针对性的分析和优化
2. skywalking可以设置告警规则，特别是在项目上线后，如果报错，可以设置给相关负责人发送短信和邮件，第一时间知道项目bug情况以及修复

skywalking：分布式系统的应用程序性能监控工具（APM），提供了完善的链路追踪能力，apache的顶级项目（前华为产品经理吴晟主导开源）

• 服务：业务资源应用系统（微服务）
• 断电：应用系统对外暴露的功能接口（接口）
• 实例：物理机

业务相关

项目中有没有做过限流？怎么做的？

为什么要限流？

1. 并发大（突发流量）
2. 防止用户恶意刷接口

限流的实现方式：

• Tomcat：设置最大连接数
• Nginx：漏桶算法
• 网关：令牌桶算法
• 自定义拦截器

Nginx限流：
控制速率（突发流量）
控制并发连接数

网关限流：
yml配置文件中，微服务路由设置添加局部过滤器RequestRateLimiter

限流常见的算法有哪些？

网关令牌桶算法、Nginx漏桶算法

解释一下CAP和BASE

C：一致性
A：可用性
P：分区容错性
CAP理论：分布式系统节点之间是需要网络连接的，分区（P）是必然存在的。C，A只能二者选一无法共同存在。所以分布式系统只能只能取CP或者AP。CP是指强一致，AP是指高可用。

Base理论：

• Basically Available（基本可用）：分布式系统在出现故障时，允许损失部分可用性既保证核心可用。
• Soft state（软状态）：在一定时间内，允许出现中间状态，比如临时的不一致状态
• Eventually Consistent（最终一致性）：虽然无法保证强一致性，但是在软状态结束后，最终达到数据一致

分布式事务解决方案？

Seata架构：
Seata事务管理中有三个重要角色：

• TC：事务协调者，维护全局和分支事务的状态，协调全局事务提交或回滚
• TM：事务管理器，定义全局事务的范围、开始全局事务、提交或回滚全局事务
• RM：资源管理器，管理分支事务处理的资源。与TC交谈以注册分支事务和报告分支事务的状态，并驱动分支事务提交或回滚

MQ分布式事务：

分布式服务的接口幂等性如何设计？

幂等：多次调用方法或者接口不会改变业务状态，可以保证重复调用的结果和单词调用的结果一致。
可以使用数据库唯一索引、分布式锁（性能较低）、token+redis（性能好）来实现。
token+redis

项目中使用了什么分布式任务调度

xxl-job

xxl-job路由策略有哪些？

1. FIRST（第一个）：固定选择第一个机器
2. LAST（最后一个）：固定选择最后一个机器
3. ROUND（轮询）：轮询
4. RANDOM（随机）：随机选择在线的机器
5. CONSISTENT_HASH（一致性HASH）：每一个任务按照Hash算法固定选择某一台机器，且所有任务均匀散列在不同机器上
6. LEAST_FREQUENTLY_USED（最不经常使用）：使用频率最低的机器优先被选举
7. LEAST_RECENTLY_USED（最经最久未使用）：最久未使用的机器优先被选举
8. FAILOVER（故障转移）：按照顺序依次进行心跳检测，第一个心跳检测成功的机器选定为目标执行器并发起调度
9. BUSYOVER（忙碌转移）：按照顺序依次进行空闲检测，第一个空闲检测成功的机器选定为目标执行器并发起调度
10. SHARDING_BROADCAST（分片广播）：广播出发对应集群中所有机器执行一次任务，同时系统自动传递分片参数；可根据分片参数开发分片任务

xxl-job任务执行失败怎么解决？

故障转移+失败重试，查看日志分析====>邮件告警

• 路由策略选择故障转移，使用健康的实例来执行任务
• 设置重试次数
• 查看日志+邮件告警来通知相关负责人解决

如果有大数据量的任务同时都需要执行，怎么解决？

执行器集群部署时，任务路有策略选择分片广播情况下，一次任务调度将会广播触发对应集群中所有执行器执行一次任务

分片参数

• index：当前分片序号（从0开始），执行器集群列表中当前执行器的序号
• total：总数分片，执行器集群的总机器数量