分布式核心面试技术(持续更新)

置顶泡^泡

已于 2022-09-05 17:46:19 修改

阅读量283

点赞数

分类专栏：分布式文章标签：分布式 java

于 2021-06-20 15:07:49 首次发布

本文链接：https://blog.csdn.net/xiaowanzi_zj/article/details/118070020

版权

分布式专栏收录该内容

5 篇文章 0 订阅

订阅专栏

幂等性解决方案

https://blog.csdn.net/xiaowanzi_zj/article/details/120147682

MySQL可以动态扩容缩容的分库分表方案

https://blog.csdn.net/xiaowanzi_zj/article/details/118715503

分布式一致性问题

分布式系统解决的一个重要问题是数据的复制,复制是存在延时的,所谓的分布式一致性问题,是指在分布式环境中的数据一致性问题,一致性有3种级别:强一致性、弱一致性、最终一致性。

分布式和集群的关系

分布式关注项目拆分,集群关注项目部署

分布式三态

如果某个节点向另一个节点发起RPC(Remote procedure call)调用,即某个节点A向另一个节点B发送一个消息,节点B 根据收到的消息内容完成某些操作,并将操作的结果通过另一个消息返回给节点A,那么这个RPC执行的结果有三种态：“成功”、“失败”、“超时(未知)”,称之为分布式系统的三态。

互联网三高

高性能、高扩展、高可用

高性能

响应(低延时)

吞吐 ( 高吞吐量、高并发 )

如果有人要求你提升系统的性能 : 1 ：降低延时 2 ：提高吞吐

1. 降低延时

优化存钱系统 :

1: 存钱 10 秒 -> 存钱 5 秒 , 延时降低 , 吞吐量自然就提高

amdah 定律

要想显著加速整个系统 , 系统提升全系统中相当大的部分的速度 A-B-C-D-E

2. 提高吞吐量

amdah 定律告诉我们 , 提升系统的响应比较困难 , 所以现在很多系统的性能提升体现在提高吞吐量上 -> 各种各样的系统架构

举例

集群 - 吞吐、负载均衡 - 吞吐、缓存 - 响应、 JVM 优化 - 响应、分库分表 - 吞吐 / 响应、 tomcat 非堵塞协议 - 响应、 MQ- 响应、云

原生 -k8s- 动态扩缩容

个人对分布式集群微服务的理解

https://blog.csdn.net/xiaowanzi_zj/article/details/117604747

CAP理论

Consistency(一致性)

所有节点访问同一份最新的数据副本

Availability(可用性）

每次请求都能获取到非错的响应 , 但不保证获取的数据为最新数据

Partition tolerance(分区容错性)

不能在时限内达成数据一致性 , 就意味着发生了分区的情况 , 必须就当前操作在 C 和 A 之间做出选择）

白话理解 :

#一个分布式系统里面,节点组成的网络本来应该是连通的。然而可能因为一些故障,使得有些节点之间不连通了,整个网络就分成了几块区域。数据就散布在了这些不连通的区域中。这就叫分区。
#当你一个数据项只在一个节点中保存,那么分区出现后,和这个节点不连通的部分就访问不到这个数据了。这时分区就是无法容忍的。
提高分区容忍性的办法就是一个数据项复制到多个节点上,那么出现分区之后,这一数据项就可能分布到各个区里。容忍性就提高了。
然而,要把数据复制到多个节点，就会带来一致性的问题，就是多个节点上面的数据可能是不一致的。要保证一致,每次写操作就都要等待全部节点写成功，而这等待又会带来可用性的问题。
#总的来说就是,数据存在的节点越多,分区容忍性越高,但要复制更新的数据就越多,一致性就越难保证。为了保证一致性,更新所有节点数据所需要的时间就越长，可用性就会降低。

(系统中任意信息的丢失或失败不会影响系统的继续运作)

CAP定律组合

在分布式、微服务系统中 ,CAP 定律三者无法同时兼顾 , 其中可以容忍网络之间出现的通讯故障 , 只能 CP 和 AP 二选一。

CP: 当网络出现故障之后 , 只能保证数据一致性 , 但是不能保证可用性 (Zookeeper), 意味着服务不能用；

AP: 当网络出现故障之后 , 不能保证数据一致性 , 但是能保证可用性 ( 比如 Eureka), 意味着可允许短暂的数据不一致性 , 但最

终需达到一致 , 其他节点可正常提供服务 ;

BASE理论

BASE是Basically Available(基本可用)、Soft state(软状态)和Eventually consistent(最终一致性)三个短语的缩写。BASE理论是对CAP中AP的一个扩展,通过牺牲强一致性来获得可用性,当出现故障允许部分不可用但要保证核心功能可用,允许数据在一段时间内是不一致的,但最终达到一致状态。满足BASE理论的事务,我们称之为柔性事务