面试高频——10 道经典分布式面试题

主要介绍：分布式经典理论相关面试题。涉及领域：CAP基础理论、分布式事务、分布式ID、负载均衡、系统并发能力、微服务划分、限流算法等

1、什么是CAP、Base理论？

CAP定理，指的是在一个分布式系统中，最多只能同时满足一致性(Consistency)、可用性(Availability)和分区容错性(Partition tolerance)这三项中的两项。（三选二）

C:一致性(Consistency)，数据在多个副本中保持一致，可以理解成两个用户访问两个系统A和B，当A系统数据有变化时，及时同步给B系统，让两个用户看到的数据是一致的。

A:可用性(Availabiity)，系统对外提供服务必须一直处于可用状态，在任何故障下，客户端都能在合理时间内获得服务端非错误的响应。

P:分区容错性\(Partition tolerance)，在分布式系统中遇到任何网络分区故障，系统仍然能对外提供服务网络分区，可以这样理解，在分布式系统中，不同的节点分布在不同的子网络中，有可能子网络中只有一个节点，在所有网络正常的情况下，由于某些原因导致这些子节点之间的网络出现故障，导致整个节点环境被切分成了不同的独立区域，这就是网络分区。

如图所示。

注意点：

1、网络分区

2、CP和AP智能满足其一

3、注册中心Eureka是AP，Zookeeper是CP

2、谈谈你对分布式事务的理解？

附加：

什么是两阶段提交、三阶段提交？
什么是补偿性事务？
如何使用消息队列和事件表实现分布式事务？
RocketMQ在分布式事务中的应用？

参考：《如何选择分布式事务解决方案？》

3、分布式幂等性如何设计？

常见的解决方案，参考：《幂等设计的8种实现方式》

4、分布式ID生成有哪些方案？

常用的有以下几种：

关于各种分布式ID实现原理，

详细参考(引用)：《8种分布式ID生成方案汇总》

5、如何处理数据库中大数据量？

对数据库进行:分区、分库分表，主从架构(读写分离)

1. 分区: 数据隔离

2. 分库分表

水平分库/表，各个库和表的结构一模一样。
垂直分库/表，各个库和表的结构不一样。

图片来源于网络

关于分库分表相关，可参考：

《分库分表设计及常见问题》

《分库分表实战-Sharding-JDBC》

3. 读写分离

主机负责写，从机负责读。

![图片](data:image/svg+xml,%3C%3Fxml version=’1.0’ encoding=’UTF-8’%3F%3E%3Csvg width=’1px’ height=’1px’ viewBox=’0 0 1 1’ version=’1.1’ xmlns=’http://www.w3.org/2000/svg‘ xmlns:xlink=’http://www.w3.org/1999/xlink'%3E%3Ctitle%3E%3C/title%3E%3Cg stroke=’none’ stroke-width=’1’ fill=’none’ fill-rule=’evenodd’ fill-opacity=’0’%3E%3Cg transform=’translate(-249.000000, -126.000000)’ fill=’%23FFFFFF’%3E%3Crect x=’249’ y=’126’ width=’1’ height=’1’%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)

6、常见的负载均衡算法有哪些？

1. 轮询负载均衡算法

RR ，Round Robin，如果有两个服务器，你一下，我一下。

2. 加权轮询算法

weighted round robin ，wrr，按照权重不同来分发，基本上是基于配置。

比如:两个服务权重分别是6和4，我们的方法，在1-10之间取随机数，比如取到 1-6，就走6的权重，取到710，就走4权重的服务。

3. 随机轮询算法

Random

最少链接:Least connections，记录每个服务器正在处理的连接数(请求数)，将新的请求分发到最少连接的服务器上，这是最符合负载均衡的算法。

如：放到redis里，做hash，可以用:incr。

7、熔断和降级的区别？

1. 相同点

都是从高可用着想，为防止系统的整体响应缓慢甚至崩溃，而采用的技术手段。最终让用户体验到的是某些功能暂时不可达或不可用。
都是服务级别的。
自治性很高 : 熔断一般都是服务基于策略的自动触发，降级虽说可人工干预，但在微服务架构下，完全靠人显然不可能，预置开关、配置中心都是必要手段。

2. 区别

服务熔断一般是某个服务(下游服务)故障引起；服务降级一般是从整体负荷考虑。

熔断时一个框架级的处理，每个服务都需要；降级一般在服务调用的上层处理。

使用时，根据业务情况在服务层面处理。

8、如何进行服务划分？

依据系统业务的边界划分。

一般按功能域拆分。如：

9、如何提高系统并发能力？

文章引用自：《如何设计一个高并发系统？》

10、了解那些常用的限流算法，说说原理？

滑动时间窗口算法

滑动时间窗口算（也叫计数器算法），是指在指定的时间周期内，累加访问的次数，达到设定的值时，触发限流策略。下一个时间周期进行访问时，访问次数清零。计算器算法如图所示。

从上图看出，

设置一分钟的阈值是100，在0:00到1:00内请求数是60，
当到1:00时，请求数清零，从0开始计算这时在1:00到2:00之间能处理的最大的请求为100，超过100个的请求，系统都拒绝。
存在临界问题，图中，在0:00到1:00内，只在0:50有60个请求，而在1:00到2:00之间，只在1:10有60个请求，虽然在两个一分钟的时间内，都没有超过100个请求，但是在0:50到1:10这20秒内，确有120个请求，虽然在每个周期内，都没超过阈值，但是在这20秒内，已经远远超过了原来设置的1分钟内100个请求的阈值。
漏桶算法

漏桶算法的原理就像它的名字一样，维持一个漏斗，它有恒定的流出速度，不管水流流入的速度有多快，漏斗出水的速度始终保持不变，类似于消息中间件，不管消息的生产者请求量有多大，消息的处理能力取决于消费者。

在漏桶限流算法中，存在下面几种情况：

(1)当请求速度大于漏桶的流出速度时，也就是请求量大于当前服务所能处理的最大极限值时，触发限流策略。

(2)请求速度小于或等于漏桶的流出速度时，也就是服务的处理能力大于或等于请求量时，正常执行。

漏桶算法有一个缺点，当系统在短时间内有突发的大流量时，桶算法处理不了。