Java面试题-分布式_java分布式面试题

分布式

1. 谈谈业务中使用分布式的场景

为什么需要使用分布式：单体项目的性能瓶颈问题，需要分布式提升性能。

• 场景1:服务拆分。

​ 单体项目将不同服务进行拆分，拆分后的服务可以支持横向扩容，避免因为单台服务器问题影响整体项目。

• 场景2:数据库拆分。

​ 数据库读写分离，分库分表等提升性能。

2. Session分布式方案

项目场景：

• 传统项目：

  服务器的session保存在本地，每次请求都会在同一个地方， 只要session没有过期则一定能够获取到session对象。

• 分布式项目：

  有多个服务器，不同的请求发送到不同的服务器，不同服务器Session如何确保能够获取到？

解决方案：

1. session复制

   Tomcat原生支持seesion同步，通过广播的方式进行异步同步，通过网络进行数据传输。在服务器集群较多时，session同步会占用大量带宽，同时session的增多导致单台服务器的内存会被大量占用。

   session复制适用于集群数量不多的情况下。

2. 客户端存储

   直接将session数据存储到cookie中，每次请求解析cookie中的session数据。

   cookie是不安全的，且每次请求携带会增加网络传输开销。

3. Hash一致性

   通过nginx的负载均衡配置，设置ip-hash策略，将客户端与服务器绑定，使同一ip的请求都转发到同一台服务器。

   一旦某台服务器宕机，session丢失，用户需要重新登录。

4. 基于Redis的分布式session

   通过中间件Redis存储session信息，需要session数据只需通过查询Redis即可。

   确保Redis的可用性，还需要主从集群架构，确保Redis高可用。

3. 分布式锁的场景

1. 系统是一个分布式系统,集群集群，java的锁已经锁不住了。
2. 操作共享资源，比如库里唯一的用户数据。
3. 同步访问，即多个进程同时操作共享资源。

4. 分布式锁的实现方案

• Redis分布式锁
• 数据库分布式锁
• Zookeeper分布式锁

4.1 Redis分布式锁

setnx(key,value)：如果当前key不存在，设值成功，返回1；如果当前key存在，设值失败，返回0。

expire(key)：设置过期时间。

锁流程：

1、 setnx(key,value)加锁。

2、 expire(key)对key设置超时时间，避免死锁问题。

3、 执行流程。

4、del释放锁。

4.2 数据库分布式锁

基于数据库分布式锁有2种实现方案：数据库表的增删、数据库的排他锁

• 数据库表的增删

  在数据库中维护一张表，每一个方法为唯一标识，进行增删操作，增加成功则为获取锁，执行完成后删除锁；其他线程继续。

• 数据库的排他锁

  通过for update，对数据加上排他锁，其他线程无法获取锁并被阻塞。

4.3 Zookeeper分布式锁

基于zookeeper临时有序节点实现分布式锁。

https://blog.csdn.net/qq_41432730/article/details/123389670

5. 分布式事务

5.1 概念

相对于本地事务而言，本地事务通过数据库的事务机制就可以保证ACID（原子性、一致性、隔离性、持久性）特性，分布式环境下，涉及多个数据库，分布式事务就是为了保证多个数据库的数据一致性。

分布式事务处理的关键是：1、记录事务在任何节点所做的所有动作 2、事务所有操作要么全部提交、要么全部回滚

5.2 常见实现方案

5.2.1 2PC（两阶段提交）

先说说分布式事务中的XA协议：

XA协议中有三个角色：

• AP（Applicatoin）：应用程序
• TM（Transaction Manager）：事务管理器
• RM（Resource Manager）：资源管理器

XA接口提供资源管理器和事务管理器之间通信的标准接口。

两阶段提交：

• 阶段一：协调者向所有参与者发送预请求，等待参与者在本地执行操作并返回是否可以提交
• 阶段二：协调者根据参与者的结果，判断是统一提交还是统一回滚。

优点：

​ 实现成本较低，尽量保证了数据强一致性。

缺点：

​ 协调者的地位很重要，需要考虑宕机的风险。

​ 资源管理器不是直接提交，而是同步阻塞。

​ 协调者发送了提交的通知，所有参与者受网络问题可能有数据不一致性的存在。

5.2.2 3PC（三阶段提交）

三阶段提交：

• 阶段一：canCommit；协调者确认所有参与者是否可以执行
• 阶段二：preCommit；协调者确认参与者可以执行后，发送预请求，参与者在本地执行操作并返回是否可以提交
• 阶段三：doCommit；协调者根据参与者的结果，判断是统一提交还是统一回滚。

优点：

​ 解决两阶段提交的单体故障和同步阻塞问题。

缺点：

​ 无法保证数据不一致问题。

5.2.3 TCC

TCC：Try Confirm Cancel；是两阶段提交的变种。是业务层面的分布式事务，保证最终一致性。

• Try阶段：尝试执行业务，根据执行结果，决定进入Confirm阶段或是Cancel阶段。
• Confirm阶段：执行成功，将数据的状态进行更新为成功。
• Cancel阶段：执行失败，将数据的状态进行更新为失败。

优点：

​ 数据库层的二阶段提交交给应用层实现，规避了数据库二阶段提交的阻塞问题。

缺点：

​ 需要开发成本，对代码的侵入性较大。

5.2.4 本地消息表

核心思想：分布式事务拆分为本地事务进行处理。

添加一张消息表，将新增数据和新增消息放到一个事务内；另外一个线程不断轮训消息表，将消息推送到MQ，另一个服务去消费消息。

实现了数据的最终一致性，需要在业务系统增加一张消息表，多一次消息表的操作，有一定损耗。

5.2.5 MQ消息事务

消息事务的原理是将两个事务通过MQ进行异步解耦。

消息事务依赖于消息中间件的事务消息，只有接收到确认才会正常投递消息。

对比本地消息表减少了消息表的存在，降低数据库操作。

5.2.6 最大努力通知

最大努力通知相比实现会简单一些，适用于一些对最终一致性实时性要求没那么高的业务，比如支付通知，短信通知。

6. 集群与负载均衡的算法与实现

6.1 轮询

将客户端发送到负载均衡器的请求，依次轮流的转发给服务器集群的节点。不需要考虑每个节点的连接数、负载、性能等情况。

优点：

​ 简单，公平

缺点：

​ 无法根据服务器性能分配；无法合理利用服务器资源

6.2 随机

随机把请求分发到可用的服务器上，由概率论的知识可知，随着请求量的变大，随机算法会逐渐演变为轮询算法，即集群各个节点会处理差不多数量的请求。所以优缺点也是与轮询算法类似。

6.3 加权轮询

每个服务器分配好权重，轮询根据分配的权重进行请求的分配。

6.4 加权随机

每个服务器分配好权重，随机根据分配的权重进行请求的分配。

6.5 IP-Hash

通过散列算法将请求分配到不同的服务器上。