分布式面试题！

分布式理论

说说CAP原则？

CAP原则又称为CAP定理，指的是在一个分布式系统中，Consistency(一致性)、availability(可用性)、Partition tolerance(分区容错性)这三个基本需求，最多只能同时满足两个。

一致性：指的是数据在多个副本之间保持一致的特性 可用性：系统提供的服务必须一直处于可用状态 分区容错性：分布式系统在遇到任何网络分区故障的时候，仍然能够提供满足一致性和可用性的服务，除非整个网络故障。

为什么CAP不可兼得？

首先分布式系统的P是必须要保证的，不然所有数据都放在一个节点上，坏了整个系统直接完蛋了。

那么满足P的情况下，能不能同时满足C和A？

！image

假设一个场景：

• 用户访问了N1，修改了D1的数据。

• 用户再次访问，但是请求落在了N2。那么此时D1和D2的数据是不一致的。

• 为了保证一致性，此时就不应该返回不一致的数据。那么可用性就无了。

• 为了保证可用性，那么不管数据新不新都返回，也就不能保证一致性了。

CAP对应的模型和应用？

CA without P

理论上放弃 P（分区容错性），则 C（强一致性）和 A（可用性）是可以保证的。实际上分区是不可避免的，严格上 CA 指的是允许分区后各子系统依然保持 CA。

常见于集群数据库、xFS文件系统。

CP without A

放弃A，可用性，保证一致性和分区。为了保证一致性，就需要每个请求在Server之间保持强一致。

常见于分布式数据库和分布式锁。

AP without C

要高可用并且分区，那么无法保证一致性。现在很多的NoSQL都属于这种类型。

常见于Web缓存、DNS。

BASE理论了解吗？

BASE：Basically Available、Soft State、 Eventual consistency。它基于CAP理论逐步演化而来。核心思想是即使不能强一致性，根据应用特点达到最终一致性。

BA：基本可用。意思就是系统假如故障了，服务也能使用，但是会出现响应时间上的损失和功能上的降级。

S：软状态。那么什么是硬状态？就是要求多个节点的数据副本是一致的，这是一种“硬状态”。软状态的话就允许多个不同节点间的数据存在数据延时。 E：最终一致性。上面的软状态最终应该达到数据一致性。取决于网络延时、系统负载、数据复制方案设计等等因素。

分布式锁

常见的分布式锁实现方案三种：MySQL分布式锁、ZooKeeper分布式锁、Redis分布式锁。

分布式事务

在分布式环境下，会涉及多个数据库，比如支付库、商品库、订单库。因此保证跨服务的事务一致性就非常复杂。