分布式组件

分布式系统离不开这些基础组件：分布式锁、分布式 ID、分布式会话。面试考的是实现细节和坑。

Q1: 分布式锁有哪些实现方式？ 「🟡 中级」

考察点：分布式锁的选型与正确性。

参考答案：

• 数据库：唯一索引或 FOR UPDATE 行锁。简单但性能差，依赖 DB。
• Redis：SET key value NX EX + Lua 脚本删除。高性能，注意锁过期、主从切换问题（Redisson 看门狗续期）。
• ZooKeeper：临时有序节点 + Watch 机制。强一致，但性能不如 Redis。
• 选型：追求性能用 Redis（配合业务幂等）；追求强一致用 ZK/Etcd。

追问延伸：

• Redis 主从切换丢锁怎么解决？（RedLock，但有争议）
• ZooKeeper 分布式锁的羊群效应是什么？

Q2: 分布式 ID 生成方案有哪些？ 「🟡 中级」

考察点：全局唯一 ID 的设计能力。

参考答案：

• UUID：简单但无序、长（36 字符），不适合做数据库主键。
• 数据库自增：单点瓶颈；号段模式（每次取一段到内存）可缓解。
• 雪花算法（Snowflake）：64 位 = 时间戳 + 机器 ID + 序列号，趋势递增，性能高。需解决时钟回拨问题。
• Redis INCR：原子自增，依赖 Redis 可用性。
• Leaf（美团）：号段模式 + Snowflake 双实现，高可用。

追问延伸：

• 雪花算法的时钟回拨怎么处理？
• 为什么数据库主键推荐趋势递增？

Q3: 分布式会话怎么实现？ 「🟡 中级」

考察点：微服务架构下的会话管理。

参考答案：

• Session 复制：每台机器都存所有会话，浪费内存，扩展性差。
• Session 粘滞：负载均衡把同一用户路由到同一节点，节点挂了会话丢失。
• Session 集中存储：用 Redis 集中存储会话，各节点从 Redis 读取。主流方案。
• Token 方案（JWT）：无状态，服务端不存会话；缺点是无法主动失效、Token 较大。

追问延伸：

• JWT 的续签怎么做？
• Redis 集中存储会话的过期策略怎么设计？

Q4: 什么是限流？有哪些算法？ 「🟡 中级」

考察点：高可用设计的基础。

参考答案：

• 固定窗口：单位时间内允许 N 个请求。缺点：窗口边界突发流量。
• 滑动窗口：把窗口细分成多个小格，更平滑。
• 漏桶算法：固定速率处理请求，平滑流量但无法应对突发。
• 令牌桶算法：固定速率生成令牌，有令牌才能处理请求；允许一定程度的突发（桶满时）。Guava RateLimiter 用此算法。

追问延伸：

• 限流在网关层做还是在服务层做？
• 分布式限流怎么实现？（Redis + Lua）

Q5: 什么是熔断和降级？ 「🟡 中级」

考察点：服务容错的核心机制。

参考答案：

• 熔断：下游服务故障时，快速失败不再调用，避免雪崩。状态：关闭 → 打开（熔断）→ 半开（探测恢复）。代表：Hystrix、Sentinel、Resilience4j。
• 降级：服务不可用时返回兜底数据（缓存、默认值、友好提示），保证核心流程可用。
• 关系：熔断是手段，降级是目的；熔断触发后通常伴随降级。

追问延伸：

• 熔断和超时重试的关系？
• 什么场景需要熔断？

Q6: 什么是服务注册与发现？ 「🟡 中级」

考察点：微服务架构的基础组件。

参考答案：

• 服务提供者启动时向注册中心注册自己的地址；服务消费者从注册中心拉取可用实例列表并负载均衡调用。
• 注册中心：ZooKeeper、Eureka（已停更）、Consul、Nacos、Etcd。
• 健康检查：心跳机制，注册中心剔除不健康实例。
• 客户端发现 vs 服务端发现：客户端直连（如 Dubbo）vs 经过负载均衡器（如 Kubernetes Service）。

追问延伸：

• Nacos 的 AP 和 CP 模式怎么切换？
• 服务下线后消费者怎么感知？