分布式系统大厂面试高频知识点图解
一、分布式知识体系总览
二、CAP 定理
BASE 理论（对CAP的妥协）
三、一致性协议
Raft 协议
Raft 日志复制流程
Paxos vs Raft vs ZAB 对比
| 对比项 | Paxos | Raft | ZAB |
|---|---|---|---|
| 可理解性 | 难 | 容易 | 中等 |
| Leader | 不强制 | 强Leader | 强Leader |
| 日志 | 允许空洞 | 连续日志 | 连续日志 |
| 应用 | Google Chubby | etcd/Consul | ZooKeeper |
四、分布式事务
2PC 两阶段提交
2PC 缺点： 同步阻塞、单点故障(协调者)、数据不一致风险
TCC 补偿事务
Saga 模式
五、分布式锁
Redis 分布式锁流程
Redlock 算法（Redis多节点）
六、分布式 ID
雪花算法结构（64位）
0 - 00000000 00000000 00000000 00000000 00000000 0 - 00000 - 00000 - 00000000 0000
│ 41位时间戳 5位 5位 12位
│ (可用约69年) 数据中心 机器ID 序列号
符号位 ID (4096/ms)
| 方案 | 有序性 | 可用性 | 适用场景 |
|---|---|---|---|
| UUID | ❌ 无序 | 高 | 不要求有序的场景 |
| 数据库自增 | ✅ 严格递增 | 低(单点) | 小规模系统 |
| 号段模式 | ✅ 趋势递增 | 高 | 美团Leaf |
| 雪花算法 | ✅ 趋势递增 | 高 | Twitter/百度UidGenerator |
七、服务治理
服务注册与发现
负载均衡算法
熔断、限流、降级
令牌桶 vs 漏桶
八、一致性哈希
传统取模 vs 一致性哈希
一致性哈希环
Node A (hash=0)
╱ ╲
Key1 ● ● Key4
╱ ╲
Node D Node B
(hash=270) (hash=90)
╲ ╱
Key3 ● ● Key2
╲ ╱
Node C (hash=180)
Key顺时针找到的第一个节点即为负责节点
增加/删除节点只影响环上相邻的一段
虚拟节点: 每个物理节点映射多个虚拟节点到环上，解决数据倾斜
九、分库分表
分库分表路由
十、微服务架构全景
十一、高频面试题速查
| 问题 | 答案要点 |
|---|---|
| CAP定理是什么？ | 一致性+可用性+分区容错，最多同时满足两个；P必须保证，实际是C和A的权衡 |
| 什么是最终一致性？ | 允许数据暂时不一致，但经过一段时间后最终达成一致(BASE理论) |
| 分布式事务有哪些方案？ | 2PC/TCC/本地消息表/可靠消息/Saga；根据一致性要求选择 |
| 分布式锁怎么实现？ | Redis(SET NX+Lua+看门狗)/ZooKeeper(临时有序节点)/数据库(排他锁) |
| 如何保证接口幂等？ | Token机制/唯一ID+DB唯一键/Redis SetNX/状态机 |
| 什么是脑裂？ | 网络分区导致集群出现两个Leader，引发数据不一致 |
| 如何解决脑裂？ | 过半选举机制/fencing token/共享存储心跳 |
| 雪花算法时钟回拨怎么办？ | 等待/使用历史最大ID/备用机器ID |
| 什么是服务雪崩？ | 一个服务不可用导致调用链上游服务连锁故障 |
| 如何防止服务雪崩？ | 熔断(Hystrix/Sentinel)+限流+降级+超时控制+隔离 |
| 分库分表后如何排序分页？ | 每个分片查N条→内存归并排序→取前N条(深翻页性能差) |
| 微服务和SOA的区别？ | 微服务更细粒度、独立部署、去中心化；SOA偏ESB中心化 |
