分布式系统面试题

2026-11-01

分布式是高级开发/架构师核心考点,重点:CAP、BASE、一致性、分布式事务、分布式锁、分布式 id。

一、理论基础

1. CAP 理论?

  • C(一致性)、A(可用性)、P(分区容错性),三者最多同时满足两个。
  • 分布式系统 P 是必须的,所以在 C 和 A 之间权衡。
  • CP:ZooKeeper、etcd;AP:Eureka、Nacos(默认 AP)。

2. BASE 理论?

  • 对 CAP 中 AP 的延伸,允许最终一致:
    • BA(Basically Available):基本可用。
    • S(Soft state):软状态(中间状态)。
    • E(Eventually consistent):最终一致。

3. 强一致、弱一致、最终一致?

  • 强一致:写后立即可读最新值(牺牲可用性)。
  • 弱一致:不保证立刻一致。
  • 最终一致:一段时间后趋于一致(分布式常用)。

二、一致性

4. 一致性算法有哪些?

  • Paxos:基础共识算法,难理解。
  • Raft:易理解的共识算法,被 etcd、TiKV 采用,选举 + 日志复制。
  • ZAB:ZooKeeper 的一致性协议。

5. Raft 算法流程?

  1. 选举:超时触发选举,多数票当选 leader。
  2. 日志复制:leader 接收请求,复制日志到 follower,多数确认后提交。
  3. 心跳:leader 定期发送心跳维持权威。

6. 分布式锁的实现方案?

  • 数据库唯一索引、Redis(SET NX EX)、ZooKeeper(临时顺序节点 + watch)、etcd。
  • 详见 Redis 面试题的分布式锁部分。

三、分布式事务

7. 什么是分布式事务?有哪些方案?

跨多个服务/数据库的事务,需保证数据一致。方案:

  1. 2PC(两阶段提交)。
  2. 3PC(三阶段提交,2PC 改进)。
  3. TCC(Try-Confirm-Cancel)。
  4. 本地消息表。
  5. 事务消息(RocketMQ)。
  6. Saga(长事务补偿)。
  7. Seata(AT/TCC/Saga 模式)。

8. 2PC 两阶段提交?

  1. 准备阶段:协调者问所有参与者能否提交,参与者锁定资源返回 ready。
  2. 提交阶段:全部 ready 则提交,否则全部回滚。
  • 缺点:同步阻塞、单点故障、数据不一致风险。

9. TCC 事务?

  • Try:预留资源(检查 + 锁定)。
  • Confirm:确认提交(真正执行)。
  • Cancel:取消回滚(释放预留)。
  • 侵入性强,需要业务实现三个方法,但性能好。

10. 本地消息表方案?

  • 业务操作和消息写入同一本地事务,通过定时任务扫描未发送消息投递 MQ,消费方做幂等,保证最终一致。

11. 事务消息(RocketMQ)?

  • 半消息 + 本地事务 + 回查机制,见消息队列面试题。

12. Seata 的 AT 模式?

  • 自动回滚的分布式事务:全局事务 + 分支事务,通过 undo log 自动补偿,对业务侵入小。

13. 最大努力通知?

  • 只尽力通知,不保证最终一致,需业务主动查询确认,如支付结果通知。

四、分布式 id

14. 分布式 id 方案?

  1. UUID:简单,但无序、长、无业务含义,不适合做主键。
  2. 数据库自增:简单,但单点瓶颈、分库分表冲突。
  3. 号段模式:数据库批量分配号段,如美团 Leaf。
  4. Redis 自增:INCR,快但有持久化问题。
  5. 雪花算法(Snowflake):主流,64 位,时间戳 + 机器 id + 序列号,趋势递增。

15. 雪花算法结构?

  • 1 位符号 + 41 位时间戳 + 10 位机器 id + 12 位序列号。
  • 优点:趋势递增、高性能、不依赖数据库。
  • 问题:时钟回拨需处理(如美团 Leaf 的解决)。

五、其他高频

16. 如何设计一个高并发、高可用的系统?

  1. 应用层:无状态、水平扩展、负载均衡。
  2. 缓存层:多级缓存(本地 + Redis),抗读流量。
  3. 数据库层:读写分离、分库分表、连接池。
  4. 异步:消息队列削峰解耦。
  5. 降级、限流、熔断保护。
  6. 监控告警、链路追踪。

17. 什么是脑裂?如何解决?

  • 集群中主节点失联,其他节点误以为主挂而选举新主,导致多主。
  • 解决:过半选举(quorum)、隔离 fence 机制、最小可用节点数。

18. 分布式系统的挑战?

  • 一致性与可用性权衡、网络延迟与故障、数据一致性、分布式事务、分布式锁、时钟同步、节点故障与脑裂。

19. 一致性哈希?

  • 将节点和数据映射到哈希环上,数据按顺时针找到负责节点。
  • 优点:节点增减时只影响少量数据。
  • 应用:Redis Cluster、负载均衡、缓存分片。

20. 如何实现接口幂等?

  1. 数据库唯一索引。
  2. 幂等表 + 请求唯一 id。
  3. Redis setnx 分布式锁。
  4. 状态机(如订单状态流转)。