← 返回首页 ❓ 面试题库
📑 本篇章节导航 (共10章,点击直达)
一、CAP定理与BASE理论二、2PC与3PC三、TCC模式四、Seata框架五、最终一致性方案六、分布式锁:Redis实现七、分布式锁:RedLock与ZooKeeper八、幂等性设计九、分布式ID十、综合实战

title: 分布式事务与分布式锁高频面试题

tags: [分布式事务, 分布式锁, Seata, Redis, ZooKeeper]

created: 2026-05-31


分布式事务与分布式锁高频面试题

2026年20K+ Java后端面试必考:CAP/BASE、Seata AT模式、Redis分布式锁、幂等设计。共55道题。

一、CAP定理与BASE理论

Q001. CAP定理的三要素分别是什么?为什么说P必须保证?

答案:C(Consistency)一致性指所有节点在同一时刻看到相同的数据;A(Availability)可用性指每个请求都能在合理时间内收到非错误响应;P(Partition tolerance)分区容忍性指网络分区时系统仍能继续工作。网络分区是分布式系统的客观现实(网络延迟、节点故障、光缆断裂等无法避免),因此P必须保证,实际只能在CP和AP之间权衡。CP代表ZooKeeper(Leader选举期间不可用),AP代表Eureka(节点间数据可能短暂不一致)。

Q002. BASE理论的核心内容是什么?与ACID有什么关系?

答案:BA(Basically Available)基本可用允许响应时间增加或功能降级;S(Soft State)软状态允许数据存在中间状态;E(Eventually Consistent)最终一致性指经过一段时间后所有副本数据最终达到一致。BASE是CAP中AP方向的工程实践,是对强一致性(ACID)的妥协和补充。ACID追求强一致性适合金融核心链路,BASE追求最终一致性适合高并发互联网场景(如电商库存、社交点赞),实际系统中通常采用混合策略。

Q003. 强一致性、最终一致性、因果一致性的区别是什么?

答案:强一致性(线性一致性)指写入完成后任何后续读取都能看到最新值,实现成本高、性能差(如ZooKeeper);最终一致性指写入后允许短暂不一致窗口但最终所有副本收敛到相同值(如DNS、MySQL主从复制);因果一致性保证有因果关系的操作顺序一致但并发操作顺序不确定。一致性强度排序:强一致性 > 因果一致性 > 最终一致性,越强性能越差,选型依据是业务容忍度。

Q004. 分布式系统中一致性问题的根源是什么?

答案:根源包括三个方面:网络不可靠(消息可能延迟、丢失、重复、乱序)、节点不可靠(机器可能宕机、重启、时钟不同步)、不存在全局时钟(无法通过时间戳简单判断数据新旧)。FLP不可能定理进一步证明:在异步系统中即使只有一个节点故障,也不存在确定性共识算法。因此分布式一致性是工程权衡问题而非绝对解。

二、2PC与3PC

Q005. 2PC(两阶段提交)的完整流程是什么?

答案:第一阶段(Prepare):协调者向所有参与者发送prepare请求,参与者执行事务但不提交,将Undo/Redo日志写入磁盘后返回Yes/No。第二阶段(Commit/Rollback):若所有参与者返回Yes则协调者发送commit指令;任一参与者返回No或超时则发送rollback指令。参与者在收到commit后才真正提交事务,收到rollback则利用Undo日志回滚。核心思想是"先商量再执行",通过协调者统一决策保证所有节点要么全部提交要么全部回滚。

Q006. 2PC有什么问题和缺陷?

答案:同步阻塞是最大问题:prepare后参与者一直持有数据库锁等待协调者决策,期间其他事务被阻塞,性能极差。单点故障:协调者宕机后参与者将永远阻塞(尤其是prepare后),需要人工介入或引入备用协调者。数据不一致风险:网络分区可能导致部分参与者收到commit而部分没收到。策略过于保守:任一参与者超时或失败就全部回滚,不够灵活。

Q007. 2PC中协调者宕机会产生什么问题?如何解决?

答案:协调者在发送commit前宕机,所有已prepare的参与者将无限期阻塞并持有锁资源无法释放。解决方案一:引入备用协调者(热备),主协调者宕机后备用节点接管并通过日志恢复状态。解决方案二:参与者增加超时机制,超时后自动回滚(但这会破坏2PC的一致性保证,实际上演变为3PC思想)。解决方案三:使用Paxos/Raft等共识算法选举新协调者,从日志中恢复未完成事务状态。

Q008. 3PC(三阶段提交)的流程是什么?相比2PC改进了什么?

答案:CanCommit阶段:协调者询问所有参与者"是否能提交",参与者只做可行性检查不执行事务。PreCommit阶段:协调者根据CanCommit结果决定是否继续,若全是Yes则发送PreCommit,参与者执行事务但不提交。DoCommit阶段:协调者发送DoCommit,参与者正式提交;如果参与者在此阶段超时未收到指令则默认提交。改进一:CanCommit阶段先轻量探测可行性,避免不必要的资源锁定。改进二:超时默认提交减少了协调者单点故障的影响范围。但3PC在网路分区时仍可能导致数据不一致,且通信轮次更多,实际生产中使用较少。

三、TCC模式

Q009. TCC(Try-Confirm-Cancel)模式的工作原理是什么?

答案:Try阶段:预留资源(冻结库存、预扣金额),做业务检查但不真正执行业务操作。Confirm阶段:确认执行业务操作(扣减冻结的库存、扣减冻结的金额),必须幂等。Cancel阶段:取消Try阶段预留的资源(解冻库存、释放冻结金额),必须幂等。TCC是业务层面的两阶段提交,每个分支事务需要实现三个方法,由TCC框架(如Seata)统一协调。相比2PC不持有数据库锁,通过业务预留资源实现隔离,性能更好。

Q010. TCC的空回滚问题是什么?如何解决?

答案:空回滚指Try请求因网络丢包未到达参与者,但协调者超时后触发了Cancel,Cancel需要处理Try未执行的情况。例如支付服务未收到Try请求却收到了Cancel请求,此时没有任何资源需要释放。解决方案:参与者记录全局事务ID,Cancel时先查询是否有对应的Try记录,如果没有Try记录则在Cancel中标记该事务已回滚(空回滚),防止后续Try再执行。Seata TCC模式通过TCC_fence_log表自动处理空回滚。

Q011. TCC的幂等问题是什么?为什么Confirm和Cancel必须幂等?

答案:幂等指同一操作执行一次和多次产生的结果相同。网络抖动可能导致Confirm/Cancel请求重发,如果操作不幂等会导致数据错误(如重复扣款、重复解冻)。Confirm幂等实现:通过全局事务ID+分支事务ID查去重表,已执行过则直接返回成功。Cancel幂等实现:同理,记录Cancel执行状态,重复请求直接返回成功不重复释放资源。幂等是TCC能够安全重试的基础,没有幂等就无法实现可靠的补偿。

Q012. TCC的资源悬挂问题是什么?如何解决?

答案:资源悬挂指Try请求因网络拥堵被延迟,Cancel已经先执行了(空回滚),之后延迟的Try到达并成功预留资源。此时资源被冻结但永远不会被Confirm或Cancel,形成悬挂(资源泄露)。解决方案:Try执行前先查询全局事务记录,如果发现该事务已经有Cancel记录(已空回滚),则拒绝执行Try。本质是利用全局事务ID作为唯一标识,保证Try和Cancel的执行顺序正确,Seata通过分支事务状态表自动实现此逻辑。

Q013. TCC模式和2PC的核心区别是什么?各适合什么场景?

答案:2PC是数据库层面的两阶段提交(XA协议),由数据库实现Prepare/Commit/Rollback,对业务零侵入但持有数据库锁阻塞性强。TCC是业务层面的两阶段提交,由业务代码实现Try/Confirm/Cancel,对业务侵入大但通过业务预留资源不依赖数据库锁,性能更好。2PC适合数据库层面的短事务(传统单体到微服务过渡期),TCC适合跨多种存储(DB+Redis+ES)、对性能和一致性要求高的场景(如核心金融链路)。

四、Seata框架

Q014. Seata的核心架构(TC/TM/RM)是怎样的?

答案:TC(Transaction Coordinator)事务协调者维护全局事务和分支事务的状态,驱动提交或回滚,是独立部署的Seata Server。TM(Transaction Manager)事务管理器定义全局事务的范围,开启/提交/回滚全局事务(即@GlobalTransactional注解所在服务)。RM(Resource Manager)资源管理器管理分支事务的资源,向TC注册分支事务并汇报状态。协作流程:TM向TC开启全局事务 -> RM注册分支事务 -> TM向TC提交/回滚 -> TC驱动各RM提交/回滚。

Q015. Seata AT模式的工作原理是什么?

答案:一阶段:拦截业务SQL,执行前查询修改前数据生成Before Image,执行后查询修改后数据生成After Image,前后镜像组成undo_log插入undo_log表,与业务SQL在同一个本地事务中提交。二阶段提交:异步删除undo_log记录,因为一阶段已提交本地事务。二阶段回滚:根据undo_log中的Before Image生成反向SQL还原数据,回滚前校验After Image与当前数据是否一致防止脏写。AT模式对业务零侵入,只需添加undo_log表和@GlobalTransactional注解。

Q016. Seata AT模式的undo_log表有什么作用?回滚时如何防止脏写?

答案:undo_log记录每个分支事务修改前后的数据快照(Before Image和After Image)。回滚时根据Before Image生成反向SQL(如UPDATE改为反向UPDATE)还原数据。回滚前通过After Image与当前数据库数据对比检测是否存在脏写(其他事务已修改了同一行数据)。如果检测到脏写,Seata不会自动回滚而是需要人工介入处理,保证数据安全。全局锁机制(TC端维护)也用于防止其他Seata全局事务在回滚前修改同一行数据。

Q017. Seata TCC模式与AT模式的对比?如何选型?

答案:AT模式无业务侵入,自动生成反向SQL,适合传统CRUD业务;依赖本地事务和undo_log,隔离级别为"读未提交"。TCC模式业务侵入强,需手动编写Try/Confirm/Cancel三个方法;不依赖undo_log,性能更高且支持跨多种存储。AT模式适用场景:基于关系型数据库的OLTP业务,对一致性要求中等。TCC模式适用场景:跨多种存储(DB+Redis+ES)、对性能和一致性要求高(如核心金融链路)。TCC通过TCC_fence_log表支持空回滚、幂等、悬挂检测。

Q018. Seata SAGA模式的工作原理是什么?

答案:SAGA将长事务拆分为多个本地短事务(Ti),每个Ti有对应的补偿动作(Ci)。正向执行T1->T2->T3->...->Tn,所有步骤成功则事务完成;若Tk失败则反向执行C(k-1)->C(k-2)->...->C1逐步撤销。Seata SAGA基于状态机引擎实现,通过JSON定义状态机流程,支持服务编排和自动补偿。SAGA适合长流程业务(如跨国转账、旅行预订机票+酒店+租车),但不保证隔离性(中间状态对外可见),不适合需要强一致性的金融核心链路。

Q019. Seata XA模式的特点是什么?四种模式如何选型?

答案:XA模式基于数据库XA协议实现两阶段提交,一阶段XA Prepare持有数据库锁,二阶段XA Commit或XA Rollback。优点是强一致性、对业务零侵入;缺点是Prepare阶段持有数据库锁性能差,与原生2PC有类似的阻塞问题。选型原则:优先AT(简单零侵入),性能敏感用TCC(高性能高一致性),长流程用SAGA(自动补偿),强一致性且并发不高用XA。核心原则:能不用分布式事务就不用(拆分服务边界),能用最终一致性就不上TCC。

五、最终一致性方案

Q020. 本地消息表方案的工作原理是什么?

答案:生产者将业务操作和消息写入放在同一个本地事务中:执行业务SQL + 插入消息表记录,保证本地原子性。定时任务扫描消息表中状态为"待发送"的记录,发送到MQ,发送成功后更新状态为"已发送"。消费者消费MQ消息执行本地业务,执行成功后发送确认;失败则MQ会重试。超过最大重试次数的消息标记为failed触发告警由人工处理。消息表设计包括id、业务主键、消息内容、状态(pending/sent/confirmed)、重试次数、创建时间等字段。

Q021. RocketMQ事务消息的完整流程是什么?

答案:Producer发送Half Message到Broker(对消费者不可见)。Broker返回发送成功后,Producer执行本地事务。本地事务成功返回COMMIT(消息对消费者可见),失败返回ROLLBACK(消息删除)。网络异常导致Broker未收到确认时,Broker定期回查Producer的本地事务状态。Producer实现checkLocalTransaction方法,根据本地事务表判断返回COMMIT/ROLLBACK/UNKNOWN。事务消息将"本地事务+消息发送"的原子性问题交由MQ框架保证,不需要额外的本地消息表。

Q022. 最大努力通知方案是什么?与可靠消息方案有什么区别?

答案:最大努力通知是最终一致性方案中最弱的一种,通知方"尽最大努力"通知接收方但不保证一定成功。典型场景:支付平台通知商户支付结果,支付宝/微信通过回调URL通知商户,失败则按策略重试(如1min/5min/10min/30min递增间隔),达到最大次数后停止。接收方需提供回调接口并做幂等处理,也可主动查询形成双重保障。与可靠消息方案的区别:最大努力通知不保证一定送达,适合跨企业的低一致性场景(如物流通知),可靠消息方案通过MQ保证消息不丢失。

Q023. 分布式事务方案的选型对比是怎样的?

答案:2PC/XA强一致性但性能差,适合数据库层面的短事务(传统单体到微服务过渡期)。TCC高性能高一致性但业务侵入强,适合核心金融链路(转账、支付)。SAGA适合长流程业务编排(旅行预订、订单履约),无隔离性。本地消息表/事务消息最终一致性、实现简单,适合大部分互联网业务场景。最大努力通知一致性最弱,适合与第三方系统对接。选型原则:能不用分布式事务就不用(拆分服务边界),能用消息最终一致性就不上TCC,强一致性用XA或TCC。

六、分布式锁:Redis实现

Q024. Redis如何实现分布式锁?核心命令是什么?

答案:核心命令SET key value NX EX seconds,NX表示Key不存在时才设置保证互斥性(只有一个客户端能设置成功),EX设置过期时间防止死锁(持有锁的客户端宕机后锁自动过期)。value通常使用唯一标识(如UUID+线程ID),释放锁时验证value是否为自己设置防止误删别人的锁。释放锁使用Lua脚本保证原子性:先GET判断value是否匹配,匹配则DEL,整个操作不可分割,避免GET和DEL之间锁过期被别人抢走导致误删。

Q025. Redis分布式锁释放时为什么要用Lua脚本?

答案:释放锁需要两步:GET key判断value是否是自己 -> 如果是则DEL key。如果不用Lua脚本,两步操作之间存在时间窗口:GET返回是自己的value -> [此时锁过期被别人抢走] -> DEL误删了别人的锁。Lua脚本在Redis中是原子执行的不会被其他命令打断,保证判断和删除是一个不可分割的操作。Lua脚本示例:if redis.call('get',KEYS[1]) == ARGV[1] then return redis.call('del',KEYS[1]) else return 0 end。

Q026. Redisson分布式锁的实现原理是什么?

答案:加锁执行Lua脚本,如果key不存在则HSET设置锁(Hash结构,field为客户端ID+线程ID,value为重入计数),启动看门狗续期。可重入通过Hash结构实现:field为客户端ID+线程ID,value为重入次数,同一线程可重复获取锁(重入计数+1)。释放锁通过Lua脚本将重入计数-1,减到0时删除key并发布解锁消息通知等待队列中的客户端。未获取到锁的客户端通过Redis的Pub/Sub订阅锁释放消息,避免无限轮询提高效率。

Q027. Redisson看门狗机制的原理是什么?什么时候不生效?

答案:默认锁过期时间30秒,后台定时任务(Netty的HashedWheelTimer)每隔10秒(1/3过期时间)检查锁是否还被持有,持有则重置过期时间为30秒。如果持有锁的客户端宕机,看门狗定时任务随之停止,锁30秒后自动过期释放避免死锁。关键注意:如果手动指定了leaseTime(过期时间),看门狗机制不会生效,续期只在使用默认过期时间时激活。因此显式指定leaseTime时需要确保业务在leaseTime内完成。

Q028. Redis主从切换导致锁丢失的问题是什么?

答案:客户端在Master节点加锁成功(SET NX EX),Master将锁信息异步复制到Slave。在复制完成之前Master宕机,Slave被提升为新的Master(但锁数据还未复制过来)。另一个客户端向新Master加锁成功(因为锁数据丢失了),此时两个客户端同时持有"同一把锁",互斥性被破坏。这是Redis单节点/主从模式分布式锁的根本缺陷,RedLock算法就是为解决这个问题提出的,但对正确性要求极高的场景建议使用ZooKeeper。

七、分布式锁:RedLock与ZooKeeper

Q029. RedLock算法的工作原理是什么?

答案:RedLock使用N个(通常5个)独立的Redis实例(非主从集群),客户端依次向所有实例加锁。加锁条件:在大多数实例(N/2+1即至少3个)上加锁成功,且总加锁时间不超过锁的过期时间。如果满足条件则认为加锁成功,锁的有效时间=初始过期时间-加锁耗时。如果不满足条件(少于半数成功或超时),向所有实例发送解锁请求加锁失败。RedLock通过多节点多数派机制解决单节点故障导致的锁丢失问题。

Q030. RedLock算法有什么争议?

答案:Martin Kleppmann(DDIA作者)批评RedLock:分布式系统没有绝对的"时间"概念,进程暂停(GC STW)可能导致锁过期后仍认为持有锁。例如客户端获取锁后发生Full GC暂停,锁过期被其他客户端获取,GC恢复后两个客户端都认为自己持有锁。Antirez(Redis作者)反驳:RedLock设计考虑了时钟漂移问题,且建议加锁时携带fencing token(递增令牌)保证安全。实际建议:业务场景对正确性要求极高(如金融)时使用ZooKeeper分布式锁而非RedLock。

Q031. ZooKeeper如何实现分布式锁?

答案:基于临时顺序节点(EPHEMERAL_SEQUENTIAL)实现。客户端在锁节点下创建临时顺序节点如/lock/seq-0000000001。判断是否获取锁:如果自己的序号是最小的则获取锁成功;否则Watch(监听)前一个序号的节点。前一个节点被删除(锁释放或客户端宕机)时,ZooKeeper通知下一个序号的客户端获取锁。临时节点的特性:客户端会话断开后临时节点自动删除不会出现死锁问题(无需过期时间)。相比Redis依赖过期时间更可靠。

Q032. ZooKeeper分布式锁的羊群效应是什么?如何解决?

答案:羊群效应(Herd Effect)指如果所有等待锁的客户端都Watch同一个锁节点,锁释放时所有客户端同时被唤醒争抢,只有一个能成功其余再次阻塞。大量无效唤醒和争抢给ZooKeeper服务器造成巨大压力(网络风暴)。解决方案:每个客户端只Watch自己前一个序号的节点(如seq-0000000003只Watch seq-0000000002),锁释放时只有下一个序号的客户端被唤醒形成排队机制(公平锁),避免羊群效应。Curator框架的InterProcessMutex已内置此优化。

Q033. Redis分布式锁 vs ZooKeeper分布式锁如何选型?

答案:Redis分布式锁性能高(纯内存操作微秒级),实现简单(SET NX EX),但主从切换可能丢锁可靠性依赖过期时间。ZooKeeper分布式锁可靠性高(临时节点自动删除、顺序节点公平锁),但性能较低(每次操作涉及集群半数以上节点通信毫秒级)。Redis适合高并发、对极端情况下锁丢失可容忍的场景(如扣库存偶尔超卖可补偿)。ZooKeeper适合对锁的正确性要求极高的场景(如金融交易、分布式任务调度绝不允许两个客户端同时持有锁)。工程实践中Redis分布式锁使用更广泛。

八、幂等性设计

Q034. 什么是幂等性?为什么分布式系统需要幂等?

答案:幂等性指同一操作执行一次和多次产生的效果相同,不会因为重复执行而产生副作用。分布式系统中需要幂等的原因:网络抖动导致请求重试、MQ消息重复消费、用户重复点击、TCC/SAGA的补偿操作重试等。例如支付接口如果非幂等重试可能导致重复扣款;库存扣减如果非幂等重试可能导致超扣。幂等是分布式事务(TCC、SAGA、消息事务)能够可靠运行的基础,没有幂等就无法安全重试。设计原则:所有写操作都应考虑幂等性,特别是在支付、库存等关键链路。

Q035. Token机制如何实现幂等?适用于什么场景?

答案:幂等流程分为两步:先获取Token -> 再携带Token提交业务请求。服务端提供获取Token的接口,生成一个唯一Token存入Redis(设过期时间),返回给客户端。客户端提交业务请求时携带Token,服务端用Lua脚本原子性地判断Token是否存在并删除。Token存在且删除成功则执行业务操作;Token不存在或已被删除说明是重复请求直接拒绝。适用于前端表单防重复提交、按钮防重复点击、API接口防重复调用等场景。

Q036. 去重表方案如何实现幂等?

答案:创建一张去重表(唯一索引为业务类型+唯一请求ID),在执行业务操作前先插入去重表。去重表的插入和业务操作放在同一个本地事务中,利用数据库唯一索引保证不重复。如果插入去重表失败(违反唯一索引),说明该请求已处理过直接返回成功(幂等)。去重表字段包括id、业务唯一键(如订单号+操作类型)、创建时间等。适用于消息消费幂等、接口重复调用防护等场景,实现简单利用数据库唯一约束保证幂等。

Q037. 状态机幂等是什么?适用于什么场景?

答案:很多业务实体有明确的状态流转(如订单:待支付->已支付->已发货->已完成),状态流转是单向的。在执行操作前先判断当前状态是否允许该操作(如"已支付"的订单不能再次支付),不满足则直接返回。SQL层面使用乐观锁实现:UPDATE order SET status='PAID' WHERE id=? AND status='UNPAID',affected rows为0则说明已处理过。天然幂等无需额外去重机制,适用于所有有状态流转的业务:订单、工单、审批流、库存扣减等。

Q038. 乐观锁如何实现幂等?与状态机有什么区别?

答案:数据表增加version字段,每次更新version+1。更新SQL:UPDATE table SET field=new_value, version=version+1 WHERE id=? AND version=old_version。affected rows=1表示更新成功,=0表示版本冲突(已被其他请求修改),重复请求携带旧的version值因version已更新导致更新失败达到幂等效果。与状态机的区别:乐观锁通过版本号控制并发,状态机通过业务状态控制流程。两者可结合使用:UPDATE SET status='PAID', version=version+1 WHERE id=? AND status='UNPAID' AND version=?。

Q039. 分布式系统幂等性的综合设计方案是什么?

答案:入口层:API网关层通过Token机制拦截重复请求(前端提交前获取Token)。接口层:接口参数中携带幂等Key(如RequestId),Redis SETNX去重。业务层:状态机控制业务流转 + 乐观锁控制并发修改。数据层:数据库唯一约束兜底,去重表记录已处理的请求。消费层:MQ消费端通过消息ID+业务主键双重去重保证消费幂等。综合策略:不同层使用不同幂等手段层层防护,核心链路至少两层保障,如支付链路同时使用RequestId去重 + 状态机幂等 + 数据库唯一约束。

九、分布式ID

Q040. 分布式ID需要满足哪些特性?

答案:全局唯一性:在整个分布式系统中ID不能重复。趋势递增:数据库使用B+树索引,有序ID插入效率更高避免频繁页分裂。高可用:ID生成服务不能成为系统的性能瓶颈和单点故障。信息安全:ID不应该暴露业务规则和数据量(如连续递增ID可被推算出业务量)。高性能(低延迟)和高吞吐(每秒生成大量ID)也是重要指标。不同场景对特性侧重不同:数据库主键需要趋势递增,外部订单号需要不可预测。

Q041. 雪花算法(Snowflake)的原理是什么?

答案:Snowflake生成64位Long型ID:1位符号位(0) + 41位时间戳(毫秒级约69年)+ 10位工作机器ID + 12位序列号。10位工作机器ID通常拆分为5位数据中心ID + 5位机器ID,最多支持32个数据中心每个数据中心32台机器。12位序列号支持同一毫秒内生成4096个ID,单机每秒可生成约400万ID。ID按时间趋势递增不需要依赖数据库,性能极高(本地生成),是分布式ID的主流方案。

Q042. 雪花算法的时钟回拨问题是什么?如何解决?

答案:机器NTP时间同步可能导致系统时钟回退,生成的ID可能重复(时间戳小于之前已生成的ID)。轻微回拨(几毫秒):等待时钟追回到上次生成ID的时间点后再生成。中等回拨:利用之前最大时间戳的序列号继续生成(预留序列号空间)。严重回拨(几百毫秒以上):拒绝服务并报警或将机器ID暂存到ZooKeeper分配新的机器ID。美团Leaf使用ZooKeeper分配和管理workerID并最多容忍5ms回拨,百度UidGenerator使用RingBuffer预生成ID缓冲完全避免回拨。

Q043. UUID作为分布式ID有什么问题?

答案:无序性是最大问题:UUID v4是随机生成的完全无序,作为MySQL主键会导致B+树频繁页分裂,插入性能极差(随机IO)。存储空间大:UUID是36字符的字符串(128bit),相比bigint(64bit)占用更多存储和索引空间。不可读:UUID没有业务含义不利于调试排查问题(日志中难以识别和搜索)。虽然UUID碰撞概率极低但不是绝对不可能,且UUID v1会暴露MAC地址。适合TraceId、RequestId等不需要持久化索引的场景,不适合做数据库主键。

Q044. 美团Leaf的原理是什么?两种模式分别适合什么场景?

答案:号段模式(Leaf-Segment):从数据库批量获取一个ID号段(如1-1000)缓存在本地服务中,用完再取下一段减少数据库压力。双Buffer设计:当前号段用到10%时异步加载下一个号段保证ID生成不中断。雪花算法模式(Leaf-Snowflake):使用ZooKeeper分配和管理workerID,解决了时钟回拨问题(回拨超过阈值则抛异常)。Leaf-Segment适合对ID连续性有要求的场景(数据库主键),Leaf-Snowflake适合高并发场景。数据库表设计:biz_tag(业务标签)、max_id(当前最大值)、step(步长)、version(乐观锁)。

Q045. Redis INCR作为分布式ID的方案有什么优缺点?

答案:优点:利用Redis原子递增(INCR命令),性能好(纯内存操作),实现简单。可以按业务维度设置不同的key生成独立自增序列。缺点:强依赖Redis可用性(Redis宕机ID生成中断),需要考虑Redis持久化(RDB可能丢失最近数据导致ID重复,AOF更安全但性能略低)。适合非核心场景或作为辅助ID生成方案,关键业务建议使用雪花算法或Leaf等更可靠的方案。

十、综合实战

Q046. 如何设计一个电商下单的分布式事务方案?

答案:方案一(Seata AT模式):订单服务开启@GlobalTransactional,依次调用库存扣减、账户扣款,由Seata协调全局事务自动回滚,简单零侵入。方案二(TCC模式):库存服务提供Try(冻结库存)->Confirm(扣减冻结库存)->Cancel(解冻库存),一致性更强但开发成本高。方案三(消息事务+最终一致性):下单成功后通过RocketMQ事务消息通知库存和支付服务各服务异步处理保证最终一致。实际选型:中小项目用Seata AT,大型项目用消息事务(性能好松耦合),金融场景用TCC。

Q047. Redis集群模式下如何实现分布式锁?如何保证高可用?

答案:方案一(RedLock):使用5个独立Redis Master实例,多数派加锁成功才认为获取锁成功。方案二(Redisson + Wait replication):加锁时通过WAIT命令等待至少1个Slave复制成功降低锁丢失概率。高可用策略:锁续期失败使用Redisson看门狗自动续期或业务层增加锁超时检测和补偿机制。网络分区时设计降级方案,锁获取失败时使用本地锁+数据库乐观锁兜底。大多数场景使用单Redis节点+Redisson看门狗已足够,极端高可靠场景使用RedLock或切换到ZooKeeper。

Q048. 什么场景下用分布式事务?什么场景下不需要?

答案:需要分布式事务:跨服务的数据必须保持一致(下单扣库存+扣余额),失败时需要回滚所有操作。不需要分布式事务:操作本身可以容忍最终一致(发短信、记日志、更新缓存),或可以通过幂等重试保证最终一致。不需要分布式事务的替代方案:消息队列异步处理、事件驱动架构、补偿机制、人工对账。过度使用分布式事务是架构反模式:分布式事务引入额外的复杂度和性能开销,能用本地事务解决的不要引入分布式事务。服务拆分时尽量让强一致的操作在同一个服务中(本地事务)。

Q049. Seata AT模式如何防止全局锁和本地锁的死锁?

答案:Seata全局锁和数据库本地锁是两个层面的锁,理论上不会产生传统意义上的"死锁"。但存在一个场景:全局事务A持有全局锁等待本地事务B释放本地锁,本地事务B持有本地锁等待全局事务A释放全局锁。Seata通过超时机制防止:全局锁获取有超时时间(默认30秒),超时后回滚本地事务并释放本地锁。建议:避免在全局事务中执行长时间操作,减小全局锁持有时间降低冲突概率。

Q050. 分布式锁的可重入是如何实现的?

答案:Redisson使用Hash结构存储锁信息:key为锁名称,field为"客户端ID:线程ID",value为重入计数。第一次加锁:HSET lockName clientId:threadId 1,设置过期时间。重入加锁:HINCRBY lockName clientId:threadId 1,重入计数+1刷新过期时间。释放锁:HINCRBY lockName clientId:threadId -1,重入计数-1;减到0时删除key并发布解锁消息。ZooKeeper可重入锁:在同一个线程内检查是否已经持有锁(通过Session+线程ID判断),已持有则直接返回成功。

Q051. 分布式环境中如何实现读写锁?

答案:Redisson提供分布式读写锁(RReadWriteLock),写锁互斥(只能一个客户端写),读锁共享(多个客户端可同时读)。写锁通过SET NX EX实现,读锁通过计数器+共享锁实现,写锁优先级高于读锁(防止写饥饿)。ZooKeeper实现:写锁获取需要自己是序号最小的节点;读锁获取只需要前面没有写锁节点。适用于分布式缓存更新(读多写少)、分布式配置中心等场景。Redisson的读写锁同样支持看门狗自动续期。

Q052. 什么是柔性事务?什么是刚性事务?

答案:刚性事务严格遵循ACID原则保证强一致性(如2PC、XA),实现代价高、性能差、可用性低。柔性事务遵循BASE理论允许短暂的不一致,通过补偿、重试、消息等机制最终达到一致。柔性事务类型包括TCC(补偿型)、SAGA(补偿型)、本地消息表(异步确保型)、最大努力通知(通知型)。互联网系统大多采用柔性事务,因为高并发场景下刚性事务的性能和可用性无法接受。核心思想是用"最终一致"替代"强一致"。

Q053. 如何保证消息不丢失?消息消费的幂等性如何保证?

答案:消息不丢失三重保障:生产者端使用确认机制(RocketMQ同步发送+重试、RabbitMQ Publisher Confirm);Broker端消息持久化到磁盘多副本同步复制;消费者端手动ACK确认(RabbitMQ)或返回CONSUME_SUCCESS(RocketMQ),失败则重试。消费幂等方案:数据库唯一约束(消费记录表设置业务主键唯一约束);Redis SETNX(消费前以消息ID为key执行SETNX);状态机幂等(业务状态流转重复消费时状态不满足直接跳过);乐观锁(更新时携带版本号条件)。

Q054. 如何测试分布式锁的正确性?

答案:并发测试:使用JMeter或CountDownLatch模拟多线程并发获取同一把锁,验证只有一个线程获取成功。可重入测试:同一线程多次获取同一把锁验证重入计数正确,全部释放后锁被删除。故障测试:持有锁的进程被kill后验证锁在超时时间后被自动释放其他进程可获取。续期测试:业务执行时间超过锁过期时间验证看门狗是否正确续期。集群故障测试(RedLock):模拟部分Redis节点宕机验证多数派加锁的正确性。

Q055. 分布式事务与微服务拆分的关系是什么?如何减少分布式事务?

答案:微服务拆分将单体事务拆散到多个服务中,原本一个本地事务能解决的操作变成了跨服务的分布式事务。拆分粒度越细分布式事务的复杂度越高,需要在服务边界设计时考虑事务一致性问题。最佳实践:服务拆分时尽量让强一致的操作在同一个服务中(本地事务),跨服务操作采用最终一致性。DDD(领域驱动设计)中的聚合根和限界上下文可以帮助划分服务边界减少分布式事务的产生。能用本地事务解决就不要引入分布式事务。


题库来源:Java后端面试高频考点整理 | 共55题 | 涵盖CAP/BASE、2PC/3PC/TCC、Seata四种模式、消息最终一致性、Redis/ZooKeeper分布式锁、幂等性设计、分布式ID