面试

业务，
分布式事物，
分布式定时任务，
缓存穿透，缓存雪崩，服务器雪崩，
springcloud用了哪些组件，
coping算法

用户共享有哪些实现方式
原理是什么

spring源码

多线程
线程池和集合的问题

数据库的优化

JVM 和 GC回收

你要是面高级的，架构的问题问的多

https://www.cnblogs.com/raoshaoquan/p/7125323.html

 

 

 

分布式系统的核心就是处理各种异常情况，这些异常可能有 机器宕机、网络异常、消息丢失、消息乱序、数据错误、不可靠的TCP、存储数据丢失、其他异常等等...

假如数据库在提交事务的时候突然断电，那么它是怎么样恢复的呢？

我们使用SQL Server来举例，我们知道我们在使用 SQL Server 数据库是由两个文件组成的，一个数据库文件和一个日志文件，通常情况下，日志文件都要比数据库文件大很多。数据库进行任何写入操作的时候都是要先写日志的，同样的道理，我们在执行事务的时候数据库首先会记录下这个事务的redo操作日志，然后才开始真正操作数据库，在操作之前首先会把日志文件写入磁盘，那么当突然断电的时候，即使操作没有完成，在重新启动数据库时候，数据库会根据当前数据的情况进行undo回滚或者是redo前滚，这样就保证了数据的强一致性。

 

CAP 原则（或者叫CAP定理）

• 一致性(Consistency) ： 客户端知道一系列的操作都会同时发生(生效)
• 可用性(Availability) ： 每个操作都必须以可预期的响应结束
• 分区容错性(Partition tolerance) ： 即使出现单个组件无法可用,操作依然可以完成

WEB服务无法同时满足这3个属性，设计人员必须在一致性与可用性之间做出选择。

在分布式系统中，我们往往追求的是可用性，它的重要程序比一致性要高，那么如何实现高可用性呢？就是

BASE理论

• Basically Available（基本可用）
• Soft state（软状态）
• Eventually consistent（最终一致性）

BASE理论是对CAP中的一致性和可用性进行一个权衡的结果，理论的核心思想就是：我们无法做到强一致，但每个应用都可以根据自身的业务特点，采用适当的方式来使系统达到最终一致性（Eventual consistency）。

 

在事务执行过程中，如果出现故障，比如断电、宕机，这个时候就要利用日志（redo log或者undo log） 加上 checkpoint来保证事务的完整结束。

网络 IO ，主要有 bio 、 nio 、 aio 三种方式，所有的分布式应用通讯都基于这个原理而实现

 

转载于:https://www.cnblogs.com/Alwaysbecoding/p/10168149.html