面试题答案
一键面试1. 服务发现
- 选型：Eureka或Consul。
- Eureka：Spring Cloud Netflix Eureka是Spring Cloud体系中常用的服务发现组件。它具有简单易用，与Spring Cloud集成度高的特点。对于大型电商系统，其可以快速搭建服务发现体系，满足各微服务之间相互发现的需求。
- Consul：Consul提供了多数据中心、健康检查等功能。在电商系统中，如果存在多个数据中心部署的情况，Consul可以方便地实现跨数据中心的服务发现。并且其健康检查机制有助于及时发现不健康的服务实例，避免将请求发送到故障实例上。对于商品展示、下单等模块，服务实例的健康状态对业务连续性至关重要，所以Consul也是一个不错的选择。
2. 配置管理
- 选型：Spring Cloud Config。
- 原因：Spring Cloud Config集中管理配置文件，支持从Git、SVN等版本控制系统读取配置。在电商系统中，不同模块如商品展示、库存管理等可能有不同的配置需求，且配置可能随业务变化频繁调整。使用Spring Cloud Config，开发人员可以方便地管理和更新配置，同时通过版本控制可以追溯配置的变更历史。而且它与Spring Cloud其他组件集成良好，能够满足微服务架构下的配置管理需求。
3. 熔断器
- 选型：Hystrix或Resilience4j。
- Hystrix：作为Netflix开源的熔断器组件，它已经在众多项目中得到验证。在电商系统中，下单模块对事务一致性要求高，当依赖的服务（如库存服务）出现故障时，Hystrix可以快速熔断，避免因长时间等待故障服务响应而导致整个下单流程阻塞，保证下单事务的完整性。同时，Hystrix提供了熔断监控和统计功能，便于运维人员了解服务的健康状况。
- Resilience4j：轻量级熔断器组件，相比Hystrix，它具有更低的内存消耗和更快的响应速度。在商品展示模块，对高并发读要求高，Resilience4j可以在保证系统稳定的前提下，更好地应对高并发场景。其模块化设计使得可以根据不同业务需求灵活选择熔断器、限流、重试等功能，适用于电商系统中不同模块的多样化需求。
4. 针对各模块特点的技术选型补充
- 商品展示模块：
- 缓存：使用Redis作为缓存。原因是Redis读写速度极快，能够满足高并发读的需求。商品信息相对稳定，适合缓存，通过缓存商品数据可以大大减轻数据库的压力，提高商品展示的响应速度。
- 负载均衡：Ribbon或Feign。Ribbon是客户端负载均衡器，可在客户端实现对服务实例的负载均衡，与Eureka等服务发现组件配合良好。Feign在Ribbon基础上提供了声明式的Web服务客户端，简化了服务调用，同时也具备负载均衡功能。对于商品展示模块调用其他微服务（如库存服务获取库存信息）时，这两者都能有效实现负载均衡，提高系统的可用性和性能。
- 下单模块：
- 分布式事务管理：选用Seata。Seata是一款开源的分布式事务解决方案，它提供了AT、TCC等事务模式。在下单过程中，涉及到订单创建、库存扣减等多个操作，需要保证事务的一致性。Seata的AT模式对业务侵入性小，适合电商下单这种对事务一致性要求高且业务逻辑复杂的场景，能够保证在分布式环境下下单相关操作的原子性。
- 消息队列：Kafka或RabbitMQ。下单成功后，可能需要异步处理一些后续操作，如发送短信通知用户、更新物流信息等。Kafka适合高吞吐量的场景，能够快速处理大量的消息；RabbitMQ则在可靠性和灵活性方面表现出色，支持多种消息队列模式。根据电商系统的实际流量和业务需求，可以选择合适的消息队列来保证下单后异步操作的可靠性和高效性。
- 库存管理模块：
- 数据库：选用关系型数据库（如MySQL）结合分布式缓存（Redis）。MySQL可以保证库存数据的持久化和事务性，用于处理复杂的库存业务逻辑，如库存扣减、库存回滚等。Redis则用于缓存热门商品的库存信息，提高库存查询的响应速度，同时利用Redis的原子操作实现库存的扣减，保证高并发场景下库存操作的准确性。
- 物流跟踪模块：
- 消息驱动：采用MQTT协议的消息服务器（如EMQ X）。物流信息更新频繁，MQTT协议具有轻量级、低功耗、支持高并发的特点，适合物流跟踪数据的实时推送。通过MQTT服务器，物流信息可以实时推送给电商系统，以便用户及时查询物流状态。
- 数据存储：选择时序数据库（如InfluxDB）。物流跟踪数据具有时间序列特性，InfluxDB专门用于处理和存储时间序列数据，能够高效存储和查询物流状态随时间变化的数据，便于分析物流数据趋势和异常情况。