面试题答案
一键面试一致性（Consistency）
在分布式系统中，一致性意味着所有节点在同一时刻看到的数据是相同的。当一个数据更新操作发生后，后续所有的读取操作都应该获取到最新的值，就好像整个系统只有一个数据副本一样。例如在一个电商系统中，商品库存数量在某个节点减少后，其他节点立刻能获取到这个减少后的库存值。
可用性（Availability）
可用性是指系统在正常请求下，能够持续地提供服务，对用户的每个请求都能在合理时间内给出响应，而不会出现长时间等待或拒绝服务的情况。比如一个在线支付系统，用户随时发起支付请求，系统都能快速响应，告知支付结果。
分区容错性（Partition Tolerance）
分区容错性表示分布式系统在网络分区（由于网络故障、节点故障等原因导致部分节点之间无法通信）的情况下，仍然能够继续提供服务。即系统可以容忍网络中出现分区，并且在分区存在时，各分区内的节点仍能正常运行。例如一个跨国的分布式数据库，部分地区网络中断，其他地区的节点仍能为用户提供数据服务。
缓存设计场景下的优先特性及原因
在缓存设计场景下，通常会优先保证可用性（Availability）和分区容错性（Partition Tolerance）。
- 可用性：缓存的主要作用是快速响应请求，提升系统性能。如果缓存不可用，大量请求直接穿透到后端数据库，会给数据库带来巨大压力，甚至导致数据库崩溃，进而影响整个系统的正常运行。例如在高并发的新闻资讯网站中，缓存若不可用，用户请求都去查询数据库，可能使数据库不堪重负。
- 分区容错性：分布式缓存系统中，节点众多，网络故障等导致分区情况较易发生。为保证缓存功能不受影响，必须具备分区容错能力。若无法容忍分区，一旦出现网络问题，缓存就无法正常工作，系统性能将大幅下降。比如一个基于Redis集群的缓存系统，部分节点间网络断开，其他节点仍要能为应用提供缓存服务。 而一致性在缓存场景中相对较难保证，因为缓存数据更新可能存在延迟，要实现强一致性会增加系统复杂度和性能损耗，所以通常采用最终一致性等较弱的一致性模型。