面试题答案
一键面试对一致性的理解
在分布式系统中，一致性指的是多个副本数据保持一致的状态。即无论从哪个副本读取数据，得到的结果都应该是相同的，并且符合系统既定的约束和规则。例如，在银行转账场景中，从A账户扣除100元后，B账户必须同时增加100元，所有节点看到的账户余额变化应是一致的，不会出现某个节点显示A账户已扣钱但B账户未到账的情况。
常见保证一致性以实现数据完整性约束的方法
- 两阶段提交（2PC）：
- 第一阶段（投票阶段）：协调者向所有参与者发送事务内容，询问是否可以提交事务，参与者检查自身操作能否成功执行，并反馈给协调者。
- 第二阶段（提交阶段）：如果所有参与者都反馈可以提交，协调者向所有参与者发送提交指令，参与者执行提交操作；若有任何一个参与者反馈不能提交，协调者向所有参与者发送回滚指令，参与者执行回滚操作。它的优点是原理简单，能保证强一致性；缺点是单点故障问题，协调者故障会导致整个事务阻塞，且性能开销较大，因为存在多次网络交互。
- 三阶段提交（3PC）：
- CanCommit阶段：协调者询问参与者是否可以执行事务操作，参与者回复是否可以。此阶段主要是检测系统状态是否可进行事务操作。
- PreCommit阶段：若所有参与者都回复可以，协调者向参与者发送预提交请求，参与者执行事务操作，但不提交，然后反馈执行结果。若有参与者回复不可以，协调者发送中断请求。
- DoCommit阶段：协调者根据PreCommit阶段的反馈，若都成功则发送提交指令，参与者提交事务；若有失败则发送回滚指令，参与者回滚事务。3PC相比2PC，增加了CanCommit阶段，减少了协调者单点故障导致的阻塞问题，并且在一定程度上提升了性能，但依然存在网络分区等问题。
- Paxos算法：
- 它通过多轮的提案、投票过程，让集群中的节点就某个值达成一致。例如在一个分布式数据库中，多个节点需要对某个数据的更新达成一致。每个提案包含提案编号和提案值，节点会对收到的提案进行投票，只有获得大多数节点同意的提案才能被通过。它的优点是能保证最终一致性，在网络分区等复杂情况下仍能正常工作；缺点是算法复杂，实现难度大，且在节点数量较多时性能有所下降。
- Raft算法：
- 它将节点分为领导者（Leader）、跟随者（Follower）和候选者（Candidate）三种角色。领导者负责处理客户端请求，将日志复制到其他节点。选举过程中，候选者向其他节点发送选举请求，获得大多数节点投票则成为领导者。日志复制时，领导者将日志条目发送给跟随者，跟随者验证并追加到本地日志。它相对Paxos算法更加简单易懂，容易实现，广泛应用于分布式存储等场景，同样能保证最终一致性。
- 同步复制：
- 在写操作时，数据会同时被复制到多个副本节点，只有当所有副本节点都成功写入数据后，写操作才被认为成功返回给客户端。例如在分布式文件系统中，上传文件时，文件数据会同时写入多个存储节点，全部写入成功后客户端才收到上传成功的响应。这种方式能保证强一致性，但性能较低，因为要等待所有副本操作完成，且只要有一个副本写入失败，整个写操作就失败。
- 异步复制：
- 写操作先在主节点完成，然后异步将数据复制到其他副本节点。主节点完成写操作后就可以立即返回成功给客户端。例如在一些高并发的Web应用数据库中，主库完成写操作后，通过消息队列等方式异步通知从库进行数据同步。这种方式性能较高，但可能存在数据不一致窗口，在同步完成前，从库和主库数据不一致，适用于对一致性要求相对不那么严格，对性能要求较高的场景。