面试题答案
一键面试一致性协议
- Eureka：采用AP（可用性和分区容错性）原则，Eureka Server之间通过互相复制状态来保持数据一致性，但在网络分区等情况下，允许存在数据不一致，重点保证服务的可用性。
- Consul：支持CP（一致性和分区容错性）和AP模式。默认使用Raft一致性算法，在网络分区时优先保证数据一致性，也可通过配置切换到AP模式。
- Zookeeper：使用ZAB（Zookeeper Atomic Broadcast）协议，保证数据强一致性，遵循CP原则，在网络分区时会牺牲部分可用性来确保数据一致性。
数据模型
- Eureka：数据模型相对简单，主要存储服务实例的元数据，如服务名称、IP地址、端口号等。每个服务实例以键值对形式存储在Eureka Server中。
- Consul：采用键值对存储数据，不仅可以存储服务实例信息，还能存储其他配置信息等，数据模型更为灵活。可通过分层的键空间来组织数据，如将不同服务相关数据放在不同的目录下。
- Zookeeper：数据模型类似文件系统，以树形结构存储数据，每个节点称为ZNode，可存储数据和子节点。服务注册信息存储在特定的ZNode下，可利用ZNode的特性实现复杂的服务管理功能。
应用场景
- Eureka：适用于强调服务可用性的微服务架构场景，例如互联网业务，允许短暂的数据不一致，只要能保证服务的快速发现和调用即可。
- Consul：适用于对数据一致性有一定要求，同时也需要一定可用性的场景，如金融微服务等。CP模式下可保证数据强一致性，AP模式下又能提供较高可用性。
- Zookeeper：适合对数据一致性要求极高的场景，如分布式协调场景，像Hadoop、Kafka等框架借助Zookeeper来保证集群中各节点状态的一致性。
Eureka优化策略针对大规模服务注册延迟问题
- 负载均衡：
- 在Eureka Server集群前部署负载均衡器，如Nginx，将服务注册请求均匀分配到各个Eureka Server节点，避免单个节点负载过高。
- 可采用加权轮询等负载均衡算法，根据Eureka Server节点的硬件资源（CPU、内存等）分配不同权重，使请求更合理地分布。
- 缓存机制：
- 在客户端增加缓存，例如使用Guava Cache等本地缓存工具。当客户端首次从Eureka Server获取服务列表后，将其缓存起来，在一定时间内（如5 - 10分钟）优先从本地缓存获取服务信息，减少对Eureka Server的请求压力。
- Eureka Server自身也可优化缓存策略，采用多级缓存，如同时使用本地缓存和分布式缓存（如Redis）。对于读操作频繁的服务列表数据，优先从本地缓存读取，若本地缓存未命中再从分布式缓存或数据库读取，提高响应速度。
- 数据压缩：
- 在Eureka Server和客户端之间采用数据压缩技术，如Gzip。对服务注册信息、服务列表等数据进行压缩传输，减少网络带宽占用，加快数据传输速度，特别是在大规模服务注册时，可有效降低延迟。
- 优化配置：
- 调整Eureka Server的配置参数，如
eureka.server.eviction-interval-timer-in-ms（服务剔除间隔时间），适当增大该值，减少服务剔除任务的执行频率，避免因频繁剔除任务影响服务注册性能。 - 合理设置
eureka.instance.lease-renewal-interval-in-seconds（服务续约间隔时间）和eureka.instance.lease-expiration-duration-in-seconds（服务失效时间），在保证服务可用性的前提下，减少不必要的续约请求和失效检测，降低服务器负载。
- 调整Eureka Server的配置参数，如