面试题：针对2PC同步阻塞问题，常见的优化思路及实现方式有哪些

Question

除了常规的一些解决思路外，请分析每种解决方式在不同应用场景下的优势与局限性。比如在高并发、对数据一致性要求极高的场景中，哪种优化思路更为合适，为什么？

Answer 1

1. 缓存优化

• 优势：
  • 高并发场景：能极大减轻后端数据源压力，快速响应大量请求，提升系统整体吞吐量。例如电商秒杀场景，大量用户请求商品信息，缓存可直接返回数据，避免数据库高负载。
  • 对数据一致性要求不特别高场景：缓存可设置合理过期时间，允许一定时间内数据存在不一致情况，提升读取性能。如新闻资讯类应用，短时间内数据略有延迟更新对用户体验影响不大。
• 局限性：
  • 对数据一致性要求极高场景：缓存存在过期策略、数据更新同步延迟等问题，难以保证数据绝对实时一致。如金融交易场景，每一笔资金变动都需准确无误，缓存不太适用。
  • 数据更新频繁场景：频繁更新数据会导致缓存频繁失效和重建，降低缓存命中率，增加系统开销。

2. 数据库读写分离

• 优势：
  • 高并发场景：读操作分摊到从库，减轻主库压力，提高系统并发处理能力。适合社交平台等读多写少的应用，大量用户浏览动态等读操作可由从库处理。
  • 对数据一致性要求相对不高场景：从库数据同步可能存在短暂延迟，但对于多数读操作影响不大，可保证系统整体可用性和性能。
• 局限性：
  • 对数据一致性要求极高场景：从库同步延迟可能导致读操作读到旧数据，无法满足严格的数据一致性需求。如银行转账后立即查询余额，要求数据必须准确最新。
  • 写操作频繁场景：主库写压力仍较大，可能成为性能瓶颈，且写操作后从库同步延迟可能影响后续读操作。

3. 异步处理

• 优势：
  • 高并发场景：将耗时操作异步处理，避免阻塞主线程，提升系统响应速度和并发能力。如订单处理系统，下单后发送短信、邮件通知等操作异步执行，不影响订单主流程处理。
  • 对数据一致性要求不高场景：异步任务可在后台逐步处理，即使部分任务失败可重试，不影响整体业务流程。如日志记录，偶尔丢失几条日志对核心业务影响不大。
• 局限性：
  • 对数据一致性要求极高场景：异步处理可能存在任务执行失败、顺序错乱等问题，难以保证数据严格一致性。如库存扣减与订单生成需强一致，异步处理可能导致库存与订单数据不一致。
  • 实时性要求高场景：异步处理存在一定延迟，无法满足对结果实时获取的需求。如即时通讯消息需实时显示给用户。