面试题答案
一键面试架构组成部分
- 缓存层：
- 分布式缓存节点：采用如Redis集群等分布式缓存系统，根据数据的哈希值将数据分布到不同的节点上，以实现大规模数据存储。每个节点负责一部分数据的存储和读写操作，提高系统的扩展性。
- 本地缓存：在应用服务器上设置本地缓存（如Guava Cache），对于频繁访问的数据，先从本地缓存读取，减少对分布式缓存的访问压力，提升响应速度。
- 数据存储层：
- 关系型数据库：如MySQL，用于持久化存储数据，保证数据的完整性和一致性。当缓存中数据更新时，同步更新到数据库。
- 分布式文件系统（可选）：对于一些大文件或非结构化数据，可以使用如Ceph等分布式文件系统进行存储。
- 缓存一致性协议模块：
- 借鉴CPU缓存一致性协议（如MESI协议）的思想，设计一个缓存一致性协议。每个缓存节点记录数据的状态（如已修改、共享、无效等）。当数据发生变化时，通过消息广播机制通知其他缓存节点更新状态。
- 负载均衡器：
- 硬件负载均衡器：如F5 Big - IP，将外部请求均匀分配到各个缓存节点上，以实现高并发读写。它可以根据不同的策略（如轮询、最少连接数等）进行请求分发。
- 软件负载均衡器：如Nginx，在应用层实现负载均衡，同样可根据多种策略分配请求，还可进行一些简单的请求过滤和处理。
工作流程
- 读操作：
- 应用程序发起读请求，首先查询本地缓存。如果本地缓存命中，则直接返回数据。
- 若本地缓存未命中，请求发送到负载均衡器，负载均衡器将请求转发到对应的分布式缓存节点。
- 分布式缓存节点查询自身缓存，如果命中则返回数据，并将数据更新到本地缓存（如果本地缓存策略允许）。
- 若分布式缓存也未命中，从数据存储层（如数据库）读取数据，返回给应用程序，同时将数据写入分布式缓存和本地缓存（如果策略允许）。
- 写操作：
- 应用程序发起写请求，先发送到负载均衡器，负载均衡器转发到对应的分布式缓存节点。
- 分布式缓存节点更新自身数据，并标记为“已修改”状态。同时，通过缓存一致性协议模块向其他缓存节点广播数据修改消息，其他节点收到消息后将对应数据标记为“无效”。
- 缓存节点将数据同步更新到数据存储层（如数据库）。
数据同步机制
- 缓存到数据库同步：
- 采用同步写回策略，即当缓存数据更新后，立即将更新操作同步到数据库，确保数据的强一致性。为了提高性能，可以批量执行数据库写入操作，减少数据库I/O次数。
- 缓存节点间同步：
- 基于缓存一致性协议，当一个缓存节点数据发生变化时，通过消息队列（如Kafka）广播更新消息。其他缓存节点订阅这些消息，根据消息中的数据状态和操作类型进行相应处理（如将本地数据标记为无效或更新）。
不同负载情况下保证系统稳定性和高性能的策略
- 低负载：
- 可以适当降低缓存节点的资源配置，如减少内存使用或关闭部分备用节点，以节省成本。
- 对缓存数据进行预热，提前将一些热点数据加载到缓存中，提高初始响应速度。
- 高负载：
- 动态增加缓存节点，通过自动化的集群扩展机制（如Redis Cluster的自动节点添加），提高系统的存储和处理能力。
- 优化负载均衡策略，根据节点的实时负载情况动态调整请求分发，避免部分节点过载。
- 启用缓存数据的异步加载，在后台线程中提前加载可能需要的数据到缓存，减少用户等待时间。
应对网络分区等故障场景
- 网络分区：
- 采用多数投票机制（如Raft算法的思想），在网络分区发生时，每个分区内的缓存节点进行内部协商。如果某个分区内的节点数量达到多数（超过一半），则该分区内的节点可以继续提供服务，保证系统的部分可用性。
- 当网络恢复后，各个分区之间进行数据同步和状态协调，通过比较版本号或时间戳等方式，合并数据，恢复系统的一致性。
- 节点故障：
- 引入节点备份机制，每个缓存节点都有一个或多个备份节点。当主节点发生故障时，备份节点可以迅速接管其工作，保证服务的连续性。
- 对于故障节点上的数据，在备份节点接管后，重新与其他节点进行数据同步，确保数据的一致性。