面试题答案
一键面试1. 一致性模型概述
- 强一致性：所有节点在同一时刻看到的数据完全一致。读写操作完成后，后续任何读取操作都能获取到最新写入的值。
- 弱一致性：系统不保证数据在所有节点上立即一致，可能存在延迟。
- 最终一致性：是弱一致性的一种特殊形式，系统保证在没有新的更新操作发生后的一段时间内，所有节点最终会达到一致状态。
2. 基于业务需求权衡
- 对数据准确性要求极高的业务
- 场景：如银行转账业务，金额数据必须准确，不容许出现数据不一致导致资金损失。
- 选择：倾向于强一致性模型。虽然强一致性会带来性能开销，但能确保数据的绝对准确，符合业务核心需求。
- 对实时性要求不高，但注重系统高可用和扩展性的业务
- 场景：如社交媒体平台的点赞数统计，允许点赞数在短时间内存在一定误差。
- 选择：可采用最终一致性模型。它能减少节点间同步数据的开销，提高系统的可用性和扩展性，满足业务对大规模用户并发操作的需求。
3. 从网络延迟方面权衡
- 高网络延迟环境
- 强一致性：由于强一致性要求所有节点同步数据，在高延迟网络下，数据同步的等待时间会显著增加，导致系统整体响应时间变长，性能下降。
- 最终一致性：更适合高延迟网络，它允许节点在本地先处理数据，减少等待同步的时间，提高系统的响应性能。但可能在一段时间内存在数据不一致情况。
- 低网络延迟环境
- 强一致性：网络延迟对其性能影响相对较小，在能接受的延迟范围内，可以实现强一致性，满足对数据准确性要求高的业务场景。
4. 从节点故障处理方面权衡
- 频繁节点故障场景
- 强一致性：节点故障可能导致数据同步中断，为保证强一致性，系统需要等待故障节点恢复或进行复杂的故障转移和数据修复操作，这会严重影响系统性能和可用性。
- 最终一致性：在节点故障时，其他节点仍可继续处理数据，待故障节点恢复后再进行数据同步，系统的可用性更高，对性能影响相对较小。
- 节点故障较少场景
- 强一致性：可在保证数据一致性的同时，不会因节点故障频繁触发复杂的处理流程，对系统性能影响不大，此时可根据业务对数据一致性的要求选择强一致性模型。