跳到主要内容

分布式系统基础

问题​

什么是 CAP 定理？分布式系统有哪些核心挑战？

答案​

CAP 定理​

在一个分布式系统中，以下三个特性最多只能同时满足两个：

字母含义说明
CConsistency（一致性）所有节点看到的数据一致
AAvailability（可用性）每个请求都能收到响应
PPartition tolerance（分区容忍）网络分区时系统仍能运作
关键理解

分布式系统中网络分区不可避免（P 必须保留），所以实际选择是 CP 或 AP：

  • CP：保证一致性，牺牲可用性（如 ZooKeeper、etcd）
  • AP：保证可用性，牺牲一致性（如 Cassandra、DynamoDB）

BASE 理论​

BASE 是对 CAP 中 AP 的补充：

概念说明
Basically Available基本可用，允许响应时间增加或功能降级
Soft state软状态，允许数据存在中间状态
Eventual consistency最终一致性，数据最终会达到一致

分布式 ID 生成​

distributed-id.ts
// 方案对比
const idStrategies = {
  uuid: {
    pros: '简单、无中心依赖',
    cons: '无序、索引性能差、36 字符太长',
  },
  snowflake: {
    pros: '有序、高性能、信息丰富（时间+机器+序列）',
    cons: '依赖时钟同步',
  },
  database: {
    pros: '简单、有序',
    cons: '单点瓶颈、性能低',
  },
  redis: {
    pros: '高性能、有序',
    cons: '依赖 Redis',
  },
};

// 雪花算法简化版
class Snowflake {
  private sequence = 0n;
  private lastTimestamp = -1n;

  constructor(
    private workerId: bigint,   // 机器 ID
    private epoch = 1640995200000n,  // 自定义纪元
  ) {}

  nextId(): bigint {
    let timestamp = BigInt(Date.now()) - this.epoch;

    if (timestamp === this.lastTimestamp) {
      this.sequence = (this.sequence + 1n) & 4095n; // 12 位序列号
      if (this.sequence === 0n) {
        // 同一毫秒序列号用完，等待下一毫秒
        while (timestamp <= this.lastTimestamp) {
          timestamp = BigInt(Date.now()) - this.epoch;
        }
      }
    } else {
      this.sequence = 0n;
    }

    this.lastTimestamp = timestamp;
    return (timestamp << 22n) | (this.workerId << 12n) | this.sequence;
  }
}

分布式锁​

distributed-lock.ts
// Redis 分布式锁
class RedisLock {
  async acquire(key: string, ttl: number = 10000): Promise<string | null> {
    const token = crypto.randomUUID();
    const result = await redis.set(
      `lock:${key}`,
      token,
      'PX', ttl,
      'NX',  // 不存在时才设置
    );
    return result === 'OK' ? token : null;
  }

  async release(key: string, token: string): Promise<boolean> {
    // Lua 脚本保证原子性：只有持有者才能释放
    const script = `
      if redis.call("get", KEYS[1]) == ARGV[1] then
        return redis.call("del", KEYS[1])
      else
        return 0
      end
    `;
    const result = await redis.eval(script, 1, `lock:${key}`, token);
    return result === 1;
  }
}

常见面试问题​

Q1: 如何保证分布式系统的数据一致性？​

答案：

  1. 强一致性：分布式事务（2PC），性能差
  2. 最终一致性：消息队列 + 重试 + 补偿，实际最常用
  3. 因果一致性：版本号/向量时钟

大多数互联网系统选择"最终一致性"。

Q2: 分布式锁有哪些实现方式？​

答案：

方式优点缺点
Redis（SET NX）高性能，简单集群下有缺陷
Redlock更可靠实现复杂，有争议
ZooKeeper强一致重量级
数据库乐观锁简单性能低

Q3: 什么是脑裂？​

答案：

网络分区导致集群分成两个独立的子集，各自认为对方挂了，各自选出新 Leader，导致两个 Leader 同时存在。解决方案：多数派选举（Raft/Paxos）、奇数节点部署。

Q4: 前端工程师为什么要了解分布式？​

答案：

  1. 理解后端架构有助于 API 联调和问题排查
  2. BFF/Node.js 中间层面临分布式问题
  3. 前端也有分布式概念：多标签页状态同步、PWA 离线同步
  4. 面试高级前端经常问跨领域知识

相关链接​