【后端开发面试题】每日 3 题（二十一）
✍个人博客：Pandaconda-CSDN博客
📣专栏地址：https://blog.csdn.net/newin2020/category_12903849.html
📚专栏简介：在这个专栏中，我将会分享后端开发面试中常见的面试题给大家，每天的题目都是独立且随机的，之前的面试题不会影响接下来的学习~
❤️如果有收获的话，欢迎点赞👍收藏📁，您的支持就是我创作的最大动力💪
题目 1: 什么是分布式系统中的 CAP 理论？如何在实际项目中权衡 CAP？
答案：
CAP 理论指出，在分布式系统中，无法同时满足以下三个特性，最多只能满足其中两个：
- C (Consistency)：一致性，所有节点在同一时间看到的数据是一致的。
- A (Availability)：可用性，每个请求都能收到响应，无论成功或失败。
- P (Partition Tolerance)：分区容错性，系统在网络分区发生时仍能继续工作。
实际项目中的权衡：
-
CP 系统
- 特点：优先保证一致性和分区容错性，牺牲可用性。
- 适用场景：金融系统、支付系统等对数据一致性要求高的场景。
- 示例：当网络分区发生时，系统拒绝请求以确保数据一致性。
-
AP 系统
- 特点：优先保证可用性和分区容错性，牺牲一致性。
- 适用场景：社交网络、内容分发等对高可用性要求高的场景。
- 示例：允许不同节点返回不一致的数据，但在网络恢复后通过同步机制修复。
-
CA 系统
- 特点：在没有网络分区的情况下，可以同时保证一致性和可用性。
- 适用场景：单机系统或局域网环境下的小型应用。
- 示例：传统的关系型数据库（如 MySQL）通常偏向 CA。
总结：
- 在分布式环境中，分区容错性通常是必须的，因此需要在一致性和可用性之间权衡。
- 根据业务需求选择合适的策略，例如金融系统更注重一致性，而社交网络更注重可用性。
题目 2: 如何设计一个高效的分布式任务调度系统？请描述核心组件和实现思路。
答案：
分布式任务调度系统用于在分布式环境中协调和执行定时任务，以下是其核心组件和实现思路：
核心组件：
-
任务管理模块
负责任务的注册、配置和状态管理，包括任务名称、执行时间、执行频率等信息。 -
调度器 (Scheduler)
根据任务的执行时间和频率，触发任务的执行。可以使用时间轮算法或优先队列实现高效的调度。 -
执行器 (Executor)
实际执行任务逻辑的组件，分布在不同的节点上，支持水平扩展。 -
分布式协调模块
使用分布式协调工具（如 Zookeeper 或 Consul）确保任务在多个节点之间只被一个节点执行。 -
监控与报警模块
记录任务的执行日志、状态和性能指标，并在任务失败时发送报警通知。
实现思路：
-
任务分发
调度器将任务分配给可用的执行器，确保负载均衡。 -
任务幂等性
确保任务即使被多次执行也不会产生副作用。 -
容错机制
如果某个执行器宕机，调度器需重新分配任务到其他节点。 -
动态扩展
支持动态添加或移除执行器节点，无需重启系统。
示例：
使用 Quartz 配合 Redis 实现分布式任务调度：
- Quartz 负责任务的调度逻辑。
- Redis 存储任务的状态和锁，确保任务的唯一性和一致性。
题目 3: 什么是消息队列？它的作用是什么？常见的消息队列有哪些？
答案：
消息队列是一种异步通信机制，用于在分布式系统中传递消息，解耦生产者和消费者。
作用：
-
解耦
生产者和消费者之间通过消息队列进行通信，彼此无需直接依赖。 -
异步处理
将耗时操作放入消息队列，消费者异步处理，提升系统的响应速度。 -
削峰填谷
在高并发场景下，消息队列可以缓冲流量，避免下游系统过载。 -
可靠性
消息队列支持持久化存储，确保消息不会因系统故障而丢失。
常见的消息队列：
-
RabbitMQ
- 特点：支持多种协议（如 AMQP），功能强大，适合复杂的路由场景。
- 应用场景：金融系统、订单处理。
-
Kafka
- 特点：高吞吐量，适合大规模数据流处理。
- 应用场景：日志收集、实时数据分析。
-
RocketMQ
- 特点：高性能，支持事务消息，适合电商等对可靠性要求高的场景。
- 应用场景：订单系统、库存管理。
-
ActiveMQ
- 特点：成熟稳定，支持 JMS 协议。
- 应用场景：传统企业级应用。
选择建议：
根据业务需求选择合适的消息队列，例如高吞吐量场景选择 Kafka，复杂路由场景选择 RabbitMQ。