彻底解决分布式系统一致性问题整理(下)

首先本章内容参考《分布式服务架构》整理，思考和总结纯个人理解。

其实个人理解的时候，更希望能够得到代码层面的实现，单纯的理论知识还是不够落地，总结容易，真正实现起来还是需要项目的积累。

保证最终一致性的模式

1.查询模式

任何服务操作都需要提供一个查询接口，用来向外输出操作执行的状态。即：单笔查询，为了使查询操作有一个唯一标识，需要一个分布式环境下的ID，可用分布式锁,redis 递增,机器的唯一码 拿出几位存为机器id,这样一来每次查询操作相对更快。可解决同步调用超时问题异步回调超时问题。

2.补偿模式

再操作失败，我们需要修正有问题的操作，是分布式系统达到一致，为了让系统达到一致而做出的努力都叫做补偿操作。这个场景就和出水问题一样啊！！！补偿操作分为：自动回复，通知运营，和技巧运营。

3.异步确保模式

再对响应时间要求不高的场景，通过异步的方式处理，再把结果告知使用方，这个方案最大的好处就是能对高并发流量进行消峰，例如电商中的物流，配送，支付系统的计费，入账。

4.定期校对模

再操作主流系统间执行校对操作，再时候异步批量校对操作的状态，如果不一直进行补偿，这句话有点不太理解，定期校对系统如图

定期校对系统多用于金融系统，针对于数据的准确性。

5.可靠消息模式

利用消息队列实现异步化

①消息的可靠发送

发送消息之前先将消息持久化到数据库，将状态标记为未发送，然后发送消息，如果发送成功，则标记，定时从数据库捞取一定时间内未发送的消息并发送。

②消息处理器的幂等性

幂等性，幂等性，面试和刷题你总会遇到，要想解决，就得先知道啥叫幂等性。

在网络延迟传输中，会造成消息队列重试，在充实过程中，消息会存在重复

解决方案：

1.如果是数据库的插入操作，给消息做一个主键，避免出现脏数据。

2.使用第三方做消费记录，例如Redis，全局id为K，消息为V，写入到Redis，消费之前先去查Redis是否存在

3.使用数据库的行级锁

6.缓存一致性模式

如果面对亿级读需求，需要非关系型数据库抗住流量，这里有个问题？啥叫关系型数据库？(能够互相连接的列表式数据库)

读的顺序是先读缓存，读不到再读数据库，写的顺序是先写数据库，后写缓存。

超时处理模式

1微服务的交互模式

①同步调用模式

服务1调用服务2，服务1等待服务2返回结果

②异步调用模式

服务1调用服务2，服务2处理后，反向通知服务2

③消息队列异步处理模式

服务1传递给服务2，不需要关心返回结果

①同步调用模式解决方案

两状态

三状态

②异步调用模式解决方案

③消息队列异步处理模式解决方案

文章对服务化系统中同步调用，异步调用，消息队列等应用场景进行了分析，个人理解还是不到位，还有一些疑问，例如什么时候会导致消息重发？消息重发仍然失败怎么办？失败次数超过预期怎么办？还有就是怎么样从代码层面实现，这些在面试中都太笼统了，根本解决不了实际问题，还是要从实际场景解决问题，文章也是给出一个解决思路。另外，有个有意思的事就是，总有公司问你亿级系统如何处理，举了一大堆例子，辩论半天，后来你发现这公司用户还没你朋友圈集赞点赞人数多，这种事常见，为未来做打算不是不对，还是先保证能用，再保证高可用吧。