分布式场景面试高频问题汇总
分布式系统是面试的重头戏。
很多候选人能在简历上写「熟悉分布式系统」，但问到细节就卡壳了。
今天汇总分布式场景的面试高频问题，附上回答思路和追问方向。
问题一：如何保证缓存和数据库一致性？
回答思路
这道题考察的是 Cache Aside 模式的理解。
- Cache Aside 模式：读操作 Cache 命中返回，未命中查 DB 写 Cache；写操作先更新 DB，再删缓存（不是更新缓存）
- 为什么删而不是更新：删除代价小，避免脏写
- 可能的问题：并发情况下可能出现短暂不一致
关键要点
- 读：Cache 命中 → 返回；未命中 → 查 DB → 写 Cache → 返回
- 写：更新 DB → 删除 Cache（不是更新）
- 不能先删 Cache 再更新 DB，会导致并发时缓存是旧值
可能的追问
- 先更新 DB 还是先删 Cache？（答：先更新 DB，再删 Cache）
- 延迟双删是什么？（答：删除 Cache 后延迟一段时间再删除一次，防止并发）
- 能做到强一致吗？（答：不能，只能做到最终一致，强一致需要分布式事务）
问题二：分布式 Session 如何实现？
回答思路
考察的是对分布式 Session 方案的理解。
- Session 共享问题：单机 Session 无法跨机器共享
- Spring Session + Redis：将 Session 存储到 Redis
- 核心原理：Filter 拦截请求，替换 HttpSession 实现
关键要点
- Session 存在 JVM 内存，集群环境下各节点不共享
- Spring Session 通过 Filter 将 Session 存入 Redis
- 使用
@EnableRedisHttpSession开启
可能的追问
- Session 数据序列化用什么？（答：推荐 JSON，避免 Java 序列化）
- Session 过期时间和 Redis TTL 怎么保持一致？（答：Spring Session 自动同步）
- Session 和 Token 哪个更好？（答：各有优劣，Session 有状态管理方便，Token 无状态扩展性好）
问题三：如何设计一个单点登录系统？
回答思路
考察的是对 CAS 原理的理解。
- SSO 定义：一次登录，多处访问
- CAS 流程：用户访问 A 系统 → 重定向到 CAS Server → 验证用户名密码 → 返回 ST → A 验证 ST
- 三个核心票据：TGT、TGC、ST
关键要点
- CAS Server 统一认证，各系统验证 Ticket
- ST 一次性使用，防止冒用
- TGC 存在浏览器 Cookie，TGT 存在 CAS Server
可能的追问
- CAS 和 OAuth2 的区别？（答：CAS 专注单点登录，OAuth2 支持授权）
- CAS 如何实现登出？（答：销毁 TGT，各系统收到通知清除 Session）
- CAS 的 ST 为什么设计成一次性的？（答：防止 ST 被截获后冒用）
问题四：如何实现接口幂等性？
回答思路
考察的是对幂等性实现的理解。
- 幂等性定义：多次执行结果一致
- 常用方案：Token 机制、唯一键、状态机
- Token 机制：提交前获取 Token，请求时携带 Token，服务端删除 Token
关键要点
- 插入操作：唯一键冲突捕获
- 更新操作：状态机 + 版本号
- 删除操作：天然幂等
- Token 机制：Redis 存储 Token，请求前获取，执行时校验并删除
可能的追问
- POST 请求怎么幂等？（答：Token 机制）
- 分布式锁能保证幂等吗？（答：能，但性能损耗大）
- 消息队列消费怎么幂等？（答：消息 ID + 业务去重表）
问题五：如何设计一个分布式任务调度系统？
回答思路
考察的是对分布式任务调度的理解。
- 分片模式：大任务拆分为多个小任务并行处理
- 防重复执行：分布式锁 + 状态检查
- 任务框架：ElasticJob、XXL-JOB
关键要点
- 分片策略：Hash 分片、范围分片
- 分布式锁：保证同一时刻只有一个节点执行
- 状态检查：乐观锁 + 状态更新
可能的追问
- 任务失败了怎么办？（答：重试机制 + 失败告警）
- 任务超时怎么处理？（答：超时监控 + 中断）
- 广播模式和分片模式的区别？（答：广播所有节点都执行，分片每个节点执行一部分）
问题六：如何实现全链路限流？
回答思路
考察的是对分层限流的理解。
- 限流层次：网关层 → 应用层 → 资源层
- 限流算法：滑动窗口、令牌桶、漏桶
- Sentinel 限流：注解 + 规则配置
关键要点
- 网关层：Nginx/Lua，限制总入口流量
- 应用层：Sentinel/Hystrix，限制接口 QPS
- 资源层：数据库连接池，限制数据库连接
可能的追问
- 滑动窗口和令牌桶的区别？（答：滑动窗口统计一段时间内请求数，令牌桶按固定速率放行）
- 限流后返回什么？（答：友好错误、兜底数据、排队）
- Sentinel 和 Hystrix 的区别？（答：Sentinel 是滑动窗口，Hystrix 是滚动窗口）
问题七：如何设计一个异地多活架构？
回答思路
考察的是对单元化架构的理解。
- 单元化：每个地域是独立单元，自包含
- 流量路由：按用户 ID 或地域路由
- 数据同步：单元内强一致，单元间最终一致
关键要点
- 单元内：分布式数据库，强一致
- 单元间：异步复制，最终一致
- 跨单元事务：TCC 或 Saga 模式
可能的追问
- 单元化架构的核心思想是什么？（答：每个单元自包含，数据和流量隔离）
- 如何处理跨单元事务？（答：TCC、Saga 或接受最终一致）
- 同城双活和异地多活的区别？（答：同城延迟低，异地可应对城市级别灾难）
问题八：如何处理缓存穿透、击穿、雪崩？
回答思路
考察的是对缓存问题的全面理解。
- 穿透：查询不存在的数据 → 布隆过滤器
- 击穿：热点 key 过期 → 互斥锁 / 逻辑过期
- 雪崩：大量 key 同时过期 → 过期时间随机化 + 熔断降级
关键要点
- 穿透：布隆过滤器快速判断 key 是否存在
- 击穿：互斥锁保证只有一个线程查 DB，逻辑过期不阻塞
- 雪崩：过期时间随机化 + 本地缓存兜底 + 熔断降级
可能的追问
- 布隆过滤器为什么不能删除？（答：删除会影响其他 key 的判断）
- 互斥锁和逻辑过期的区别？（答：互斥锁数据一致但有等待，逻辑过期无等待但可能返回脏数据）
- 如何选择降级策略？（答：根据业务容忍度决定）
问题九：如何实现分布式链路追踪？
回答思路
考察的是对 TraceId 机制的理解。
- TraceId：请求链路的唯一标识
- SpanId：每一步的编号
- MDC：Logback 集成 TraceId
关键要点
- TraceId 在网关生成，在整个链路中传递
- HTTP Header / RPC RpcContext / MQ 消息 Header 传递
- Logback MDC 将 TraceId 写入日志
可能的追问
- TraceId 怎么生成？（答：UUID 或 Snowflake）
- Skywalking 和 Zipkin 的区别？（答：Skywalking 功能更强，Zipkin 更轻量）
- 如何在日志中看到 TraceId？（答：Logback MDC 配置）
问题十：如何设计一个分库分表方案？
回答思路
考察的是对分库分表的理解。
- 分片键选择：选择分布均匀的字段
- ID 生成：号段模式或雪花算法
- 分片中间件：ShardingSphere、MyCat
关键要点
- 分片键：尽量选择 ID 或时间，避免热点
- ID 生成：号段模式批量取，雪花算法不依赖外部
- 分片后的问题：跨分片查询、分页
可能的追问
- 雪花算法时钟回拨怎么办？（答：等待、使用上一个 Sequence）
- 分库分表后如何做分页查询？（答：Scatter-Gather 并行查询所有分片）
- 分库分表后如何做跨库 JOIN？（答：绑定表广播、单库内 JOIN）
总结
分布式场景的面试题，本质上考察的是：
- 对问题的理解：能不能说清楚问题的本质
- 对方案的理解：能不能说清楚方案的原理和取舍
- 对细节的掌握：能不能说出实现的关键点
背答案是没有用的，理解原理才是关键。