Java分布式架构面试题库

生成时间：2026-05-24 21:57

【面试题】1. CAP定理中为什么只能三选二？在实际系统中如何权衡？

【标准答案】 CAP定理的核心是：一个分布式系统不可能同时满足一致性(C)、可用性(A)、分区容错性(P)。

为什么只能三选二？因为网络分区是客观存在的，P无法避免。当分区发生时，系统必须在C和A之间做选择——要么等待分区恢复保证一致性但牺牲可用性，要么继续响应请求保证可用性但可能返回旧数据。

实际权衡策略：

CP系统（如Zookeeper、HBase）：强一致性优先，网络分区时部分节点不可用。适合金融转账、库存扣减等对一致性要求极高的场景。
AP系统（如Cassandra、Eureka）：可用性优先，分区时继续服务但可能读到旧数据。适合社交动态、商品展示等容忍短暂不一致的场景。
注意：实际上很多系统在不同层面做取舍，比如Redis Cluster是AP但支持异步复制的一致性读，MySQL主从是AP但可以通过半同步提升一致性。

面试加分点：提到"实际上没有真正的CA系统，因为P是分布式系统固有的"。

【面试题】2. Redis分布式锁如何解决锁超时导致的安全问题？

【标准答案】 Redis分布式锁的核心问题是：如果持有锁的客户端执行时间超过锁的过期时间，锁会自动释放，其他客户端获得锁后可能导致并发问题。

解决方案：

锁续期（看门狗机制）：
- Redisson实现的Watchdog，后台线程定期续期（默认每10秒续期到30秒）
- 业务没执行完锁不会过期，执行完自动停止续期
合理设置超时时间：
- 根据业务最长执行时间设置，留出buffer
- 比如业务最大执行5秒，锁设置10秒
Redlock算法（多节点高可用）：
- 在多个Redis实例上加锁，大多数成功才算成功
- 防止单节点故障导致锁失效
锁释放校验：
- 释放锁时检查value是否是自己设置的（Lua脚本原子操作）
- 防止误删其他客户端的锁

实际落地：生产环境直接用Redisson，自带看门狗、可重入锁、读写锁，不用自己造轮子。

【面试题】3. TCC分布式事务模式下，Confirm阶段失败了怎么办？

【标准答案】 TCC（Try-Confirm-Cancel）是柔性事务方案，Confirm失败是常见问题。

失败处理机制：

重试机制：
- Confirm失败后，事务协调器不断重试（指数退避策略）
- 直到成功或达到最大重试次数
- 因为Confirm是确认操作，必须成功才能保证事务完整性
幂等性设计：
- Confirm操作必须幂等，多次执行结果相同
- 通过业务流水号去重，执行前先查状态
人工介入：
- 重试N次仍失败，转入人工处理队列
- 记录完整的事务日志，便于排查和补偿
定时任务扫描：
- 后台任务扫描长时间未完成的事务
- 触发重试或报警

关键点：Confirm没有Cancel，只能重试到底。这也是TCC的"刚性"体现——Try之后必须有个明确结果。

实际经验：Seata TCC模式下，Confirm失败会记录在事务日志表，后台有补偿线程自动重试。业务代码要确保Confirm幂等。

【面试题】4. Snowflake雪花算法时钟回拨问题怎么解决？

【标准答案】 Snowflake依赖服务器时间，时钟回拨会导致ID重复或时间倒退。

解决方案：

回拨检测+等待：
- 记录上次生成ID的时间戳
- 发现时间回拨，等待到时间追上
- 小回拨（比如几毫秒）可以等，大回拨需要其他策略
回拨拒绝：
- 回拨超过阈值（比如5ms），直接报错或返回备用方案
- 适合对连续性要求不高的场景
预留ID段：
- 百度UidGenerator方案：提前生成一批ID缓存
- 时钟回拨时使用缓存的ID
- 平时异步补充缓存
时钟回拨位：
- 美团Leaf方案：用部分位存储回拨次数
- 同一毫秒内回拨也能区分
NTP时钟同步优化：
- 禁用NTP主动调整，只做监控
- 发现时钟偏差报警，人工介入

生产建议：

物理机避免虚拟机时钟漂移
监控系统时间变化
使用UidGenerator或Leaf等成熟方案

【面试题】5. 缓存穿透、击穿、雪崩的区别和解决方案？

【标准答案】这三个问题都是缓存失效导致的数据库压力问题，但场景不同。

缓存穿透：查询不存在的数据，缓存没命中，直接打到数据库。

解决方案：
- 布隆过滤器过滤不存在的key
- 空值也缓存，设置短过期时间（如5分钟）
- 参数校验拦截非法请求

缓存击穿：某个热点key过期瞬间，大量请求同时访问数据库。

解决方案：
- 热点key永不过期，异步更新
- 互斥锁：缓存失效时只允许一个线程查库重建缓存
- 提前续期：访问时延长过期时间

缓存雪崩：大量key同时过期，或Redis宕机，数据库压力骤增。

解决方案：
- 过期时间加随机值，避免同时失效
- 多级缓存：本地缓存+Redis
- Redis高可用：主从+哨兵+Cluster
- 限流降级：保护数据库

实际落地：

穿透：布隆过滤器+空值缓存
击穿：热点key预热+互斥锁
雪崩：随机过期+多级缓存+熔断

面试加分：提到"双十一热点商品预热到缓存，设置随机过期时间防止雪崩"。

【面试题】6. JWT无状态方案如何实现Token刷新和注销？

【标准答案】 JWT无状态的好处是不需要服务端存储，但也带来了刷新和注销难题。

Token刷新方案：

双Token机制：
- Access Token：有效期短（如2小时），用于访问
- Refresh Token：有效期长（如7天），用于刷新Access Token
- Refresh Token存储在Redis中，可主动失效
滑动刷新：
- 用户活跃时自动延长Token有效期
- 后台静默刷新，用户无感知
Token黑名单：
- 注销时将Token加入Redis黑名单
- 每次请求检查黑名单（牺牲部分性能）

注销方案：

Token黑名单：
- 注销时将未过期的Token加入黑名单
- 设置过期时间等于Token剩余有效期
- 访问时检查黑名单
版本号机制：
- Token中包含版本号字段
- 用户数据中维护当前版本号
- 注销时更新版本号，旧Token失效
Refresh Token撤销：
- 注销时删除Redis中的Refresh Token
- Access Token短时间后自然过期

实际选择：

安全要求高：黑名单+双Token
性能要求高：版本号机制+短过期时间

【面试题】7. 令牌桶和漏桶算法的区别？生产环境如何选择？

【标准答案】两者都是限流算法，但特性和适用场景不同。

漏桶算法：

原理：请求先进队列，以固定速率流出处理
特点：流出速率恒定，能平滑突发流量
缺点：无法应对突发请求，队列满则丢弃
场景：保护数据库等处理能力固定的系统

令牌桶算法：

原理：以固定速率往桶里放令牌，请求拿令牌才能处理
特点：桶有容量，可以应对突发流量（桶内有令牌时）
优势：既有限流又有一定弹性
场景：API网关、业务限流

核心区别：

漏桶：强制恒定速率，突发流量直接丢弃
令牌桶：允许一定程度的突发，桶内令牌可瞬时使用

生产选择：

API限流：令牌桶（如Guava RateLimiter、Redis+Lua实现）
数据库保护：漏桶（平滑请求，防止突发打挂）
分布式限流：Redis+Lua实现令牌桶，集群统一计数

实际落地：

java

// Guava RateLimiter（单机）
RateLimiter limiter = RateLimiter.create(100); // 100 QPS
if (limiter.tryAcquire()) {
    // 处理请求
}

面试加分：提到"Sentinel同时支持QPS限流（令牌桶）和并发线程数限流"。

【面试题】8. Raft算法中Leader选举的具体流程？

【标准答案】 Raft是强一致性算法，Leader选举是其核心机制。

选举流程：

初始状态：
- 所有节点都是Follower状态
- 每个节点有随机选举超时时间（150-300ms）
超时触发：
- Follower在选举超时时间内未收到Leader心跳
- 转为Candidate状态，任期号+1
发起投票：
- Candidate先给自己投票
- 向其他节点发送RequestVote RPC
投票判断：
- 收到投票请求的节点检查：
  - 候选人任期 >= 自己的任期
  - 候选人日志至少和自己一样新
- 满足条件则投票，每个任期只能投一次
选举结果：
- 获得多数派投票（N/2+1）→ 成为Leader
- 收到更高任期的心跳 → 退回Follower
- 选举超时未获多数 → 重新选举
Leader上任：
- 立即发送心跳确认地位
- 后续所有请求通过Leader处理

关键点：

随机超时避免同时选举（脑裂）
多数派机制保证只有一个Leader
日志新旧判断防止数据丢失

实际应用：Etcd、Consul都用Raft，3节点集群容忍1节点故障。

【面试题】9. Zookeeper临时节点和持久节点的应用场景？

【标准答案】 Zookeeper节点类型决定了生命周期和用途。

持久节点（Persistent）：

特点：创建后永久存在，直到主动删除
应用场景：
- 配置中心：存储配置信息
- 命名服务：服务注册信息
- 路由信息：存储路由规则

临时节点（Ephemeral）：

特点：客户端会话结束自动删除
应用场景：
- 服务注册：服务下线自动注销
- 分布式锁：锁持有者宕机自动释放
- Leader选举：候选者创建临时节点，创建成功者为Leader

临时顺序节点：

特点：临时节点+自动递增序号
应用场景：
- 公平锁：序号最小的获得锁
- 分布式队列：按序号顺序处理

持久顺序节点：

特点：持久节点+自动递增序号
应用场景：
- 全局有序ID生成

实际案例：

java

// 服务注册（临时节点）
zk.create("/services/order-service/host:port", data, 
          ZooDefs.Ids.OPEN_ACL_UNSAFE, CreateMode.EPHEMERAL);

// 分布式锁（临时顺序节点）
zk.create("/lock/order-", data,
          ZooDefs.Ids.OPEN_ACL_UNsafe, CreateMode.EPHEMERAL_SEQUENTIAL);

面试加分：提到"Curator框架封装了这些细节，Recipe包提供现成的分布式锁实现"。

【面试题】10. 分布式链路追踪中TraceId如何在整个调用链中传递？

【标准答案】 TraceId是链路追踪的核心，需要在整个调用链中透传。

传递机制：

RPC调用传递：
- Dubbo：RpcContext中设置attachment
- Feign：RequestInterceptor添加Header
- gRPC：Metadata中传递
HTTP调用传递：
- 放在HTTP Header中：X-Trace-Id: xxx
- 下游服务从Header提取并继续传递
异步调用传递：
- 线程池：使用装饰过的Runnable/Callable，在任务创建时捕获上下文
- 消息队列：消息Header中携带TraceId
- Spring的@Async：TaskDecorator自动传递
跨服务框架：
- Spring Cloud Sleuth：自动注入TraceId到Header
- Micrometer Tracing：统一抽象，适配多种Tracing后端
- SkyWalking Agent：字节码增强，无侵入传递

技术实现：

java

// 主线程
String traceId = TraceContext.traceId();
MDC.put("traceId", traceId);

// 跨线程传递（使用TransmittableThreadLocal）
ExecutorService executor = TtlExecutors.getTtlExecutorService(rawExecutor);

// RPC传递
RpcContext.getContext().setAttachment("traceId", traceId);

实际方案：

微服务：Spring Cloud Sleuth + Zipkin
性能要求高：SkyWalking Agent（无侵入，性能损耗<5%）
自研框架：TransmittableThreadLocal + Header传递

面试加分：提到"异步场景用阿里TTL库，解决InheritableThreadLocal线程池复用问题"。

本次生成题目覆盖：

理论基础：CAP定理
分布式锁：Redis锁续期
分布式事务：TCC Confirm失败处理
分布式ID：Snowflake时钟回拨
缓存：穿透/击穿/雪崩
分布式会话：JWT刷新注销
限流：令牌桶vs漏桶
一致性算法：Raft选举
协调服务：Zookeeper节点类型
链路追踪：TraceId传递

共计10题，覆盖10个核心考点

Java分布式架构面试题库 ​

【面试题】1. CAP定理中为什么只能三选二？在实际系统中如何权衡？ ​

【面试题】2. Redis分布式锁如何解决锁超时导致的安全问题？ ​

【面试题】3. TCC分布式事务模式下，Confirm阶段失败了怎么办？ ​

【面试题】4. Snowflake雪花算法时钟回拨问题怎么解决？ ​

【面试题】5. 缓存穿透、击穿、雪崩的区别和解决方案？ ​

【面试题】6. JWT无状态方案如何实现Token刷新和注销？ ​

【面试题】7. 令牌桶和漏桶算法的区别？生产环境如何选择？ ​

【面试题】8. Raft算法中Leader选举的具体流程？ ​

【面试题】9. Zookeeper临时节点和持久节点的应用场景？ ​

【面试题】10. 分布式链路追踪中TraceId如何在整个调用链中传递？ ​

Java分布式架构面试题库

【面试题】1. CAP定理中为什么只能三选二？在实际系统中如何权衡？

【面试题】2. Redis分布式锁如何解决锁超时导致的安全问题？

【面试题】3. TCC分布式事务模式下，Confirm阶段失败了怎么办？

【面试题】4. Snowflake雪花算法时钟回拨问题怎么解决？

【面试题】5. 缓存穿透、击穿、雪崩的区别和解决方案？

【面试题】6. JWT无状态方案如何实现Token刷新和注销？

【面试题】7. 令牌桶和漏桶算法的区别？生产环境如何选择？

【面试题】8. Raft算法中Leader选举的具体流程？

【面试题】9. Zookeeper临时节点和持久节点的应用场景？

【面试题】10. 分布式链路追踪中TraceId如何在整个调用链中传递？