1.简述CAP理论
一致性 C
可用性 A
分区容错性P 网络分区必定存在节点丢包问题
2.简述BASE理论
BASE模型
BA：基本可用
S：软状态，状态可以在一段时间内不同步
E：最终一致
BASE思想可以解决案例一一致性问题
3.数据一致性模型
强一致性
弱一致性
最终一致性
因果一致性:因果关系顺序得到保证
会话一致性：分布式session一致性问题
4.Quorum，WARO机制(选举算法，主从架构)
Write all read one(WARO):只要有一个节点存活仍能提供读服务
Quorum 对WARO条件进行松弛，对读写服务可用性做折中，保证读取到最新的 ，配合版本号 10-N+1个节点保证读取最新的
kafka ack.all
5.paxos算法 一致性算法 算法模型 raft zab
一种思想
6.负载均衡策略有哪些
.随机
.轮询
.一致性哈希
.加权
.最小连接数
.源地址哈希
7.集群 分布式 SOA,微服务
8.分布式事务的解决方案？涉及到两个数据源，不同机器的DB访问
XA协议:
事务补偿：TCC
事务消息MQ
两阶段提交，三阶段提交，TCC、
两阶段提交协议：准备阶段，提交阶段
三阶段提交协议：询问阶段，准备阶段，提交阶段
TCC协议：Try，Confirm，Cancel，先执行try，没问题执行confirm，如果出现问题执行Cancel
9.如何理解RPC 远程协议调用
10.ZK得选举和崩溃选举过程 改投时需要更新信息，并广播
—集群初始化选举
1.2.3.4.5
依次比较.半数同意3为主节点其他为follower
—崩溃选举 Leader E
follower进入looking状态
半数转为leader 节点内为二进制数组，存储节点数据
11简述zk的数据模型
持久节点：有子节点
临时：没有子节点信息
有序
12zk数据同步原理
一共四类
13 zk的watch机制实现原理
1.new Zookeeper
2.动态添加 getData exists getChildren
14zk的分布式锁原理
创建一个临时节点，如果自己不是第一个节点 就对上一个节点加监听器watch
上一个节点释放锁就排到前面去，解决惊群效应，临时节点会自动释锁，来避免死锁
惊群效应:如果多个服务其中一个服务挂掉，那么锁释放的时候不会唤醒所有线程
https://blog.csdn.net/second60/article/details/81252106
最后等待锁的线程太长，容易线程饿死
15：简述zk的应用场景
数据节点丰富，watch机制
znode只能放1M数据，用来存储配置信息
能做的很多，但是否最合适要另论
16zk中一个客户端修改了某个节点的数据，其他客户端能够马上获取到这个最新数据吗
ZAB协议 数据同步
能读到 但是需要加sync参数，不加读到的是老版本的数据
17请谈谈ZK对事务性的支持
依赖于函数操作
zoo_create_op_init
zoo_muti提交事务返回值是第一个失败状态操作的状态信号
18简述zk中的观察者机制
动态扩展zookeeper集群又不会降低性能，添加的是observer类型
负责同步leader同步过来的数据
19zk的会话管理机制
20Dubbo是什么？能做什么？
1.远程通讯
2.集群容错
3.自动发现
21能说下Dubbo的工作流程吗
22简述dubbo的SPI机制
23为什么 Dubbo 不用 JDK 的 SPI，而是要自己实现?
24简述dubbo服务暴露过程
25简述dubbo服务引入过程
26简述dubbo服务调用过程
27dubbo中Zk集群挂掉，发布者和订阅者还能通信么
28 zk实际如何存储dubbo生产者和消费者信息
29存储拆分后如何解决唯一主键
雪花算法
强依赖于时钟
30分布式session
IP绑定存在ip动态，服务宕机
redis的话可以跨平台，跨语言
31如何实现分库分表
32定时任务实现原理
Timer 优先级队列 BlockingQueue
小顶堆 数据结构 子节点大于父节点