分布式

负载均衡算法

轮询、加权轮询、最小连接数、一致性哈希等。

• 轮询：按顺序将请求分配给每个服务器。
• 加权轮询：根据服务器权重分配请求。
• 最小连接数：将请求分配给连接数最少的服务器。
• 一致性哈希：根据请求的哈希值分配服务器，减少节点变动影响。

分布式事务算法，比如Raft, Paxos

• Raft：一致性算法，易于理解和实现。
  • 特点：通过选举、日志复制、日志提交保证一致性。
  • 适用场景：分布式系统中的一致性问题。
• Paxos：一致性算法，复杂但性能好。
  • 特点：通过提议、投票、提交保证一致性。
  • 适用场景：分布式系统中的一致性问题。

Hash环与分布式缓存

• 一致性哈希：解决节点动态变化的问题，减少数据迁移。
  • 特点：将数据分配到多个节点，节点变动时只影响部分数据。
  • 适用场景：分布式缓存、分布式存储。
• 分布式缓存：将缓存分布到多个节点，提高性能和可用性。
  • 特点：数据分布在多个节点，支持高并发访问。
  • 适用场景：高并发、高性能的应用，如电商系统。

利特尔法则，及其应用

利特尔法则：L = λW，用于分析排队系统。

• L：系统中的平均数量。
• λ：平均到达率。
• W：平均等待时间。
• 适用场景：分析系统性能、优化资源配置。

限流与熔断，限流的各类算法

• 限流：令牌桶、漏桶算法。
  • 令牌桶：按照固定速率生成令牌，请求需要消耗令牌。
  • 漏桶：按照固定速率处理请求，超出部分丢弃。
• 熔断：防止系统过载，保护服务。
  • 特点：当系统负载过高时，自动拒绝部分请求，防止系统崩溃。
  • 适用场景：高并发、高负载的应用，如微服务架构。

CAP理论

一致性、可用性、分区容错性，三者不可兼得。

• 一致性：所有节点在同一时间看到相同的数据。
• 可用性：每个请求都能收到响应。
• 分区容错性：系统在网络分区的情况下仍能正常运行。
• 适用场景：分布式系统设计，权衡不同特性。