1、在微服务架构中，每个微服务都有自己的数据库，这种设计有什么优点和挑战？
| 优点 | 挑战 |
|---|---|
| 服务自治：每个微服务可独立选择适合自己的数据库类型。 | 数据一致性：跨微服务的事务难以保证强一致性。 |
| 故障隔离：一个微服务的数据库问题不会影响其他微服务。 | 资源消耗：数据库资源消耗增加，管理复杂性提高。 |
| 扩展性好：微服务可以独立扩展，减少数据库瓶颈。 | 开发复杂性：跨服务查询需要额外的数据同步或 API 调用。 |
2、如何处理跨微服务的数据一致性问题？比如分布式事务的实现方法有哪些？
- 分布式事务协议：
- 两阶段提交（2PC）：确保分布式事务的原子性，但性能开销较大，容易导致阻塞问题。
- 三阶段提交（3PC）：相比 2PC 增加超时机制，适用于部分对性能有更高要求的场景。
- 最终一致性模式：
- 基于事件驱动：通过事件消息队列（如 Kafka）实现异步数据同步，确保最终一致性。
- 补偿事务（Saga 模式）：将事务拆分成多个小事务，每个小事务失败后通过补偿动作回滚操作。
- 应用层解决方案：
- 使用幂等操作和重试机制，确保重复操作不影响数据一致性。
3、当多个微服务需要访问共享数据时，采用什么策略更合适？
- 共享数据库：
- 优点：减少数据复制，跨服务查询简单。
- 缺点：服务间耦合度高，扩展性差，难以满足自治性原则。
- 数据复制：
- 优点：保持微服务自治性，读性能高。
- 缺点：增加数据同步复杂度和一致性管理成本。
建议：尽量避免共享数据库，优先考虑数据复制或事件驱动方式同步数据。
4、微服务中如何使用缓存来提高性能？请以 Redis 为例，说明其配置方法。
- 提高性能：
- 缓存热点数据（如用户信息、商品详情）。
- 缓存计算结果，减少重复计算。
- 缓存频繁访问的外部接口响应，减少请求延迟。
- Redis 配置方法：
- 部署 Redis 集群，提高可用性和性能。
- 设置适当的过期时间（TTL），防止缓存过期数据长期占用空间。
- 使用缓存淘汰策略（如 LRU、LFU）优化内存利用率。
5、如何保证缓存数据与数据库数据的一致性？
| 策略 | 工作原理 | 优缺点 |
|---|---|---|
| 缓存更新同步 | 数据库更新时同步更新缓存，采用双写或事务性操作。 | 数据一致性强，但实现复杂，性能可能受影响。 |
| 缓存失效机制 | 数据库更新时删除对应缓存，下一次访问时重新加载最新数据。 | 实现简单，但存在短暂不一致风险。 |
| 延迟双删策略 | 更新数据库后立即删除缓存，延迟一定时间再删除缓存，确保一致性。 | 减少一致性问题，但延迟时间选择需谨慎。 |
| 事件驱动更新 | 数据库更新后通过消息队列通知其他服务更新缓存。 | 解耦性高，但依赖消息队列可靠性。 |
凡是过去，皆为序章；凡是未来，皆有可期。
