分布式事务、分布式一致性、分布式锁

分布式事务、分布式一致性、分布式锁

大家好，我是程序员小李，今天咱们聊聊在面试中经常被问到的分布式系统核心话题：分布式事务、分布式一致性、分布式锁。这些概念在大型系统开发中至关重要，尤其在高并发场景下。如果你在准备Java面试，我强烈推荐这份资源：2025年Java面试宝典 提取码: 9b3g。它覆盖了最新考点，帮你轻松应对技术面。

在分布式系统中，数据分散在多台机器上，这就带来了挑战。比如，电商下单时，库存扣减和订单创建必须在不同服务间同步，否则会出乱子。今天，我就以真实面试口吻，带大家过一遍这些知识点，不写代码，只讲核心逻辑。

分布式事务

分布式事务是啥？简单说，就是多个服务操作要作为一个整体成功或失败。想象你在面试中被问：“如何保证跨服务的数据一致性？” 这时，你得提分布式事务。常见问题包括部分失败导致数据不一致。

解决方案呢？先说两阶段提交（2PC）。它分准备和提交两阶段：协调者先问所有参与者“能提交吗？”，如果都OK，才正式提交。但问题来了，如果协调者挂了，系统可能卡住。另一个方案是TCC（Try-Confirm-Cancel），它更灵活：先Try预留资源，Confirm确认，Cancel回滚。面试时，强调TCC适合高并发场景，但实现复杂。

分布式事务的关键是容错。CAP定理告诉我们，分布式系统不能同时满足一致性、可用性和分区容忍性。在分布式事务中，我们常牺牲一点可用性来保一致性。记住，面试官爱问实际案例，比如你用Seata框架解决过什么问题。

上图展示了分布式事务的流程，协调者在中间协调参与者。

分布式一致性

分布式一致性是确保所有节点数据同步的核心。面试中，常被问：“解释下CAP和BASE理论。” 分布式一致性涉及多个模型，比如强一致性和最终一致性。

强一致性要求所有节点实时同步数据。但现实中，这难实现，因为网络延迟。这时，最终一致性登场：数据最终会一致，但允许短暂不一致。例如，电商库存显示可能滞后几秒。CAP定理是基础：C（一致性）、A（可用性）、P（分区容忍性），你只能选两个。分布式系统通常优先P和A，牺牲C，用最终一致性兜底。

实际应用？Redis集群用主从复制实现弱一致性，而ZooKeeper通过ZAB协议保证强一致性。面试时，结合场景：比如，支付系统必须强一致，否则用户钱扣了却没到账。分布式一致性是分布式事务的延伸，两者常一起考。

一致性模型图解：强一致 vs 最终一致。

分布式锁

分布式锁解决资源竞争问题。面试高频题：“如何实现分布式锁？” 想象多服务同时抢一个资源，比如秒杀商品。分布式锁确保只有一个服务能操作。

实现方式多样。Redis锁常用SETNX命令：服务A设置key，如果成功就获取锁；服务B尝试会失败。但要注意死锁：设置超时时间，避免服务挂了锁不释放。ZooKeeper锁更可靠：它用临时节点和监听机制，节点删除时自动通知其他服务。面试中，强调优缺点：Redis快但可能脑裂；ZooKeeper一致性强但慢。

分布式锁在分布式事务中扮演角色。比如，下单时用锁保护库存扣减，防止超卖。分布式锁和分布式一致性紧密相关：锁机制依赖一致性协议来同步状态。

分布式锁工作流程：服务竞争锁资源。

总结一下，分布式事务处理跨服务操作，分布式一致性保数据同步，分布式锁防资源冲突。三者结合，构建健壮系统。如果您在准备面试，需要购买面试鸭会员，可以通过面试鸭返利网找我，返利25元，帮你省点钱。

返回首页 获取更多面试资源。