微服务——数据管理与一致性

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？

1. 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。

2. 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。

3. 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？

1. 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。

2. 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。

1. 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。

2. 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。