前言
看日期，今天都是4月了，這春招也差不多進入尾聲了。
近期任有不少朋友都在找工作，很多人開始抱怨，工作可真難找啊！身邊不少朋友問我咋搞呀，秋招都要結束了，工作還沒著落呢…額…這個…今年是有點難啊。說實話，面試只是對個人技術及應變能力的一次考驗。只有解決了一個問題，你才有機會遇見下一個問題。
這不，今天我總結了餓了么4面（Java崗）面經，問題如下，都是真真的經歷，準備面試找工作的朋友可自行檢測一下。
一、
前些年，互聯網行業里對架構師這個崗位的標準還不是很清晰。所以，很多架構師的工作往往就是一些技術被公司認可的資深工程師負責。
彼時，正巧我也是這類人員之一，故也得到了一個從零開始架設一套廣告投放平臺的機會。
我很喜歡鉆研技術，對這種機會自然很看重。
那時候，架構并無如今這么復雜，一開始就是前面搞幾個 Web 應用，后面共享個數據庫。大致像這樣：
當然，上面的架構其實做了很多簡化，省略了很多細節。比如，為了提高性能做的緩存，為了提高吞吐做的負載均衡統統沒有在上圖給出。因為這些和本章話題無關，暫時咱們就忽略這些東西，只看核心部分。
這套架構初期運行還是沒什么問題的，再加上一些緩存機制，初期一些性能問題都通過調整緩存提升緩存的碰撞率應付了過去。
可是，隨著廣告投放量的增大，廣告的訪問量也在暴漲。這些暴漲的訪問量引發了性能問題。當時，由于前端有負載均衡，應用層倒是沒出現什么問題……
問題出在后面的數據庫上
二、
這套架構數據庫用的是 MySQL，本身也只有一臺主庫在對外服務，另外一臺備庫采用了 MySQL 自己的全同步機制做實時備份。
當廣告訪問量暴漲的時候，因為業務需要，很多數據需要在數據庫中做實時插入，這就導致了大量的磁盤 IO 產生。這些大量的磁盤 IO 造成了數據庫本身性能的急劇下降。
悲催的是，整套廣告平臺的所有功能又都是共享一個數據庫的，所以隨著數據庫本身的性能下降，平臺的所有功能都受到了影響。
由于問題主要在于大量廣告流量的寫入，所以，靠讀寫分離的方案去緩解問題這條路就走不通了。
只好先升級硬件了。在經過了幾輪硬件升級和數據庫調優之后，單數據庫再也無法支撐不斷上漲的流量了。沒辦法，要考慮搞數據庫切分了。
那時候，我個人是很恐懼數據庫切分的。
原因不僅僅在于需要在應用層多寫很多復雜的邏輯，其根本原因是當時流行的 2PC（兩階段提交）方案，這個方案本身能保證在數據庫切分的情況下，原來的事務依然保留著自身的 ACID 性質。即:
- Atomicity（原子性），不管事務里執行多少命令，對外它們都是一體的，要么都執行，要么都不執行。
- Consistency（一致性），正因為事務里要么做要么都不做，所以數據庫的狀態變化只能由事務變更后，才會叫一致性狀態。
- Isolation（隔離性），事務里做的事兒事務外面誰也看不到，就跟個盒子把數據罩起來一樣，到底中間怎么變化的，事務外面的觀察不到。
- Durability（持久性），事務確認成功了，那這狀態就永久不變了。
但也正因為這 4 個特性，2PC 才讓我顧慮重重。
顧慮1：首先，數據庫拆分了，那么根據事務的原子性，事務自身必須是一體的，那么事務涉及到的不同的數據庫就必須都訪問一遍，而這本身就意味著很高的通信成本。
再加上，為了保持一致性，事務失敗后，還必須恢復各個數據庫原來的狀態，這就必須讓已經成功執行過本地事務的數據庫全部回滾。
而稍微懂點數據庫的人都知道，這個成本有多大。
更可怕的是，本身事務的隔離性還可能加上鎖。一旦一個熱點數據區域被大量訪問，最差情況就可能出現串行訪問。而這對此套平臺，包括我自己都將是個悲劇。
顧慮2：數據庫的拆分會造成整個平臺的可用性下降。
假設我現在有一臺數據庫，它的可用性是 99.9%。如果因為分庫，數據庫從一臺變成兩臺，那么平臺的可用性就會變成：
平臺的可用性 = 99.9% * 99.9% = 99.8%
從 99.9% 變成了 99.8%，這意味著可用性下降了 0.1%，每個月的不可用時間會增加 43 分鐘之多。
一邊是硬件升級已經到頂，單機數據庫也優化到了極限，再不做數據庫拆分，平臺可能隨時癱瘓。一邊是沒有好的策略，可能拆分數據庫后，每個月都有宕機的風險，同時性能也可能會出現劇烈的下降。
我被逼入了死角。
三、
這種痛苦的糾結折磨了我大概一周，直到我看到了 CAP 定理。當 CAP 定理說分布式系統在分區容錯的時候，只能一致性和可用性二選一時，我高興的蹦了起來。
原來，可用性和一致性是不能兼得的。
為何我會那么高興？因為逼我入死角的可不僅是技術上的問題了，我還承受著來自于業務方和領導的壓力。每天一上班，我就需要面對業務各方的抱怨，以及領導一輪又一輪的催促。
有了 CAP 定理的支持，我知道我最終是要面臨選擇的。既然在這個世界上做分布式架構的所有人都要面臨選擇，那我又怎么可能獨善其身呢？
在對單機數據庫引發的各種問題做了一次徹底的各種歸因以后，我下了決心：
一定要搞定拆分數據庫并給出良好方案。
只是，2PC 這個攔路虎，它成為了我的大敵。通過 CAP 定理，我非常肯定，只要我選了 2PC 方案，可用性就一定會出現嚴重的問題，這個方案也肯定不可能拿出來丟人現眼的。
我唯一的方向就是去犧牲一些一致性，往可用性方向走。可是，怎么走呢？
也許是老天眷顧，也許是大家都承受著和我一樣夜不能寐的壓力，很快，BASE 理論在國內傳開了。
BASE 理論讓我知道了，這個世上能排到前幾名的技術大公司也一樣會出問題，也一樣會對這些問題進行妥協。而且 BASE 理論的思想讓我的思路一下子就打開了，苦思而不得的問題開始有了頭緒。
我要開始著手制定技術方案了。
四、
BASE 思想中的 BA（Basically Available）基本可用，是鼓勵通過預先的架構設計或者前期規劃，盡量在分布式的系統中，把以前可能影響全平臺的嚴重問題，變成只會影響平臺中的一部分數據或者功能的非嚴重問題。
有了這個思想之后，我就對廣告平臺中的很多重要的數據表進行了拆分，并將這些表的數據分散到了不同的數據庫中。
比如，有個廣告流量詳情表，每當用戶點擊廣告或者廣告展示出來的時候，為了保證不丟失，這些數據都是實時插入到這個表里的。
我對這張表是怎么切分的呢？
當有人點擊廣告了，他的點擊記錄會被傳到我的應用層，然后我會在應用層根據廣告 ID 做哈希，再根據哈希結果的不同，分別存到不同的數據庫中去。
假如這三個數據庫中的一個出現了問題，則只會有三分之一的數據受到影響。這就實現了 BASE 理論中的 BA——基本可用了。基本可用其實也真的就是表達的這么一回事：
通過一些架構設計，即使平臺中某部分組件出現了問題，也不會導致整個平臺不可用。
好了，既然采取了數據庫拆分的策略，又根據 BASE 理論中的 BA 思想拆分了一些重要的表，那么，到了現在，可能也無從后悔，只能繼續沿著 BASE 這條路，一條路走到黑了。
五、
接下來，需要著手解決性能問題了。2PC 方案……算了……它瘋狂的一致性性格會要了我的狗命的。
那么極端點，我們不搞事務可不可以呢？
還用前面說的那套廣告平臺舉例。
當時，從業務上，要求廣告的訪問數據都要保證及時入庫不能丟，因為丟了就可能造成計費的損失，而這些損失全是錢。所以，每當用戶點擊廣告或者廣告展示出來的時候，為了保證不丟失，這些數據都是實時入庫的。
又根據業務需求，當廣告流量入庫時，還需要往廣告預算表和媒體流水表里同時根據這筆流量進行記賬，以供后續財務計算。
如果完全不考慮事務，則拆分庫后，操作可能會是這個樣子。
這三個操作可能會并行發往不同的數據庫執行。由于三個操作之間沒有事務的約束，所以，一個操作出問題了，另外的操作并不會受到影響。
而這卻也引發了另外一個問題，數據狀態不一致。
如果在上面的業務中，插入廣告流量表的操作失敗了，但其余兩張表插入成功了，業務就會面臨一個很尷尬的情況：他們算出的財務報表沒有依據。財務流水中找不到產生了這筆流水的依據。
而這種不一致的狀態由于已經被持久化到了數據庫中，就會導致這種不一致的狀態永久存在了數據庫中。這業務能接受嗎？但凡有點職業精神的程序員能接受嗎？
最后
小編精心為大家準備了一手資料
**點擊這里免費領取**以上Java高級架構資料、源碼、筆記、視頻。Dubbo、Redis、設計模式、Netty、zookeeper、Spring cloud、分布式、高并發等架構技術
【附】架構書籍贈送
- BAT面試的20道高頻數據庫問題解析
- Java面試寶典
- Netty實戰
- 算法
BATJ面試要點及Java架構師進階資料
. BAT面試的20道高頻數據庫問題解析
2. Java面試寶典
3. Netty實戰
4. 算法
[外鏈圖片轉存中…(img-B8JlV3Qv-1624600668862)]
BATJ面試要點及Java架構師進階資料
[外鏈圖片轉存中…(img-jtAPFKBC-1624600668863)]
