分布式系统故障页面设计，分布式异常处理
【系统设计】如何优雅地重试Retry
1、优雅地重试的策略包括以下几点：设置合理的超时机制：为防止长时间等待导致资源浪费，客户端应设置超时机制。通过统计下游服务的延迟指标，如99%分位数，来确定一个合理的超时时间。采用重试与退避策略：对于部分或瞬态故障，采用重试策略可以提高成功率。
2、因此，合理设计重试策略至关重要，通常采用限制重试次数和退避策略，以确保客户端不会立即重试，而是等待一段时间再尝试，并在达到预设次数后放弃。通过实验发现，加入退避机制能有效减少系统调用次数。封顶指数退避策略（cAPPed exponential backoff）允许等待时间随重试次数增加而指数增加，直至达到预设上限。
3、通过启用@EnableRetry注解，或在特定服务、配置类上添加注解，实现重试功能。@Retryable和@Recover注解分别用于指定重试方法和处理重试后逻辑。Guava库提供通用重试方法，通过定义重试策略，实现对异常的优雅处理。Guava Retryer工具线程安全，可配置重试次数和间隔，支持多种异常及自定义实体对象的重试。
4、当重试耗尽时， RetryOperations 可以将控制传递给另一个回调，即 RecoveryCallback 。 Spring-Retry 还提供了 @Recover 注解，用于@Retryable重试失败后处理方法。
5、为解决这一问题，Spring提供了spring-retry框架，旨在优雅地实现重试功能。借助注解，开发者无需深入底层细节，即可轻松配置重试逻辑。在使用spring-retry时，只需完成以下几个步骤： 引入依赖：确保Spring Retry库可用，通过Maven或Gradle添加依赖。
分布式系统的核心——日志
分布式系统的核心——日志 日志是按照时间顺序追加的、完全有序的记录序列，是一种特殊的文件格式。在分布式系统中，日志扮演着至关重要的角色。日志的基本特性 顺序性：日志记录从左向右开始顺序插入，左边的记录相较于右边的记录“更老”。这一特性使得我们可以不依赖于系统时钟来判断记录的先后顺序，对于分布式系统来说尤为重要。
深入探讨分布式系统的可观测性（Observability）三大支柱：日志（Logs）、指标（Metrics）和跟踪（Tracing），这三大支柱构成了可观测性技术的核心。日志（Logs）是分布式系统中不可或缺的组件。它记录了系统运行的每个关键时刻，提供了对系统状态和行为的深入了解。
在分布式系统中，日志追踪是确保系统稳定性和可维护性的关键一环。TraceId作为日志追踪的核心标识，能够串联起分布式系统中各个微服务的日志，从而实现对请求的全链路追踪。
Elasticsearch（ES）：作为日志存储和搜索的核心组件。Logstash：负责日志的采集、处理和格式化，连接Kafka和ES。Kibana：提供友好的界面展示ES的数据，方便分析和聚合。Kafka：作为消息队列，实现日志数据的削峰填谷和暂存。Filebeat：轻量级的日志收集软件，将日志发送到Kafka或Logstash。
分布式系统支持：链路追踪特别适用于分布式系统，能够追踪请求在不同服务之间的传递过程。典型工具：Jaeger等。与监控的区别：监控关注的是系统的整体性能指标，而链路追踪关注的是单个请求的处理过程。监控通常是定期进行的，而链路追踪是实时进行的。监控的数据量相对较小，而链路追踪的数据量巨大。
面试官:如何保证接口幂等性?一口气说了9种方法!
实现方式：防重表使用唯一索引来保证幂等性，可以使用订单号等作为唯一索引。注意事项：最好结合状态机幂等先判断一下。缓冲队列 方法描述：将请求快速接收下来后放入缓冲队列中，后续使用异步任务处理队列中的数据，并过滤掉重复的请求。实现方式：可以使用消息队列（如Kafka、RabbitMQ等）来实现缓冲队列。
方案一：通过数据库唯一主键实现幂等性。这种方法利用数据库中主键的唯一性，确保同一主键值仅对应一条记录，适用于插入操作时的幂等性需求。需要注意的是，主键应使用分布式ID而非自增主键，以确保分布式环境下ID的全局唯一性。方案二：利用数据库乐观锁实现幂等性。
保证Java语言接口的幂等性，可以通过以下几种方式实现：使用数据库的唯一索引：具体方法：在数据库中，为需要保证幂等性的字段创建唯一索引。当接口接收到请求时，首先检查数据库中是否已经存在相同的记录。如果存在，则直接返回相应的处理结果，不再进行后续操作；如果不存在，则插入新记录并执行后续操作。
分布式系统的CAP定理详解
分布式系统的CAP定理详解 CAP定理是分布式系统中的重要理论，它指出在一个分布式系统中最多只能同时满足一致性（Consistency）、可用性（Availability）和分区容错性（Partition tolerance）这三项中的两项，不能同时满足这三项。
CAP定理，又称CAP原则，是分布式系统领域中的一个核心理论。它指出，在一个分布式系统中，Consistency（一致性）、Availability（可用性）、Partition tolerance（分区容错性）这三个基本需求，最多只能同时满足其中的两个。CAP原则简介 在分布式系统中，不同的节点分布在不同的子网络中。
分布式系统的CAP定理是指在设计和实现分布式系统时，一致性、可用性和分区容错性这三个关键特性之间最多只能同时满足其中的两项。以下是关于CAP定理的详解： 一致性 定义：要求所有节点在任何时候看到的数据都一致。 重要性：对于客户端和服务端的同步至关重要，确保数据的一致性和准确性。
总结：ACID是数据库事务完整性的理论，CAP是分布式系统设计理论，BASE是CAP理论中AP方案的延伸。在分布式系统中，我们可以根据业务特点选择适当的CAP架构（CP或AP），并通过BASE理论来实现系统的最终一致性。
BASE理论
1、BASE 理论BASE理论起源于2008年，由eBay的架构师Dan Pritchett在ACM上发表。BASE是Basically Available（基本可用）、Soft-state（软状态）和Eventually Consistent（最终一致性）三个短语的缩写。BASE理论是对CAP中一致性C和可用性A权衡的结果，它大大降低了我们对系统的要求。
2、BASE理论是当今互联网分布式系统的实践总结，它的核心思想在于，既然在分布式系统中实现强一致性的代价太大，那不如退而求其次，只需要各应用分区在提供高可用服务的基础上，尽最大能力保证数据一致性，也就是保证数据的最终一致性。
3、BASE 理论是分布式系统实践的总结，它认为在分布式系统中实现强一致性代价巨大，因此采用基本可用性、软状态和最终一致性策略。基本可用性允许系统在异常情况下保持一定程度的可用性，软状态意味着数据在一致性的过程中可能延迟同步，最终一致性允许分布式系统在一段时间内保持不一致状态，最终达到一致状态。
4、BASE理论包括三部分：BA：Basically Available，基本可用性。追求系统核心功能的基本服务，允许部分功能和性能上的损失。S：Soft State，软状态。允许节点之间的状态出现短暂的不一致，不要求数据变化立即反映到所有服务器节点上。E：Eventually Consistency，最终一致性。
分布式系统设计的几种理论
1、ACP理论 A 可用性 Availability，代表服务一直处于正常响应时间内的可用状态。此处A与ACID理论中的A不是一个含义，ACID中的A代表原子性。
2、在分布式系统设计中，CAP理论和BASE理论是两个非常重要的指导原则。它们为设计者在面对分布式系统的复杂性时提供了清晰的思路和权衡方法。CAP理论 CAP理论指出，一个分布式系统最多只能同时满足以下三个特性中的两个：一致性（Consistency）：一致性要求每次读取都能获得最新的写入数据。
3、CAP理论： 定义：CAP理论是分布式系统架构设计中的一个基础理论，源于埃里克·布鲁尔的猜想，并由赛斯·吉尔伯特和南希·林奇证明为定理。它指出，一个分布式系统最多只能同时满足一致性、可用性和分区容错性中的两项。
4、还有一种选择是保证强一致性和分区容错性，但牺牲可用性，例如在网络故障时只读不写。综上所述，CAP理论是分布式系统设计和优化中的重要指导原则。在实际应用中，需要根据具体场景和需求来权衡和选择满足哪两个特性。
5、分布式系统中的BASE理论 BASE理论是分布式系统设计中一个重要的理论框架，由eBay的架构师Dan Pritchett提出。它是对CAP理论中一致性和可用性权衡的结果，旨在指导如何在分布式系统中实现高可用性和可扩展性，同时允许数据在一段时间内存在不一致性，但最终达到一致状态。
6、分布式系统通过将任务分解并分派给团队成员，实现并行工作，提高效率。这一核心思想在分布式系统中得到体现，增强了系统的稳定性和可靠性。CAP 理论在分布式系统设计中至关重要，它阐述了三个基本原则：一致性（Consistency）、可用性（Availability）和分区容错性（Partition tolerance）。
