大数据怎么彻底解决分布式系统一致性问题

大数据怎么彻底解决分布式系统一致性问题，很多新手对此不是很清楚，为了帮助大家解决这个难题，下面小编将为大家详细讲解，有这方面需求的人可以来学习下，希望你能有所收获。

  其实个人理解的时候，更希望能够得到代码层面的实现，单纯的理论知识还是不够落地，总结容易，真正实现起来还是需要项目的积累。

  保证最终一致性的模式

  1.查询模式

  任何服务操作都需要提供一个查询接口，用来向外输出操作执行的状态。即：单笔查询，为了使查询操作有一个唯一标识，需要一个分布式环境下的ID，可用分布式锁,redis 递增,机器的唯一码 拿出几位存为机器id,这样一来每次查询操作相对更快。可解决同步调用超时问题异步回调超时问题。

  2.补偿模式

  再操作失败，我们需要修正有问题的操作，是分布式系统达到一致，为了让系统达到一致而做出的努力都叫做补偿操作。这个场景就和出水问题一样啊！！！补偿操作分为：自动回复，通知运营，和技巧运营。

  3.异步确保模式

  再对响应时间要求不高的场景，通过异步的方式处理，再把结果告知使用方，这个方案最大的好处就是能对高并发流量进行消峰，例如电商中的物流，配送，支付系统的计费，入账。

  4.定期校对模式

  再操作主流系统间执行校对操作，再时候异步批量校对操作的状态，如果不一直进行补偿，这句话有点不太理解，定期校对系统如图

定期校对系统多用于金融系统，针对于数据的准确性。

  5.可靠消息模式

  利用消息队列实现异步化

  ①消息的可靠发送

  发送消息之前先将消息持久化到数据库，将状态标记为未发送，然后发送消息，如果发送成功，则标记，定时从数据库捞取一定时间内未发送的消息并发送。

  ②消息处理器的幂等性

  幂等性，幂等性，面试和刷题你总会遇到，要想解决，就得先知道啥叫幂等性。

  在网络延迟传输中，会造成消息队列重试，在充实过程中，消息会存在重复

  解决方案：

  1.如果是数据库的插入操作，给消息做一个主键，避免出现脏数据。

  2.使用第三方做消费记录，例如Redis，全局id为K，消息为V，写入到Redis，消费之前先去查Redis是否存在

  3.使用数据库的行级锁

  6.缓存一致性模式

  如果面对亿级读需求，需要非关系型数据库抗住流量，这里有个问题？啥叫关系型数据库？(能够互相连接的列表式数据库)

  读的顺序是先读缓存，读不到再读数据库，写的顺序是先写数据库，后写缓存。

  超时处理模式

  1微服务的交互模式

  ①同步调用模式

  服务1调用服务2，服务1等待服务2返回结果

  ②异步调用模式

  服务1调用服务2，服务2处理后，反向通知服务2

  ③消息队列异步处理模式

  服务1传递给服务2，不需要关心返回结果

  ①同步调用模式解决方案

  两状态

    三状态

  ②异步调用模式解决方案

   ③消息队列异步处理模式解决方案

文章对服务化系统中同步调用，异步调用，消息队列等应用场景进行了分析，个人理解还是不到位，还有一些疑问，例如什么时候会导致消息重发？消息重发仍然失败怎么办？失败次数超过预期怎么办？还有就是怎么样从代码层面实现，这些在面试中都太笼统了，根本解决不了实际问题，还是要从实际场景解决问题。

看完上述内容是否对您有帮助呢？如果还想对相关知识有进一步的了解或阅读更多相关文章，请关注亿速云行业资讯频道，感谢您对亿速云的支持。