分布式

CAP

CAP定理又叫布鲁尔定理，在分布式体统中，不可能同时满足CAP，只能选择CP或AP

• C（Consistency）：一致性；在不同节点读取到的数据是一样的，是最新的，强一致性。
• A（Availability）：可用性：非故障节点要求在合理的时间返回，返回的数据是正确的。
• P（Partition tolerance）：分区容错性：一个集群中，当一台机器出现问题，这个集群仍然可以正常工作。

分布式事务解决方案

2PC

• 第一阶段：事务管理器要求涉及到的数据库预提交（precommit），数据库并反馈是可以提交
• 第二阶段：事务管理器要求涉及数据库提交，或者回滚

缺点
- 单点问题：事务管理器扮演者重要角色，如果宕机，将导致分布式事务不可用
- 同步阻塞：事务管理器在通知涉及数据库precommit后，处于阻塞状态，直到提交事务
- 数据不一致：若第二阶段，某数据库网络不可达，其他数据已经提交，这样就导致数据不一致问题

TCC

• Try阶段：尝试执行，检查节点系统，预留资源
• Confirm阶段：确认执行，仅对try阶段预留的资源进行操作
• Cancel阶段：释放try阶段预留的资源

本地消息表

• 将分布式消息存储到数据表，由定时任务去轮询这张消息表，将消息消费掉，适合弱一致性的场景

MQ事务

• 1、生产者发送prepared消息
• 2、生产者执行本地事务
• 3、若本地事务执行成功，确认prepared消息

• 4、消费者消费消息

• 全局唯一
• 递增、不连续
• 高可用、高性能

分布式id

数据库自增id

• 优点：简单，开发成本小
• 缺点：有序的递增不安全、分表分库麻烦

uuid

• 全局唯一
• 字符串导致性能下降
• bson.NewObject也是基于时间戳+机器码+序列号

雪花算法

• 

• 占位bit（1bit）+ 时间戳位（41bit）+ 机器码位（10bit）+ 序列号位（12bit）
• 生成64bit大小的整数
• 通过和上一个id对比时间戳，解决时钟回拨问题

项目中的id

• 基于雪花算法，对雪花算法的位数做了调整，是18位的十进制整数

微服务划分原则

• 接口分离
  • 避免不同端复用接口
• 可部署性
  • 容器化
  • 网关化
  • 日志集中化，日志追踪
• 事件驱动，服务间调用
  • http、rpc、消息中间件
• 松耦合
  • 消息队列解耦
  • 一个服务一个库，数据隔离
• 单一职责
  • 根据业务边界划分服务职责
  • 根据性能问题划分服务
  • 避免过度划分

参考

• https://juejin.cn/post/6844903647197806605