Java基础（十四）分布式

一、CAP 理论

CAP 原则，又称 CAP 定理，指出在分布式系统中，Consistency（一致性）、Availability（可用性）和 Partition tolerance（分区容错性）这三个特性无法同时满足，最多只能满足其中两项。

• 一致性（Consistency）：所有节点在同一时刻具有相同的数据副本。即任何客户端在任何节点读取到的都是最新写入的数据。
• 可用性（Availability）：系统始终能够对请求做出响应，即使部分节点发生故障。
• 分区容错性（Partition tolerance）：系统在遇到网络分区（节点间无法通信）时仍能继续运行。

由于网络分区在分布式环境中难以避免，系统通常需要在 C 和 A 之间做出权衡。例如，银行系统可能选择 CP（强一致性），而互联网应用可能选择 AP（高可用性）。

---

二、Spring Cloud Alibaba 生态体系

Spring Cloud Alibaba 为分布式应用开发提供了一站式解决方案，集成了阿里巴巴众多开源组件。

1. 核心组件概览

组件	功能	替代方案	特点
Nacos	服务注册与发现、配置管理	Eureka + Config	支持AP/CP模式切换，实时配置推送
Sentinel	流量控制、熔断降级	Hystrix	可视化控制台，实时监控
Seata	分布式事务	-	AT、TCC、Saga多种模式
RocketMQ	消息队列	Kafka、RabbitMQ	顺序消息，事务消息
Dubbo	RPC框架	Spring Cloud OpenFeign	高性能，服务治理

2. Spring Cloud Alibaba 项目搭建

<!-- pom.xml 依赖配置 -->
<dependencyManagement><dependencies><dependency><groupId>com.alibaba.cloud</groupId><artifactId>spring-cloud-alibaba-dependencies</artifactId><version>2022.0.0.0</version><type>pom</type><scope>import</scope></dependency></dependencies>
</dependencyManagement><dependencies><dependency><groupId>com.alibaba.cloud</groupId><artifactId>spring-cloud-starter-alibaba-nacos-discovery</artifactId></dependency><dependency><groupId>com.alibaba.cloud</groupId><artifactId>spring-cloud-starter-alibaba-nacos-config</artifactId></dependency><dependency><groupId>com.alibaba.cloud</groupId><artifactId>spring-cloud-starter-alibaba-sentinel</artifactId></dependency><dependency><groupId>com.alibaba.cloud</groupId><artifactId>spring-cloud-starter-alibaba-seata</artifactId></dependency>
</dependencies>

3. Nacos 服务注册与发现

# application.yml 配置
spring:application:name: user-servicecloud:nacos:discovery:server-addr: localhost:8848namespace: devgroup: DEFAULT_GROUPconfig:server-addr: localhost:8848file-extension: yamlrefresh-enabled: true

// 服务注册与发现示例
@SpringBootApplication
@EnableDiscoveryClient
public class UserServiceApplication {@RestController@RequestMapping("/users")public class UserController {@Autowiredprivate DiscoveryClient discoveryClient;@GetMapping("/services")public List<String> getServices() {return discoveryClient.getServices();}@GetMapping("/{id}")public User getUser(@PathVariable Long id) {return userService.findById(id);}}public static void main(String[] args) {SpringApplication.run(UserServiceApplication.class, args);}
}

4. Sentinel 流量控制与熔断

// Sentinel 配置与使用
@Configuration
public class SentinelConfig {@PostConstructpublic void init() {// 配置流量控制规则List<FlowRule> rules = new ArrayList<>();FlowRule rule = new FlowRule();rule.setResource("getUser");rule.setGrade(RuleConstant.FLOW_GRADE_QPS);rule.setCount(10); // 每秒最多10次请求rules.add(rule);FlowRuleManager.loadRules(rules);// 配置熔断规则List<DegradeRule> degradeRules = new ArrayList<>();DegradeRule degradeRule = new DegradeRule();degradeRule.setResource("getUser");degradeRule.setGrade(RuleConstant.DEGRADE_GRADE_EXCEPTION_COUNT);degradeRule.setCount(5); // 5个异常触发熔断degradeRule.setTimeWindow(10); // 熔断10秒degradeRules.add(degradeRule);DegradeRuleManager.loadRules(degradeRules);}
}@Service
public class UserService {@SentinelResource(value = "getUser", blockHandler = "handleBlock", fallback = "getUserFallback")public User getUserById(Long id) {// 业务逻辑return userRepository.findById(id);}// 限流处理public User handleBlock(Long id, BlockException ex) {throw new RuntimeException("系统繁忙，请稍后重试");}// 熔断降级处理public User getUserFallback(Long id, Throwable ex) {return new User(id, "默认用户", "default@example.com");}
}

5. Seata 分布式事务

// Seata 分布式事务示例
@Service
public class OrderService {@Autowiredprivate OrderMapper orderMapper;@Autowiredprivate AccountService accountService;@Autowiredprivate StorageService storageService;@GlobalTransactional(name = "create-order", rollbackFor = Exception.class)public void createOrder(Order order) {// 1. 创建订单orderMapper.insert(order);// 2. 扣减库存storageService.deduct(order.getProductId(), order.getCount());// 3. 扣减余额accountService.debit(order.getUserId(), order.getMoney());// 4. 更新订单状态orderMapper.updateStatus(order.getId(), 1);}
}// 配置 seata
@Configuration
public class SeataConfig {@Beanpublic DataSourceProxy dataSourceProxy(DataSource dataSource) {return new DataSourceProxy(dataSource);}
}

---

三、分布式锁的实现

1. 基于 Redis 的分布式锁

Redis 通过 SET 命令的 NX 和 PX 选项实现分布式锁：

// 加锁示例（Java + Redis）
public boolean tryLock(String key, String value, long expireTime) {String result = jedis.set(key, value, "NX", "PX", expireTime);return "OK".equals(result);
}// 释放锁（使用 Lua 脚本保证原子性）
String script = "if redis.call('get', KEYS[1]) == ARGV[1] then return redis.call('del', KEYS[1]) else return 0 end";
Object result = jedis.eval(script, Collections.singletonList(key), Collections.singletonList(value));

注意：需确保 value 具有唯一性（如 UUID + 线程ID），避免误释。

2. 基于 ZooKeeper 的分布式锁

ZooKeeper 通过临时顺序节点和 Watch 机制实现分布式锁：

1. 在 /locks 下创建临时顺序节点。
2. 判断当前节点是否为最小序号节点，若是则获取锁。
3. 若非最小，则监听前一个节点。
4. 业务完成后删除节点，释放锁。

ZooKeeper 提供强一致性（CP），适用于对一致性要求高的场景，但性能低于 Redis。

---

四、分布式事务解决方案

方案	一致性	性能	复杂度	适用场景
2PC	强一致性	低	中	传统数据库、金融系统
3PC	强一致性	中低	高	需减少阻塞的场景
TCC	最终一致性	高	高	高并发业务（支付、库存）
Saga	最终一致性	中	高	长事务、跨服务流程
消息队列	最终一致性	高	中	事件驱动架构
本地消息表	最终一致性	中	低	异步通知（如订单-积分）

Seata 框架

Seata 是阿里开源的分布式事务解决方案，支持以下模式：

• AT 模式：基于数据库快照和回滚日志，无需业务侵入。
• TCC 模式：需实现 Try、Confirm、Cancel 接口。
• Saga 模式：通过补偿事务回滚长事务。

示例（AT 模式）：

@GlobalTransactional
public void placeOrder(Order order) {orderDao.insert(order);inventoryService.deduct(order.getProductId(), order.getCount());
}

---

五、服务注册与发现

1. 注册中心核心功能

服务注册与发现是微服务架构的核心组件，主要功能包括：

• 服务注册：服务实例启动时向注册中心注册自身信息
• 服务发现：消费者从注册中心获取可用服务实例列表
• 健康检查：定期检测服务实例健康状态，剔除异常实例
• 负载均衡：提供多种负载均衡策略

2. 常见注册中心对比

组件	CAP模型	一致性协议	特点	适用场景
Eureka	AP	无	简单易用，自我保护机制	高可用性要求场景
Nacos	AP/CP切换	Raft	功能丰富，支持配置管理	云原生微服务
ZooKeeper	CP	ZAB	强一致性，可靠性高	金融、对一致性要求高的系统
Consul	CP	Raft	多数据中心，服务网格集成	复杂分布式系统

3. Nacos 注册示例

// 服务提供者注册
@SpringBootApplication
@EnableDiscoveryClient
public class ProviderApplication {public static void main(String[] args) {SpringApplication.run(ProviderApplication.class, args);}
}// 服务消费者发现
@RestController
public class ConsumerController {@Autowiredprivate RestTemplate restTemplate;@GetMapping("/call")public String callService() {return restTemplate.getForObject("http://service-provider/hello", String.class);}
}

---

六、API 网关

1. 网关核心功能

API 网关是微服务架构的入口，主要功能包括：

• 路由转发：将请求路由到相应的微服务
• 认证鉴权：统一身份验证和权限控制
• 限流熔断：保护后端服务免受过载影响
• 日志监控：集中收集请求日志和监控指标
• 协议转换：支持不同协议间的转换

2. Spring Cloud Gateway 配置示例

spring:cloud:gateway:routes:- id: user_routeuri: lb://user-servicepredicates:- Path=/api/users/**filters:- name: RequestRateLimiterargs:redis-rate-limiter.replenishRate: 10redis-rate-limiter.burstCapacity: 20- name: CircuitBreakerargs:name: userServiceCircuitBreakerfallbackUri: forward:/fallback/user

---

七、熔断器

1. 熔断器模式

熔断器是防止分布式系统雪崩效应的重要组件，工作原理类似电路熔断器：

• 关闭状态：正常请求通过，统计失败率
• 打开状态：失败率超过阈值，直接拒绝请求
• 半开状态：定期尝试放行部分请求，检测是否恢复

2. Resilience4j 熔断器示例

// 配置熔断器
CircuitBreakerConfig config = CircuitBreakerConfig.custom().failureRateThreshold(50) // 失败率阈值50%.waitDurationInOpenState(Duration.ofMillis(1000)) // 熔断持续时间1s.slidingWindowSize(10) // 滑动窗口大小.build();CircuitBreaker circuitBreaker = CircuitBreaker.of("userService", config);// 使用熔断器保护服务调用
Supplier<String> decoratedSupplier = CircuitBreaker.decorateSupplier(circuitBreaker, () -> userService.getUser(userId));try {String result = decoratedSupplier.get();
} catch (CallNotPermittedException e) {// 处理熔断器打开时的异常return "fallback response";
}

3. 熔断器监控

熔断器状态可通过指标和事件进行监控：

// 事件监听
circuitBreaker.getEventPublisher().onStateTransition(event -> {log.info("CircuitBreaker state changed from {} to {}",event.getStateTransition().getFromState(),event.getStateTransition().getToState());});// 指标收集
Metrics metrics = circuitBreaker.getMetrics();
float failureRate = metrics.getFailureRate();
int numberOfBufferedCalls = metrics.getNumberOfBufferedCalls();

---

八、ZooKeeper 的应用与原理

应用场景

• 配置管理：集中存储配置，动态更新。
• 服务注册与发现：微服务实例注册，消费者动态发现。
• 分布式锁：通过临时顺序节点实现。

核心原理

• 数据模型：类似文件系统的树形结构（Znode）。
• 节点类型：
  • 持久节点（PERSISTENT）
  • 临时节点（EPHEMERAL）
  • 顺序节点（SEQUENTIAL）
• ZAB 协议：
  • 消息广播：Leader 广播提案，多数确认后提交。
  • 崩溃恢复：Leader 故障后选举新 Leader，保证数据一致性。

---

九、限流算法

1. 固定窗口算法

每单位时间窗口内计数，超限则拒绝。简单但存在窗口临界问题。

2. 滑动窗口算法

将窗口划分为更小时间片，平滑流量，避免临界问题。

3. 漏桶算法

以固定速率处理请求，超出容量则丢弃。适合平滑流量，但无法应对突发流量。

4. 令牌桶算法

以固定速率生成令牌，请求获取令牌后执行。允许突发流量，推荐使用。

Java 实现示例（Guava RateLimiter）：

RateLimiter limiter = RateLimiter.create(10.0); // 每秒10个令牌
if (limiter.tryAcquire()) {// 处理请求
} else {// 限流
}

---

十、分布式一致性算法

Raft 协议

• 角色：Leader、Follower、Candidate。
• 流程：
  1. Leader 选举：超时未收到心跳则发起选举。
  2. 日志复制：Leader 同步日志，多数确认后提交。
  3. 安全性：保证日志一致性。

应用：Etcd、Consul。

Paxos 协议

• 角色：Proposer、Acceptor、Learner。
• 阶段：
  1. Prepare：Proposer 发送提案编号。
  2. Accept：Acceptor 接受提案并广播。
  3. Learn：Learner 学习已接受的提案。

Paxos 更通用但实现复杂，Raft 更易理解与实现。

---

十一、总结

分布式系统设计需在一致性、可用性、性能之间权衡。Spring Cloud Alibaba 提供了一整套完善的分布式系统解决方案：

• 服务治理：Nacos（注册中心+配置中心）
• 流量控制：Sentinel（限流+熔断+降级）
• 分布式事务：Seata（AT/TCC/Saga模式）
• 消息队列：RocketMQ（顺序消息+事务消息）
• RPC框架：Dubbo（高性能服务调用）
• API网关：Spring Cloud Gateway（路由+过滤）