分布式数据库核心知识点与复习题精讲

一、分布式数据库基础概念

1.1 定义与特征

分布式数据库是由多个物理上分散、逻辑上统一的数据库节点组成的系统，核心特征包括：

• 数据分片（Sharding）：数据按特定规则分散存储在不同节点
• 透明性：对用户隐藏数据分布细节
• 高可用性：通过副本机制实现故障容错
• 横向扩展：通过增加节点提升系统容量

1.2 典型架构模式

1. Shared-Nothing架构：各节点独立存储和计算（如Google Spanner）
2. Shared-Disk架构：共享存储但独立计算（如Oracle RAC）
3. Peer-to-Peer架构：完全对等节点（如Cassandra）

二、核心理论模型

2.1 CAP理论

• 一致性（Consistency）：所有节点看到相同数据
• 可用性（Availability）：每个请求都能获得响应
• 分区容错性（Partition Tolerance）：网络分区时系统仍能运行

实践建议：

• 金融系统通常选择CP（如etcd）
• 社交网络倾向AP（如DynamoDB）

2.2 一致性模型

模型类型	典型实现	特点描述
强一致性	ZooKeeper	读写立即生效
最终一致性	Cassandra	异步传播变更
因果一致性	COPS	保持事件因果关系

三、关键技术实现

3.1 数据分片策略

# 范围分片示例（Range-based Sharding）
def get_shard(user_id):
    if user_id < 1000:
        return 'shard1'
    elif user_id < 5000:
        return 'shard2'
    else:
        return 'shard3'

其他分片方式：

• 哈希分片：均匀但无法范围查询
• 目录分片：灵活但需维护映射表

3.2 分布式事务实现

两阶段提交（2PC）流程：

1. 协调者发送prepare请求
2. 参与者锁定资源并回复ready/abort
3. 协调者根据响应发送commit/rollback

优化方案：

• TCC（Try-Confirm-Cancel）模式
• Saga事务模式

四、典型问题与解决方案

4.1 热点数据问题

现象：某分片负载显著高于其他节点
解决方案：

1. 动态分片迁移
2. 本地缓存+读写分离
3. 一致性哈希虚拟节点

4.2 跨机房同步延迟

优化手段：

• 采用物理时钟同步（如PTP协议）
• 设计异步双写补偿机制
• 使用向量时钟标记事件顺序

五、复习题库与解析

5.1 基础概念题

Q1：解释BASE理论的含义
A：Basically Available（基本可用）、Soft-state（软状态）、Eventually Consistent（最终一致），是CAP理论中AP方案的延伸

5.2 实践应用题

Q2：设计电商库存系统的分布式事务方案
A：推荐采用Saga模式，将扣减库存、创建订单等操作拆分为可补偿的子事务，通过事件日志实现最终一致性

5.3 故障处理题

Q3：网络分区时如何避免脑裂问题？
A：可采用法定人数（Quorum）机制，要求写操作必须获得多数节点确认；或引入第三方仲裁节点

六、进阶学习建议

1. 论文研读：Google Spanner、Amazon Dynamo
2. 开源项目实践：TiDB、CockroachDB源码分析
3. 性能调优：关注WAL日志优化、批量提交等技巧

通过系统掌握上述知识点并结合实际场景练习，开发者能够构建高可用的分布式数据库解决方案，有效应对海量数据存储与处理的挑战。