抽象类和接口的区别？

#牛客AI配图神器#1. redis怎么实现分布式锁2. 场景 redis宕机， 客户端已经获取了分布式锁怎么办（回答请求锁设置超时时间）， 设置超时时间，要是实际任务很长很耗时，其他线程请求锁超时了怎么办3. sychronized 和 lock区别4. spring异步注解@Async5. 讲讲springAop6. springboot相比于spring的优势7. 线程池核心线程，最大线程怎么设置8. java面向对象的理解9. map, list, set有哪些集合,是线程安全的吗10. bean生命周期11. spring自动配置原理12. concorrentHashMap原理13. 接口与抽象类的区别14. 死锁条件，如何防止死锁，死锁检测的工具15. 迭代器itrator的原理16. 双亲委派模型17. 缓存击穿与缓存穿透的区别

在分布式系统中，事务需要跨多个服务或数据库执行，传统的ACID事务（单机数据库事务）无法直接适用，因此需要**分布式事务**机制来保证数据一致性。以下是分布式事务的核心概念、挑战及主流解决方案。---##**# deepseek#1. 什么是分布式事务？****定义**：分布式事务是指事务的参与者（如多个微服务、数据库、消息队列等）分布在不同的节点上，需要协调这些节点共同完成一个全局事务，保证所有操作要么全部成功，要么全部失败。### **典型场景**- **跨行转账**：A银行扣款，B银行加款。- **订单支付**：扣减库存 + 创建订单 + 支付。- **跨服务调用**：用户注册（用户服务 + 积分服务）。---## **2. 分布式事务的挑战（CAP理论）**在分布式系统中，无法同时满足 **CAP**（一致性 Consistency、可用性 Availability、分区容错性 Partition Tolerance）三个特性，必须权衡取舍：| **特性**       | **说明**                                                                 ||----------------|-------------------------------------------------------------------------|| **一致性 (C)** | 所有节点在同一时间的数据完全一致（强一致性）。                           || **可用性 (A)** | 每个请求都能得到响应（不保证最新数据）。                                 || **分区容错 (P)** | 系统在部分节点故障时仍能继续运行（分布式系统必须满足）。                 |**结论**：- **CP系统**（如ZooKeeper）：保证一致性，牺牲可用性（如选举期间不可用）。- **AP系统**（如Cassandra）：保证可用性，牺牲强一致性（最终一致性）。- **CA系统**（如单机MySQL）：不适用于分布式环境（无法容忍网络分区）。---## **3.1 2PC（两阶段提交）****原理**：1. **准备阶段（Prepare）**：协调者询问所有参与者是否可以提交。2. **提交阶段（Commit/Rollback）**：如果所有参与者都同意，则提交；否则回滚。**优点**：- 强一致性（所有节点要么全部提交，要么全部回滚）。  **缺点**：- **同步阻塞**：参与者必须等待协调者决策，性能低。- **单点故障**：协调者宕机会导致事务阻塞。- **数据不一致风险**：第二阶段部分参与者可能未收到提交指令。**适用场景**：- 传统数据库（如XA协议），适用于短事务、低并发场景。---### **3.2 3PC（三阶段提交）****改进点**：1. **CanCommit**（询问阶段）：检查参与者是否可执行事务。2. **PreCommit**（预提交）：锁定资源，但不提交。3. **DoCommit**（最终提交）：确认提交或回滚。**优点**：- 减少阻塞时间（相比2PC）。  **缺点**：- 仍然存在单点故障问题。- 实现复杂，实际应用较少。---### **3.3 TCC（Try-Confirm-Cancel）****原理**：- **Try**：预留资源（如冻结库存）。- **Confirm**：确认执行（如扣减库存）。- **Cancel**：失败时回滚（如解冻库存）。**优点**：- 无阻塞，适用于高并发。- 最终一致性较好。**缺点**：- 业务侵入性强（需手动实现Try/Confirm/Cancel）。- 需处理空回滚、幂等性问题。**适用场景**：- 金融支付、电商订单等高一致性要求的业务。---### **3.4 Saga模式****原理**：- 将长事务拆分为多个本地事务，每个事务提交后触发下一个事务。- 失败时执行补偿事务（反向操作）。**优点**：- 适用于长事务（如跨服务业务流程）。- 无全局锁，性能较高。**缺点**：- 不保证强一致性（可能出现脏数据）。- 补偿逻辑复杂。**适用场景**：- 订单流程、物流跟踪等最终一致性场景。---### **3.5 本地消息表（异步确保）****原理**：1. 业务数据 + 消息表（同库事务）。2. 定时任务轮询消息表，发送MQ。3. 消费者处理消息，失败重试。**优点**：- 实现简单，无额外组件依赖。- 保证最终一致性。**缺点**：- 依赖数据库（可能成为瓶颈）。- 延迟较高。**适用场景**：- 订单状态同步、日志处理等低延迟容忍场景。---### **3.6 最大努力通知****原理**：- 系统A执行本地事务后，异步通知系统B。- 系统B收到后处理，失败则重试（可设置最大重试次数）。**优点**：- 实现简单，适合跨系统调用。**缺点**：- 不保证100%一致性（最终可能人工介入）。**适用场景**：- 支付结果通知、第三方回调等。---## **4. 如何选择合适的方案？**| **方案**       | **一致性** | **性能** | **复杂度** | **适用场景**                     ||----------------|-----------|----------|------------|----------------------------------|| **2PC**        | 强一致    | 低       | 中         | 传统数据库（XA）                 || **TCC**        | 最终一致  | 高       | 高         | 金融、电商支付                   || **Saga**       | 最终一致  | 高       | 中         | 长事务（订单、物流）             || **本地消息表** | 最终一致  | 中       | 低         | 异步任务（库存扣减、日志）       || **最大努力通知**| 弱一致    | 高       | 低         | 跨系统通知（支付回调）           |--- ## **Q1：2PC和TCC的区别？**- **2PC**：数据库层实现，强一致，阻塞式，性能低。- **TCC**：业务层实现，最终一致，非阻塞，性能高。### **Q2：如何避免Saga模式的脏读？**- 采用**业务锁**或**版本号控制**，确保补偿事务正确执行。### **Q3：本地消息表如何保证消息不丢失？**- 消息表和业务数据在同一个事务中插入，确保原子性。- 定时任务 + 重试机制保证消息最终投递。---## **6. 总结**- **强一致性**：2PC（牺牲性能）。- **高并发+最终一致**：TCC、Saga、本地消息表。- **简单可靠**：最大努力通知。**实际应用**：电商系统通常组合使用：- **库存扣减**：TCC/Saga。- **订单支付**：本地消息表 + 异步通知。- **物流跟踪**：Saga模式。 理解这些方案的优缺点，能帮助你在架构设计时做出合理选择。

4.1一面完4.2就发感谢信结果今天打电话告诉我一面过了让我二面群面真是六百六十六😅一面纯刷kpi，上来就打击我为什么不考研，说我没规划好时间，摄像头也不开。二面直接拒了估计二面也是刷kpi。这是找工作到现在印象最差的

#神州信息求职汇总# 1.类的加载有几种？2.Java 有乐观锁吗？3.ThreadLocal 是什么呀？4.守护线程和非守护线程是什么区别？5.两个 String 对象的 hash code 相同，则 equals 一定为 true 吗？6.Private、 Protect、Public 等修饰符的作用?7.Stack 方法里边可以引用非 Stack 成员变量吗？#牛客AI配图神器#