目录
AT模式（弥补了XA模型中资源锁定周期过长的缺陷）（高可用性）
限流
为什么要限流？
1.并发的确大（突发流量）
2.防止用户恶意刷接口
限流的实现方式:
Tomcat：可以设置最大连接数（适合单体项目）
- Nginx，漏桶算法
控制速率（突发流量）
控制并发连接数
网关，令牌桶算法
自定义拦截器
你们项目中有没有做过限流？怎么做的？
1，先来介绍业务，什么情况下去做限流，需要说明 QPS 具体多少
- 我们当时有一个活动，到了假期就会抢购优惠券，QPS 最高可以达到 2000，平时 10 - 50 之间，为了应对突发流量，需要做限流
- 常规限流，为了防止恶意攻击，保护系统正常运行，我们当时系统能够承受最大的 QPS 是多少（压测结果）
2，nginx 限流 - 控制速率（突发流量），使用的漏桶算法来实现过滤，让请求以固定的速率处理请求，可以应对突发流量
- 控制并发数，限制单个 ip 的链接数和并发链接的总数
3，网关限流 - 在 spring cloud gateway 中支持局部过滤器 RequestRateLimiter 来做限流，使用的是令牌桶算法
- 可以根据 ip 或路径进行限流，可以设置每秒填充平均速率，和令牌桶总容量
令牌桶和漏桶算法有什么区别？
原理
- 漏桶算法：可以看作是一个底部有漏洞的桶，无论请求以多快的速度进入桶内，漏桶都会以固定的速率将请求 "漏出" 进行处理。如果桶满了，后续进入的请求就会被丢弃。比如，一个漏桶每秒钟能处理 10 个请求 ，如果在某一秒钟内涌入了 30 个请求，那么除了这一秒正常处理的 10 个请求，另外 20 个请求会被丢弃。
- 令牌桶算法：系统会以恒定的速率向桶中放入令牌，每个请求在处理之前需要先从桶中获取一个令牌，如果桶中有足够的令牌，请求就能被处理；如果没有令牌，请求就需要等待或者被丢弃 。例如，令牌桶以每秒 10 个的速率生成令牌，桶的容量是 100 个，如果在某一时刻桶中有 20 个令牌，此时来了 30 个请求，那么其中 20 个请求可以立即获取到令牌并被处理，剩下 10 个请求则需要等待新的令牌生成。
流量处理特性
- 漏桶算法：能够强行限制数据的传输速率，使请求以均匀的速率被处理，所以它可以很好地平滑突发流量 ，但在面对突发流量时，无法利用系统的瞬间处理能力，可能会导致资源利用率不足。比如，在电商大促瞬间有大量抢购请求，漏桶只能按照固定速率处理，即使服务器还有处理能力，也无法及时处理更多请求。
- 令牌桶算法：在保持平均速率限制的同时，允许一定程度的突发流量，只要桶内有足够的令牌，就可以快速处理请求，充分利用系统资源。例如，平时系统处理请求速率是每秒 10 个，在促销活动时，由于之前积累了一定数量的令牌，短时间内可以处理更多请求。
分布式事务
Seata架构
Seata 事务管理中有三个重要的角色:
- TC (Transaction Coordinator) - 事务协调者：维护全局和分支事务的状态，协调全局事务提交或回滚。
- TM (Transaction Manager) - 事务管理器：定义全局事务的范围、开始全局事务、提交或回滚全局事务。
- RM (Resource Manager) - 资源管理器：管理分支事务处理的资源，与 TC 交谈以注册分支事务和报告分支事务的状态，并驱动分支事务提交或回滚。
XA模式
一、全局事务开启（TM 主导）
TM（事务管理器）作为全局事务的发起方，首先执行 1.1 开启全局事务 操作，标记一个分布式事务的开始。这一步是整个 XA 模式的起点，明确事务的边界，后续所有分支事务都将关联到这个全局事务中，为跨微服务的业务操作提供统一的事务上下文。
二、分支事务初始化（TM 调用 + RM 执行）
- TM 调用分支 ：TM 执行 1.2 调用分支 动作，触发微服务中的业务逻辑执行。此时，微服务内的 RM（资源管理器）开始介入分支事务处理，为后续注册和执行分支事务做准备。
- RM 注册分支事务 ：微服务中的 RM 执行 1.3 注册分支事务，主动向 TC（事务协调者）登记当前分支事务。这一步让 TC 感知到分支事务的存在，建立全局事务与分支事务的关联，TC 后续可通过该关联管理分支事务的状态。
- RM 执行业务 SQL ：RM 内部执行 1.4 执行业务 SQL ，在分支事务的上下文里处理具体业务逻辑（如数据库增删改操作 ）。但与本地事务不同，XA 模式下这一步 仅执行 SQL 但不提交，为二阶段的统一提交 / 回滚预留控制入口，保证分布式事务的原子性。
- RM 报告事务状态 ：RM 完成业务 SQL 执行后，执行 1.5 报告事务状态，将分支事务的执行结果（成功或失败）反馈给 TC。TC 由此收集各分支事务的状态，为二阶段的决策提供依据。
三、全局事务二阶段决策（TC 主导）
- TC 检查分支事务状态 ：TC 执行 2.2 检查分支事务状态，汇总各 RM 报告的分支事务执行结果。这一步是 XA 模式的核心决策点，TC 需基于所有分支事务的状态，判断全局事务是提交还是回滚。
- TC 发起全局指令 ：根据分支事务状态，TC 执行 2.1 提交、回滚全局事务 操作：
- 若所有分支事务均成功 ，TC 向各 RM 发送 2.3 提交 指令，要求完成分支事务的最终提交，保证全局事务的一致性；
- 若任意分支事务失败 ，TC 向各 RM 发送 2.3 回滚 指令，要求撤销已执行的分支业务操作，避免数据不一致。
四、分支事务最终执行（RM 响应 TC 指令）
RM 接收 TC 下发的 2.3 提交 / 回滚 指令后，执行分支事务的最终操作：
- 若指令是提交，RM 会提交一阶段执行的 SQL，将业务操作持久化到数据库，完成分支事务；
- 若指令是回滚，RM 会回滚一阶段执行的 SQL，撤销未提交的业务操作，保证数据恢复到事务执行前的状态。
AT模式（弥补了XA模型中资源锁定周期过长的缺陷）（高可用性）
一、全局事务开启（TM 主导触发）
TM（事务管理器）执行 1.1 开启全局事务，标记分布式事务的起始，为后续分支事务划定统一的事务边界，让 TC（事务协调者）和 RM（资源管理器）感知全局事务上下文。
二、分支事务初始化与执行（RM 主导阶段一）
- TM 调用分支 ：TM 执行 1.2 调用分支，触发微服务内的业务逻辑执行，此时微服务中的 RM 开始处理分支事务，进入 AT 模式的核心阶段。
- RM 注册分支事务 ：RM 执行 1.3 注册分支事务，主动向 TC 登记当前分支事务，建立全局事务与分支事务的关联，使 TC 能够管理分支事务的状态。
- RM 记录 undo-log（数据快照） ：RM 在执行业务 SQL 前，会记录 更新前后的数据快照（undo-log），内容包含数据修改前的旧值、修改后的新值等。这是 AT 模式区别于 XA 模式的关键：通过快照实现 "柔性" 事务控制，避免长时间锁定资源。
- RM 执行业务 SQL 并提交 ：RM 执行 1.4 执行业务 SQL 并提交 ，直接完成本地事务的提交（与 XA 模式 "一阶段不提交" 不同 ）。此时业务数据已落库，但由于记录了 undo-log，后续可通过回滚快照实现最终一致性，一阶段即可释放数据库锁，解决了 XA 模式资源锁定周期过长的问题。
- RM 报告事务状态 ：RM 执行 1.5 报告事务状态，将分支事务的执行结果（成功或失败）反馈给 TC，TC 由此收集各分支事务的状态，为二阶段决策提供依据。
三、全局事务二阶段决策（TC 主导）
- TC 检查分支事务状态 ：TC 执行 2.2 检查分支事务状态 ，汇总各 RM 报告的分支事务执行结果，判断全局事务的最终走向：
- 若所有分支事务均成功 ，TC 向各 RM 发送 2.3 提交 指令；
- 若任意分支事务失败 ，TC 向各 RM 发送 2.3 回滚 指令。
- TC 发起全局指令 ：TC 执行 2.1 提交、回滚全局事务 操作，根据分支事务状态，统一向 RM 下发提交或回滚的指令，驱动各分支事务完成最终的一致性保障。
四、分支事务最终处理（RM 响应 TC 指令）
场景 1：全局事务提交（TC 下发提交指令）
RM 接收 2.3 提交 指令后，执行 2.4 删除 undo-log，因为业务 SQL 已在一阶段提交，删除快照即可释放资源，标志分支事务彻底完成，全局事务达成最终一致。
场景 2：全局事务回滚（TC 下发回滚指令）
RM 接收 2.3 回滚 指令后，执行 2.4 恢复 log 数据，通过一阶段记录的 undo-log（数据快照），将业务数据回滚到修改前的状态，撤销一阶段的业务操作，保证全局事务的一致性。
TCC模式(高可用性，高耦合)
一、全局事务开启（TM 触发起点）
TM 执行 1.1 开启全局事务，标记分布式事务的起始，为后续跨微服务的分支事务提供统一的事务上下文，让 TC 和 RM 明确事务边界。
二、分支事务初始化（TM 调用 + RM 参与）
- TM 调用分支 ：TM 执行 1.2 调用分支，触发微服务内的业务逻辑，此时微服务中的 RM 开始处理分支事务，进入 TCC 模式的核心流程。
- RM 注册分支事务 ：RM 执行 1.3 注册分支事务，主动向 TC 登记当前分支事务，建立全局事务与分支事务的关联，使 TC 能够管理分支事务的状态。
- RM 报告事务状态 ：RM 在完成分支事务的 Try 阶段后，执行 1.5 报告事务状态，将 Try 阶段的执行结果（成功或失败）反馈给 TC，TC 由此收集各分支事务的状态。
三、TCC 三阶段之 Try（RM 主导）
RM 执行 1.4 资源预留（Try），这是 TCC 模式的核心阶段：
- 资源检测：检查业务操作所需的资源（如库存、余额等）是否充足；
- 资源预留：冻结或锁定资源（如扣减库存预留量、冻结账户金额 ），确保后续 Confirm 或 Cancel 阶段可操作。
- 关键约束：Try 阶段需保证 "幂等性"（重复调用不影响结果），且要为 Confirm/Cancel 阶段的执行做好准备。
四、全局事务二阶段决策（TC 主导）
- TC 检查分支事务状态 ：TC 执行 2.2 检查分支事务状态 ，汇总各 RM 报告的 Try 阶段结果，判断全局事务的最终走向：
- 若所有分支事务的 Try 均成功 ，TC 向各 RM 发送 2.3 提交 指令，触发 Confirm 阶段；
- 若任意分支事务的 Try 失败 ，TC 向各 RM 发送 2.3 回滚 指令，触发 Cancel 阶段。
- TC 发起全局指令 ：TC 执行 2.1 提交、回滚全局事务 操作，根据分支事务状态，统一向 RM 下发 Confirm 或 Cancel 指令，驱动各分支事务完成最终的一致性保障。
五、TCC 三阶段之 Confirm/Cancel（RM 执行）
场景 1：全局事务提交（TC 下发提交指令）
RM 执行 2.4 Confirm，此阶段需完成：
- 资源操作落定：将 Try 阶段预留的资源真正执行（如扣减实际库存、转账到账 ）；
- 幂等性保障：确保 Confirm 操作可重复执行（即使重试也不会重复扣减 / 增加资源 ）；
- 关键约束：Try 成功后，Confirm 必须能成功执行（否则需通过重试、补偿保证最终一致性 ）。
场景 2：全局事务回滚（TC 下发回滚指令）
RM 执行 2.4 Cancel，此阶段需完成：
- 预留资源释放：撤销 Try 阶段的资源预留（如解冻库存、返还冻结金额 ）；
- 幂等性保障：确保 Cancel 操作可重复执行（即使重试也不会重复释放资源 ）；
- 作用：恢复业务数据到 Try 阶段前的状态，保证全局事务的一致性。
MQ分布式事务（高性能，实时性低）
你们采用哪种分布式事务解决方案？
- 简历上写的微服务，只要是发生了多个服务之间的写操作，都需要进行分布式事务控制
- 描述项目中采用的哪种方案（seata | MQ）
- seata 的 XA 模式，CP，需要互相等待各个分支事务提交，可以保证强一致性，性能差 银行业务
- seata 的 AT 模式，AP，底层使用 undo log 实现，性能好 互联网业务
- seata 的 TCC 模式，AP，性能较好，不过需要人工编码实现 银行业务
- MQ 模式实现分布式事务，在 A 服务写数据的时候，需要在同一个事务内发送消息到另外一个事务，异步，性能最好 互联网业务
分布式服务的接口幂等性如何设计？
token+redis
生成token 带token验证
分布式锁
回答
- 幂等：多次调用方法或者接口不会改变业务状态，可以保证重复调用的结果和单次调用的结果一致
- 如果是新增数据，可以使用数据库的唯一索引
- 如果是新增或修改数据
- 分布式锁，性能较低
- 使用 token+redis 来实现，性能较好
- 第一次请求，生成一个唯一 token 存入 redis，返回给前端
- 第二次请求，业务处理，携带之前的 token，到 redis 进行验证，如果存在，可以执行业务，删除 token；如果不存在，则直接返回，不处理业务
你们项目中使用了什么分布式任务调度？
xxl-job路由策略有那些？
