Java面试10|数据库相关

1、ID分配单点问题

系统使用一张表的自增来得到订单号，所有的订单生成必须先在这里insert一条数据，得到订单号。分库后，库的数量变多，相应的故障次数变多，但由于单点的存在，故障影响范围并未相应的减少，使得全年downtime上升，可用性下降。

针对ID分配单点问题，考虑到数据库表分配性能的不足，调研了Tair、Redis、Snowflake等ID分配器，同时也考虑过将ID区间分段，多点分配。

但最后没有使用这些方案，主要原因是ID分配对系统而言是强依赖服务，在分布式系统中，增加这样一个服务，整体可用性必然下降。我们还是从数据库入手，进行改良，方案如下。

如下图，由原来一个表分配改为100张表同时分配，业务逻辑上根据不同的表名执行一个简单的运算得到最终的订单号。

ID与用户绑定：对订单系统而言，每个用户有一个唯一的userid，我们可以根据这个userid的末2位去对应的id_x表取订单号，例如userid为10086的用户去id_86表取到值为42，那订单号就42*100+86=4286。

将订单内容根据userid模100分表后如下图：

通过看上面的技巧，我们发现订单根据“userid取模”分表和根据“订单号取模”来分表结果是一样的，因为后两位数一样。到此，分库操作就相当简单容易了，极限情况下分成100个库，每个库两个表。同一个用户的请求一定在同一个库完成操作，达到了完全拆分。

注：一般情况下，订单数据分表都是按userid进行的，因为我们希望同一个用户的数据存储在一张表中，便于查询。当给定一个订单号的时候，我们无法判别这个订单在哪个分表，所以大多数订单系统同时维护了一个订单号和userid的关联关系，先根据订单号查到userid，再根据userid确定分表进而查询得到内容。在这里，我们通过前面的技巧发现，订单号末二位和userid一样，给定订单号后，我们就直接知道了分表位置，不需要维护关联表了。给定订单号的情况下，单次查询由原来2条SQL变为1条，查询量减少50%，极大提升了系统高并发下性能。

一般生成的唯一ID最好有一些意义，如：

时间戳+用户标识码+随机数

则时间戳可以排序，用户标识码可以拿来进行分表的表定位，生成还比较简单

也可以采用应用层主键方案，这样就可以进行数据库切分，资源定位等。

看一下如何生成全局唯一ID，参考：

（1）http://www.cnblogs.com/baiwa/p/5318432.html

（2）http://blog.csdn.net/houkai6/article/details/17713845

2、在高并发环境下生成全局唯一ID

3、数据库如何实现事务？

4、数据库与缓存不一致问题

DB与Cache缓存不一致问题解决办法：

（1）"两次淘汰法" 在增加数据时添加到数据库同时向缓存中插入一条记录。更新时，可以采用先淘汰缓存，后写入数据，然后再淘汰一次缓存的策略，也可以更新数据库后更新缓存，从而不会导致缓存未命中的问题。

（2）添加数据时先在数据库中插入，然后再在缓存中保存一份。频繁更新数据时可先更新缓存，如更新Redis时需要记录更新的key值，然后异步刷新到数据库中。

参考：

（1）redis与DB数据同步问题 http://blog.csdn.net/seapeak007/article/details/53410553

（2）缓存架构设计细节二三事 http://www.jianshu.com/p/a38b26b55696

（3）主从DB与Cache一致性 http://www.jianshu.com/p/e3f5ff55f0fd