怎么做分布式存儲的面試?
一個實習生小朋友騙我說他不會，問我這些題目怎么做。這明擺著換個法子來面試我呀!要是真啥都不會能來我司實習么?全是套路啊。不過原文出題還是很有水平的，所以我決定寫一寫。
1. 用cas實現spinlock.
spinlock在網上應該一搜一大把，我試著給出一個simple甚至naive的實現。
- type SpinLock struct {
- count uint64
- }
- func (l *SpinLock) Lock() {
- for !atomic.CompareAndSwapUint64(&l.count, 0, 1) {
- }
- }
- func (l *SpinLock) Unlock() {
- atomic.StoreUint64(&l.count, 0)
- }
若是較真的話可以看看這里。這個題的考點不在這里，問無鎖實現，原子操作，ABA問題這些底層方向思路就走偏了。其實多線程的并發安全，跟多個事務的并發安全，在某種程度上是共通的。 這才是考察的核心問題，比如我做了一個kv引擎，只提供了get set 和cas操作，那么能否在這個基礎上，實現一個鎖操作的API?假設我們能實現出鎖操作，那我們又能否利用這個鎖，實現出跨多個key的修改操作的安全API?如何保證原子語義，要么全成功，要么全失敗。
事實上僅用cas這套搞出跨多key的修改是蠻蛋疼的，再細節到網絡失敗的時候鎖的釋放，深入思考下就會想到，因為網絡是有3態的：成功失敗和不可知。一般會基于快照做，只有cas的保證太弱了。
cas提供的原子性，這是一個很重要的點，假設在分布式的事務里面，跨分片的事務提供能否成功，只取決于一個primary key的提交是否能成功。這里有兩個問題思考一下也挺有意思，第一，跨多機的時候，如何提供對某一個key的原子語義?第二，如果只有對一個key的原子保證，如果實現跨許多機器跨多個key-value的原子操作語義?
扯淡扯遠了，我們看下一題吧。
2. 實現單機kv存儲系統, 多節點共享kv存儲服務, 怎么解決external consistency的問題?
- kv存儲N=0
- 用戶A和B操作kv存儲系統按照下面時序:
- 1.用戶A執行操作: INC N;
- 2.用戶A通知用戶B執行操作;
- 3.用戶B執行操作: if (N % 2 == 0) {N*=2;} else {N +=3;}
- 怎么保證結果符合預期呢? 在網絡傳輸影響操作到達次序的情況下, 怎么保證B后于A完成操作.
- 如果這個過程插入了C, 又如何做呢?
外部一致性我記得不是太清了(假裝一臉認真)，產生因果關系的操作之間，執行順序滿足因的操作應該先于果?有點像因果率一致?A操作引發了B，那么B一定應該看得到A執行產生的結果。這個例子里面因為這個因果關系，似乎是希望B看到的值應該是N INC之后的值。
兩個操作都訪問到了N，如果保證操作的安全?無非是，加鎖和MVCC。加鎖很好理解，讀寫鎖，寫寫沖突，讀寫沖突。那么該如何理解MVCC?MVCC其實很類似一個特殊的cas，它保證了涉及到跨多key修改的原子操作語義，這樣也可以理解為什么MVCC可以把并發粒度控制得更好。
這里是說的單機存儲引擎，如果放到分布式里面會更復雜一點。事務A的開始時間戳先于事務B，但是事務B的提交卻先于A，這時會發生什么事情?用多版本帶一個邏輯時鐘，就可以處理這種情況：假設A做INC N操作的時候邏輯時間是5，給B發消息變成6，B收到消息以后，它操作的N的版本應該是6以后的。只需要邏輯時鐘，就可以檢測到有相互關聯性的事務。如果這個過程插入了C，如果C跟A和B沒有共同修改的key，那么C的影響可以忽略。如果有修改到N，但是沒有跟A和B交互，那么可以認為C的存在與其它用戶并沒有因果關系，邏輯時鐘也不會檢測到這一點，是能滿足external consistency的。
3. 鎖實現和版本控制用那個呢?
兩者都是方法和手段，并不沖突和矛盾。鎖有很多不同的粒度，比如一把全局的大鎖;再比如讀寫鎖，任一時刻如果有寫，就不能進行其它操作，而讀鎖之間相互不影響;我看了好些傻逼的實現都是一把全局大鎖，像boltdb，還有leveldb的Go語言封裝里面提供的Transaction接口，都是很沒節操的。前陣子我還考慮過寫一個RangeLock，調整鎖的粒度：只有被同步訪問到的key之間，才會有鎖沖突，比如我在操作A他在操作B，相互是不影響的。遇到鎖沖突了會變得復雜，回滾操作必須記得釋放之前的鎖，加鎖也要有點技巧，如果一個操作鎖了A去請求B，另一個操作鎖了B去請求A，就成環死鎖了。
MVCC也會遇到沖突，沖突時無非兩種手段：過一會兒重試或者abort。看!這本質上也是鎖，樂觀鎖悲觀鎖而已。所以并不是用了MVCC鎖的概念就消失了。不過MVCC是個好東西，它比鎖可以提供更細粒度的并發。通過讀歷史版本，讓讀和寫之間的沖突進一步降低。代價當然是問題被搞得更加復雜了。
如何選擇?根據實際的場景具體情況具體去分析。挑選適當的隔離級別，RC/RR/SI。
4. kv系統數據要持久化, 怎么保證在供電故障的情況下, 依然不丟數據.
先寫WAL再做寫操作，常識。出故障了從check point重放日志，就可以恢復之前的狀態機。
5. flush/fsync/WAL/磁盤和ssd的順序寫
說到這個問題，就不得不先從緩存聊起。由于下一級的硬件跟不上上一級的讀寫速度，緩存這東西應運而生。硬盤有緩存，操作系統有緩存，標準庫也有緩存，用戶還可能自己設緩存，總之是各種的緩存。命中緩存時，可以大大提高讀的速度，只有當緩存穿透才會到下層去請求數據。寫操作也由于緩存的存在而變成了批量操作，吞吐得以提高。
然而寫的時候遇到突然斷電的情況，數據還在緩存層沒刷下去，就尷尬了...會丟數據!如果要保證可靠寫這里我們需要采取些法子，手動將緩存刷進磁盤里。
flush是刷C標準庫的IO緩存。fsync是系統調用，頁緩存會被刷到磁盤上。
寫IO有好多種方式，最笨的調用C的IO庫，然后還有操作系統的read/write，或者mmap又或者使用direct-io，甚至是寫祼設備。關于這些寫下去相關知識也不少。
WAL是常識性的東西，先出日志，重放日志就可以得到快照，即使快照壞掉了，重放日志也可以恢復出正常的快照。而且做同步一般都是基于日志來做的。
最后是磁盤和ssd，了解硬件的特性對于理解優化非常重要。磁盤是需要尋道的，而尋道的硬件機制決定了這個操作快不了。硬盤順序讀寫本身的速率比較快，但尋道卻要花掉10ms，所以隨機讀寫性能會比較著。ssd那邊沒有尋道操作，讀的速度非常快。然而順序寫的優勢相對磁盤并沒有高多少。如果沒記錯，ssd大概就200MB/s的級別，而磁盤順序寫也有接近100MB的級別。
6. 單機kv存儲系統, 從掉電到系統重啟這段時間, 不可用, 如何保證可用性呢?
要有副本。不然哪來可用性A?而有了副本，一致性C又麻煩來了，呵呵。
7. 數據復制, 日志復制, 有哪些實現方法呢?
做數據同步操作時，一般是找到快照點，將快照的數據發過去，之后再從放這個點之后的日志數據。回放日志就可以增量同步了，不過增量同步也有不爽的，中間斷了太多就需要重新全量。最蛋疼的問題是，增量同步只能做最終一致性。主掛了切到從，丟一段時間的數據。
8. 做主從復制, 采用pull和push操作, 那個好呢?
如果保證一致性，由主push并收到應答處理。如果不保證，由從做pull比較好，從可以掛多個，還可以串起來玩。
9. 如何保證多副本的一致性? RSM
副本是一致性的最大敵人，一旦有了副本，就有可能出現副本間不同步的情況。異步寫的方式頂多只能做到最終一致性，所以必須同步寫。寫主之后，同步完其它節點從才返回結果。不過寫所有節點太慢了，而且掛掉節點時可用性有問題。
在raft出來之前，號稱工業上唯一只有一種一致性協議的實現，就是paxos。然而paxos即難懂，又難實現。無論對于教育還是工程角度都它媽蛋疼的要死，還它媽的統治了業界這么多年。強勢安利一波raft。
10. 分布式共識算法: zab, paxos, raft.
zab還沒研究過。basic paxos還勉強能看一看，multi paxos就蛋疼了，看得云里霧里。raft我寫過幾篇博客，話題太大，這里不展開了。不過不管是哪一種，搞分布式是逃不掉的。
11. commit語意是什么呢?
私以為是ACID里面的D，持久性。一旦提交了，就不會丟。
12. 單機或者單個leader的qps/tps較低, 如何擴大十倍?
如果能加機器就搞分布式。做分布式就走兩個方向：可以分片就讓leader分片，負載就分攤開了吞吐就上來了;可以副本就考慮走follower read，壓力就分到了follower中。只要架構做的scalable了，擴大10倍1000都好說。
如果不能走分布式，就考慮優化單機性能。網絡的瓶頸就batch + streaming。CPU，內存什么都不說了。硬盤不行就換SSD。
如果是qps，讀嘛，該上緩存上緩存。唯有寫是不好優化的，tps就合理選擇LSM存儲引擎，合并寫操作，順序寫。怎么讓系統性能更好這個話題，展開就更多了，不過最后我還是想講個笑話。
某大廠某部門半年間系統性能優化了3倍，怎么優化的?因為他們升級了最新版本的php，php編譯器的性能提升了3倍。所以嘛...問我怎么優化?升級硬件吧，升級更牛B的硬件，立桿見影。我們客戶把TiDB的硬盤升級到了SSD，性能立馬提升了10倍。
13. 怎么做partitioning和replicating呢?
分片和副本，分布式系統里面的三板斧。系統規模大了，單機承受不住，肯定就分片。做存儲是有狀態服務，不能單個分片掛了系統就掛了，于是必須有副本。其實兩個都麻煩。
分片的麻煩的關鍵，在于分片調整。比如按hash分的，按range分的，只要涉及調整，就蛋疼。數據遷移是免不了，如果整個過程是無縫的?如果做到不停機升級?升級處理過程中，無信息的更新以及一致性，都是比較惡心的。
副本麻煩的關鍵，就是一致性了。有副本就引入了一致性問題，paxos可以解救你，如果大腦不會暴掉。
具體的怎么分片還是看業務的。而副本什么也看一致性級別要求，強同步，半同步，最終一致性亂七八糟的。
14. 存儲或者訪問熱點問題, 應該怎么搞?
加緩存。或者業務調整看能否hash將訪問打散。
15. CAP原理
去問google。先問google。容易google到的都不要問我。誰要問我這種東西，我拒絕回答，并給他一個鏈接：《提問的智慧》。
16. 元數據怎么管理?
etcd呀。開源這么多輪子，不好好用多浪費。
17. membership怎么管理?
etcd呀。lease。上線下線都注意走好流程。
18. 暫時性故障和永久性故障有哪些呢?
暫時性故障：網絡閃斷，磁盤空間滿了，斷電，整機房掉電，光纖被挖斷了(中國大的互聯網公司服務質量的頭號敵人)，被ddos了 永久性故障：硬盤掛了，系統掛了，被墻了。
擦，我分不清勒。
19. failover和data replication怎么搞呢?
haproxy
20. 磁盤的年故障率預估是多少?
待會去google一下。先瞎寫寫，假設一塊磁盤一年故障的概率是P，假設系統有100塊磁盤，那么整個系統的磁盤故障率就變成了(1-(1-P)^100)，我知道這個概率會變得非常大。
這時我們考慮RAID的情況。RAID 0卵用都沒有，壞一塊就壞了。計算公式跟之前一樣的。RAID 1兩塊盤互為鏡像，可以把P就成P/4。還有RAID 01/10，怎么計算來的?還有就是糾錯碼技術。計算更復雜了。
分布式以后，上層可以控制分片和副本數，跟RAID一個道理，然后掛一個副本不會掛，要掛掉系統的大多數......但是故障率是多少呢?操!數學沒學好，怎么辦啊?
ssd跟磁盤不一樣的地方，它以整個block為單位操作，在寫入之前需要先擦除，而擦除的次數是有上限的，所以壽命比磁盤的要短很多。具體是多久，還是得問google。
21. kv系統存儲小王, 小李, 小張三個人的賬戶余額信息, 數據分別在不同的節點上, 怎么解決小王向小李, 小李向小張同時轉款的問題呢?
兩階段提交。打個廣告：我們的TiKV提供了分布式事務，這個問題很好解決。
- Prewrite 小王賬戶減;小張賬戶加 Commit
- Prewrite 小張賬戶減;小李賬戶加 Commit
搞定!
真是越寫越是瞎扯淡去了...要是讓我們的實習生面試我，估計我要掛...也許當初是混進公司的吧，噓!別讓老板知道了。
