分布式(https://www.oschina.net/action/GoToLink?urlhttp%3A%2F%2Fwww.jianshu.com%2Fwriter)分布式服务：DubboZookeeperProxyRestful分布式消息中间件：KafKaFlumeZookeeper分布式缓存：Redis   分布式文件：

Redis面试1.Redis是什么？都有哪些使用场景？我们先来理解经典的CAP理论：tex一致性：是指从数据层面来看的一致性。可用性：是指从系统层面的可用性。容错性：是指从网络层面的的容错性。

mysql和redis双写一致性策略分析一.什么是双写一致性当我们更新了mysql中的数据后也可以同时保证redis中的数据同步更新；数据读取的流程：1.读取redis,如果value!null,直接返回；2.如果redis中valuenull，读取mysql中数据对应的val

前言　　1）在数据库的锁机制中介绍过，数据库管理系统（DBMS）中的并发控制的任务是确保在多个事务同时存取数据库中同一数据时不破坏事务的隔离性和一致性以及数据库的一致性。　　2）加锁是为了解决更新丢失问题更新丢失　　两次更新同时进行，后一次更新覆盖了前一次更新的情况，更新丢失是数据没有保证一致性导致的。事务A查询余额，

1\.innodb在不同隔离级别下的一致性读及锁的差异　　不同的隔离级别下，innodb处理sql时采用的一致性读策略和需要的锁是不同的，同时，数据恢复和复制机制的特点，也对一些sql的一致性读策略和锁策略有很大影响。对于许多sql,隔离级别越高，innodb给记录集的锁就越严格(龙其是使用范围条件的时候)，产生的锁冲突的可能性也就越高，

1、事物四大特性（ACID）1.原子性（atomicity）：一个事务必须视为一个不可分割的最小工作单元，整个事务中的所有操作要么全部提交成功，要么全部失败回滚，对于一个事务来说，不可能只执行其中的一部分操作，这就是事务的原子性。2.一致性（consistency）：数据库总数从一个一致性的状态转换到另一个一致性的状态。3.隔离性

对于hash算法，有几个问题避无可避的。问题1:hash冲突的问题？1\.背景介绍：在数据量很大的时候，就会出现hash之后的数值，指向相同的位置，也就是所谓的hash冲突。这个取决于hash算法的好坏，以及数据量的大小，hash算法越差，数据量越大，hash冲突的概率就会越大。2\.然而一旦出现了hash冲突，我们该怎么办

在上一篇文章写了锁的基本概述以及行锁的三种形式，这一篇的主要内容如下：一致性非锁定读自增长与锁外键和锁一致性性非锁定读一致性非锁定读是InnoDB通过多版本并发控制（MVCC，multiversionconcurrencycontrol）的方式来读取当前执行时间数据库中的最近一次快照，如果读取的行正在执行

根据阿里交易型业务的特点，以及在双十一这样业内罕有的需求推动下，我们在官方的MySQL基础上增加了非常多实用的功能、性能补丁。而在使用MySQL的过程中，数据一致性是绕不开的话题之一。本文主要从阿里巴巴“去IOE”的后时代讲起，向大家简单介绍下我们过去几年在MySQL数据一致性上的努力和实践,以及目前的解决方案。一.MySQL单机的数据一致性

在分布式系统应用中，高可用、一致性是经常面临的问题，针对不同的应用场景，我们会选择不同的架构方式，比如masterslave、基于ZooKeeper选主。随着时间的推移，出现了基于Raft算法自动选主的方式，Raft是在Paxos的基础上，做了一些简化和限制，比如增加了日志必须是连续的，只支持领导者、跟随者和候选人三种状态，在理解和算法实现上都相对容易许多。