电商系统库存服务在分区故障下的CAP策略设计

题目

电商系统库存服务在分区故障下的CAP策略设计

信息

• 类型：问答
• 难度：⭐⭐

考点

CAP定理理解,分布式系统设计权衡,微服务容错机制

快速回答

在电商库存服务设计中处理网络分区故障时：

• 选择CP：保证数据强一致性，允许短暂服务不可用（如支付场景）
• 选择AP：保证服务可用性，接受最终一致性（如商品浏览场景）
• 关键策略：
  • 核心业务（扣减库存）采用CP模式
  • 非核心业务（库存显示）采用AP模式
  • 通过版本号/Quorum机制解决冲突

1. 原理说明

CAP定理指出分布式系统最多同时满足以下三项中的两项：

• 一致性(Consistency)：所有节点同时看到相同数据
• 可用性(Availability)：每个请求都能获得响应
• 分区容错性(Partition Tolerance)：网络分区时系统仍能运作

在电商库存场景中：

• 网络分区发生时（如机房断网），必须在C和A之间抉择
• 库存扣减需要强一致性防止超卖（CP）
• 商品库存显示可接受短暂不一致（AP）

2. 设计示例

CP模式实现（库存扣减）

// 使用Raft共识算法保证CP
public class InventoryService {
    private final RaftCluster raftCluster; // 基于Raft的分布式存储

    @PutMapping("/reduce")
    public Response reduceStock(@RequestParam String itemId, int count) {
        // 获取Leader节点（强一致性写入）
        if (!raftCluster.isLeader()) {
            return Response.fail("Redirect to leader"); // 非Leader节点拒绝请求
        }

        // 检查库存
        if (raftCluster.get(itemId) < count) {
            return Response.fail("Insufficient stock");
        }

        // 提交日志（需要多数节点确认）
        raftCluster.apply(new ReduceCommand(itemId, count));
        return Response.success();
    }
}

AP模式实现（库存查询）

// 最终一致性缓存方案
public class StockCacheService {
    private final RedisCache redisCache; // 分布式缓存
    private final EventBus eventBus; // 变更事件总线

    @GetMapping("/stock/{itemId}")
    public int getStock(@PathVariable String itemId) {
        // 优先返回缓存数据（可能短暂不一致）
        return redisCache.get(itemId); 
    }

    // 监听数据库变更事件
    @Subscribe
    public void onStockChange(StockEvent event) {
        redisCache.update(event.itemId(), event.newStock());
    }
}

3. 最佳实践

• 服务分层设计：
  • 核心服务（订单/支付）用CP（如etcd/ZooKeeper）
  • 非核心服务（商品信息）用AP（如Cassandra/DynamoDB）
• 冲突解决机制：
  • 向量时钟（Vector Clock）跟踪数据版本
  • Last-Write-Win策略处理冲突
• 降级方案：
  • 网络分区时自动切换读写模式
  • 设置库存预留缓冲池应对短时不一致

4. 常见错误

• 错误1：所有服务强制CP导致大面积服务不可用
• 错误2：AP系统未设置数据版本导致永久不一致
• 错误3：忽略超时机制误判网络分区
• 错误4：未定义最大分区恢复时间（如Mercury系统需明确时钟边界）

5. 扩展知识

• PACELC扩展：分区存在时在C/A间选择（PAC），无分区时在延迟(L)和一致性(C)间选择（ELC）
• 混合模式案例：
  • 银行转账：CP（Raft协议）
  • 社交点赞：AP（CRDT数据结构）
• 现代框架支持：
  • Spring Cloud的@Resilience4j熔断器
  • Service Mesh（如Istio）流量镜像