分布式系统中我们面临的问题

一致性问题
分布式系统中的一致性指应用系统的一致性和数据的一致性。多个系统之间互相通信，就有可能遇到例如：

(1) 调用超时：系统A调用系统B超时，系统A得到超时反馈，但不确定系统B是否已经处理结束，就会造成不一致。

(2) 掉单：系统A和系统B分别为对方的上下游，如果系统A中存在一个订单，而系统B中不存在，就会导致掉单。

(3) 缓存与数据库的不一致：面对海量的访问请求，我们经常会需要在数据库前加一层缓存，这个缓存与数据库之间如何保证一致性。

CAP定理
CAP定理，指的是在一个分布式系统中，Consistency（一致性）、 Availability（可用性）、Partition tolerance（分区容错性），最多实现两点，三者不可兼得。CAP定理主要是针对分布式系统各节点之间的通信提出的定理。

一致性（C）：在分布式系统中的所有数据备份，在同一时刻是否同样的值。

可用性（A）：在集群中一部分节点故障后，集群整体是否还能响应客户端的请求。

分区容错性（P）：分布式系统中的节点之间的通信有可能失败，在这种情况下，系统要能够容纳这种错误。

分布式系统中必然存在着分区，而由于当前的网络硬件肯定会出现延迟丢包等问题，所以分区容错性是我们必须需要实现的。那么根据CAP定理，C与A我们只能择其一实现。那么为什么实现P的情况下，C与A不可兼得呢，我们来分析一下。

假设节点A与节点B，它们中的数据是一致的，然后我们发起请求，修改了节点A中的数据，节点B中的数据也要相应的更改，但是出现了网络延迟等问题，节点B中的数据没有更改，依然是旧数据。这时，请求节点B中的数据，但是数据还没有同步，那怎么办呢？如果我们要满足一致性，就应阻塞这次请求，等节点B中的数据得到更改，这样可用性就无法满足；而如果我们要满足可用性，那么我们就要返回节点B中的旧的数据，这样一致性就无法满足。所以我们就需要结合实际情况，做出取舍，是满足一致性还是满足可用性。

其他
其他还有比如分布式事务的问题，一个设计多个子系统的事务如何实现；还有分布式系统的缓存，搜索，日志，配置中心等，都与单块系统差别很大，就需要用到Redis、Elasticsearch等技术来解决。