一句话总结
分布式系统面试考察理论基础，核心考点：CAP理论（CP vs AP选择）+ BASE（最终一致性）、分布式事务（2PC/TCC/Saga/可靠消息）、一致性算法（Paxos/Raft/ZAB）、消息队列（RabbitMQ/Kafka/RocketMQ 对比+消息可靠性）。
CAP与BASE理论
CAP理论：分布式系统无法同时满足一致性（Consistency）、可用性（Availability）、分区容错性（Partition tolerance），最多满足两个。
由于网络分区不可避免，实际选择是CP或AP：
CP系统：ZooKeeper、Etcd——保证一致性，可能牺牲可用性。
AP系统：Eureka、Cassandra——保证可用性，可能返回旧数据。
BASE理论：Basically Available（基本可用）、Soft State（软状态）、Eventually Consistent（最终一致性）。是CAP中AP的延伸。
分布式事务
2PC（两阶段提交）：协调者先询问所有参与者，全部同意后提交。问题：同步阻塞、单点故障、数据不一致风险。
TCC（Try-Confirm-Cancel）：业务层面的两阶段提交。Try预留资源，Confirm确认执行，Cancel取消回滚。代码侵入性强。
Saga模式：长事务拆分为多个本地事务，每个事务有补偿操作。适合业务流程长的场景。
可靠消息最终一致性：利用消息队列确保最终一致性。本地消息表或事务消息。
一致性算法
Paxos：分布式一致性算法的基石，Basic Paxos难以工程实现。
Raft：易于理解的共识算法。核心：Leader选举 + 日志复制。三种角色：Leader、Follower、Candidate。
选举过程：Follower超时后变为Candidate，获得多数票后成为Leader。Leader心跳维持权威。
ZAB协议：ZooKeeper使用，类似Raft，支持崩溃恢复和消息广播。
消息队列
消息队列的作用：异步处理、流量削峰、应用解耦。
常见MQ对比：
RabbitMQ：Erlang实现，功能丰富，适合中小规模。
Kafka：Scala/Java实现，高吞吐，适合大数据和日志场景。
RocketMQ：Java实现，事务消息支持好，适合电商场景。
常见问题：消息丢失（发送确认+持久化+消费确认）、消息重复（幂等处理）、消息顺序（分区有序）、消息积压（增加消费者+临时扩容）。