第3章 数据一致性、副本策略、故障恢复，公司侧重点

面试问题：设计一个分布式存储系统，如何保证数据一致性？请结合副本策略说明。

面试官考察点：对一致性模型（强/最终）的理解；副本同步机制（同步/异步）；Quorum 读写抉择；实际工程中的折中。

回答框架：1. 明确业务对一致性的要求（如支付场景需强一致性）→ 2. 选择副本数量与 Quorum 配置（如 N=3, W=2, R=2）→ 3. 同步策略（Raft 或 Paxos 保证强一致）→ 4. 降级方案（最终一致性 + 补偿事务）。

简短示例回答：以 N=3 副本为例，采用 Raft 协议确保写入过半副本后才返回成功，读请求通过 Read-Index 或 Lease Read 保证读到最新数据。对一致性要求低的场景，可转为异步复制 + 定期校验，降低写入延迟。

可能追问：如果网络分区导致 Quorum 不可达怎么办？你如何设计降级策略而不破坏最终一致性？

面试问题：解释副本策略如何影响系统的可用性和一致性？你会选择几副本？副本放置有何考究？

面试官考察点：容量与冗余的平衡；故障域隔离意识（机架/机房）；跨区域复制策略；副本修复带宽控制。

回答框架：1. 副本数权衡（3副本 vs 纠删码）→ 2. 放置策略（机架感知、跨 AZ）→ 3. 写入策略（Leader 同步/全副本写入）→ 4. 读取策略（优先本地副本）→ 5. 副本修复流程（慢启动、限速）。

简短示例回答：三副本是业界标配，副本分布在同机器三个不同机架，避免单机架故障。写请求由 Leader 同步至至少一个从副本即返回，确保强一致性。当检测到副本落后，触发增量修复，带宽控制在 50MB/s 以下。

可能追问：如果机房整体故障，如何跨地域容灾？如何避免修复风暴？

面试问题：讲述分布式存储系统中故障恢复的完整流程，如何保证数据不丢且尽快恢复？

面试官考察点：故障检测手段（心跳/租约）→ 副本重建/重均衡触发条件 → 数据补全策略（增量/全量）→ 切主/切副本的原子性 → 恢复时间目标（RTO/RPO）。

回答框架：1. 故障检测（超时+多数派确认）→ 2. 临时方案（读写路由避开故障节点）→ 3. 副本重建（基于 WAL 或快照增量同步）→ 4. 数据校验（Merkle Tree 比较）→ 5. 慢启动恢复，避免雪崩。

简短示例回答：Leader 通过心跳超时 3s 检测 follower 失联，立即将副本标记为故障。降级期间仍保持读写正常。利用预写日志(WAL) 和快照做增量复制，同时后台用 Merkle Tree 校验全量数据，恢复完成后重新加入集群。

可能追问：恢复过程中节点又故障如何处理？如何保证恢复后数据与主节点一致？