第一章：分布式数据库基础概念

1.1 分布式系统的CAP理论解析

CAP理论指出分布式系统无法同时满足一致性（Consistency）、可用性（Availability）和分区容错性（Partition Tolerance）。以电商订单系统为例，当网络分区发生时，若选择强一致性（CP），则需暂停订单写入操作，这会影响可用性；若选择高可用性（AP），则可能产生数据不一致问题。实际系统中通常采用折中方案，如Quorum机制通过设定读写阈值（W+R>N）平衡一致性需求。

1.2 数据分片策略对比

水平分片通过键值范围或哈希值将数据分散到不同节点，例如按用户ID哈希分片可保证均匀分布。垂直分片则按业务维度拆分，如将用户基本信息与订单数据分离存储。混合分片结合两者优势，在电商场景中可先按商品类别垂直分片，再对每个类别进行水平分片。分片键选择需考虑查询模式，避免热点问题。

第二章：分布式事务实现

2.1 两阶段提交（2PC）协议详解

2PC包含准备阶段和提交阶段。在准备阶段，协调者向所有参与者发送预提交请求，参与者锁定资源并返回确认。提交阶段协调者根据参与者响应决定全局提交或回滚。伪代码示例：

class TwoPhaseCommit:
    def prepare(self, participants):
        responses = []
        for p in participants:
            if not p.lock_resources():
                return False
            responses.append(p.send_prepare())
        return all(responses)
    def commit(self, participants):
        for p in participants:
            p.execute_transaction()

该协议存在同步阻塞问题，当协调者故障时可能导致资源长期锁定。

2.2 TCC事务模式实践

TCC（Try-Confirm-Cancel）将事务拆分为三个阶段。以支付系统为例：

• Try阶段：冻结用户账户余额
• Confirm阶段：实际扣款并更新账户
• Cancel阶段：解冻余额

  public interface TccService {
    boolean tryReserve(String orderId, BigDecimal amount);
    boolean confirmReserve(String orderId);
    boolean cancelReserve(String orderId);
  }

  TCC适合长事务场景，但需要业务系统实现补偿逻辑，开发复杂度较高。

第三章：数据一致性保障

3.1 最终一致性实现方案

基于Gossip协议的传播机制通过随机选择节点交换数据状态，达到概率收敛。Cassandra数据库采用提示移交（Hinted Handoff）机制，当目标节点不可用时，写入节点暂存变更，待节点恢复后自动同步。实现示例：

class HintedHandoff:
    def store_hint(self, node_id, data):
        self.hint_store[node_id].append(data)
    def replay_hints(self, node_id):
        while self.hint_store[node_id]:
            node_id.receive(self.hint_store[node_id].pop(0))

3.2 版本向量冲突解决

版本向量通过（节点ID，版本号）元组记录数据变更历史。当检测到冲突时，采用最后写入优先（LWW）策略或应用层合并逻辑。Riak数据库的实现：

-record(vector_clock, {
    nodes = dict:new(),
    counter = 0
}).
merge_clocks(VC1, VC2) ->
    % 实现向量时钟合并逻辑

第四章：分布式查询优化

4.1 查询路由策略

基于分片键的路由表维护节点与数据范围的映射关系。当执行SELECT * FROM orders WHERE user_id=123时，路由层通过哈希计算确定目标节点。优化技巧包括：

• 批量查询合并：将多个单条查询合并为范围查询
• 本地化执行：优先在数据所在节点执行聚合操作
• 缓存路由结果：对热点查询缓存路由信息

4.2 跨节点连接处理

分布式JOIN操作可采用三种策略：

1. 广播JOIN：将小表数据广播到所有节点
2. 重分片JOIN：临时重分片数据使连接键对齐
3. 批处理JOIN：分批传输数据进行本地连接
   MongoDB的$lookup操作实现了类似的重分片JOIN机制。

第五章：系统运维实践

5.1 节点故障恢复流程

1. 检测阶段：通过心跳机制识别故障节点
2. 隔离阶段：从集群元数据中移除故障节点
3. 恢复阶段：
   • 重建副本：从健康节点同步数据
   • 负载重分配：调整分片权重
   • 客户端重连：更新路由表

5.2 扩容实施指南

水平扩容步骤：

1. 添加新节点到集群
2. 执行数据再平衡：

   -- MySQL Cluster示例
   ALTER TABLE orders PARTITION BY HASH(order_id) 
   PARTITIONS 8;

3. 验证数据一致性：通过校验和或采样比对
4. 更新客户端配置：更新连接池参数

第六章：前沿技术展望

6.1 NewSQL架构解析

Spanner通过TrueTime API实现全球分布式事务，其核心创新包括：

• 外部一致性保证
• 跨数据中心事务支持
• 自动分片管理

6.2 边缘计算场景适配

针对物联网场景的优化方向：

• 地理分片：按地理位置存储传感器数据
• 冷热分离：历史数据归档至低成本存储
• 边缘聚合：在网关设备进行初步数据处理

本文整理的习题答案体系覆盖了分布式数据库从理论到实践的核心知识点，每个技术点均提供原理说明、实现示例和工程建议。学习者可通过对照教材章节，结合代码示例深入理解分布式系统的设计哲学。建议在实际项目中，先进行小规模验证再逐步推广，特别注意监控体系的配套建设，确保分布式特性带来的复杂性可控。