分布式 ID 需满足全局唯一、趋势递增、高可用、高吞吐，主流方案有多种。UUID 简单但无序、长度长，不适合做数据库主键。雪花算法（Snowflake）最常用，由时间戳 + 机器 ID+ 序列号组成，纯内存生成、性能极高、趋势递增。数据库号段模式，提前批量分配 ID 段，避免频繁访问 DB。Redis 自增利用原子 INCR，适合中小规模。美团 Leaf、百度 UidGenerator 是工业级方案，整合号段 + 雪花算法，兼顾性能与可靠性。高并发分布式系统优先选雪花算法或号段模式。
服务注册发现是微服务核心，解决服务地址动态管理问题。核心组件是注册中心，常用 Nacos、Eureka、Consul、Zookeeper。流程：服务提供者启动时，将自身 IP、端口、接口信息注册到注册中心，并定时发送心跳保活；服务消费者从注册中心拉取服务列表，缓存到本地；注册中心定时检查服务健康状态，剔除故障实例。消费者直接通过负载均衡调用提供者，无需硬编码地址。实现了服务动态扩缩、故障自动剔除，是微服务架构的基础。
分布式数据一致性分强一致和最终一致，基于 CAP/BASE 理论。强一致性用 2PC、3PC、Raft/Paxos 协议，适合对一致性要求极高的场景，但性能差、可用性低。最终一致性是主流，方案有 TCC、SAGA、本地消息表、可靠消息最终一致性、Seata 分布式事务。TCC 适合核心交易，SAGA 适合长事务，本地消息表简单可靠，Seata 整合多种模式，易用性强。实际业务优先保证可用性和性能，采用最终一致，极端场景才用强一致方案。
高可用核心是避免单点、快速故障恢复。首先做冗余设计，服务集群部署、数据主从 / 多副本。其次容错机制：限流控制流量峰值，熔断防止故障扩散，降级舍弃非核心功能，超时 + 重试避免阻塞。然后负载均衡，分发请求到多节点，防止单节点压垮。还有灾备策略，同城双活、异地多活，避免机房故障。配合灰度发布、滚动更新、自动扩缩容、完善监控告警，实现故障自动发现、自动恢复，保证系统 99.99% 以上可用性。
反应式编程是基于数据流、异步非阻塞、事件驱动的编程模型，基于观察者模式 + 迭代器模式 + 函数式编程，支持背压（流量控制）。它不阻塞线程，CPU 利用率极高，适合高并发 IO 场景。Java 生态用 Reactor、RxJava、Spring WebFlux 实现。核心特点：异步、非阻塞、流式处理、背压可控。应用在 API 网关、消息中间件、实时数据处理、高并发 IO 密集型服务、直播 / 推送等流式场景，能大幅提升系统吞吐量和资源利用率。
WebSocket 是基于 TCP 的全双工长连接协议，解决 HTTP 单向、短连接、轮询低效问题。原理：先通过 HTTP 请求发起握手，服务端响应升级协议，之后建立持久连接，客户端和服务端可双向主动发送数据，无需等待请求。通过心跳包保活，数据以帧格式传输，开销极小。相比 HTTP 轮询，延迟低、流量少、性能高。应用场景：在线聊天、实时消息推送、直播弹幕、协同编辑、金融行情、游戏实时通信等需要即时交互的场景。
高并发优化分性能和可用性两方面。性能：多级缓存（本地缓存 +Redis+ 分布式缓存），减少 DB 压力；异步化（消息队列、CompletableFuture）削峰解耦；池化技术（线程池、连接池）复用资源；分库分表、读写分离、索引优化提升数据库性能。可用性：无状态设计方便水平扩容；限流、熔断、降级保护核心服务；集群 + 负载均衡避免单点；自动扩缩容应对流量波动；完善监控、告警、灰度发布，快速定位故障。多手段结合，实现高吞吐、低延迟、高稳定。
