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。
