← 返回学习路线

SYSTEM

面试复盘(公司C)

面试复盘
src/content/notes/growth/面试复盘-公司C-2.md

公司C二面 · 博客项目应答手册

口径说明:✅ = blog 有对应实现,直接背;⚠️ = blog 没做,诚实应答 + 引导回 blog(防止追问露馅);⏭️ = 跳过(项目无对应知识点)。 原则:回答问题主动带出代码位置(如”我的 nginx.conf 里 /health 返回 200”),面试官会觉得真实、有据可查。


第 1 题:你这个健康管理具体怎么做的 ✅

【话术】

我的健康检查是”入口 → 中间件 → 应用”三层做的。 ① 入口层:Nginx 里挂了 /health 探活接口,返回 200 OK(nginx.conf),负载均衡和运维探活都打这个接口; ② 中间件层:MySQL/Redis/RabbitMQ 用 Docker Compose 编排,容器健康状态由 Docker 守护(docker compose ps 就能看),RabbitMQ 还配了死信队列,消费失败不会静默丢; ③ 应用层:Spring Boot 进程用 systemd 托管,systemctl status blog.service 能看存活,@Scheduled 定时任务(缓存预热/阅读量批量落库)每次跑完打日志,日志里监控异常。 整体思路是:不只看”进程在不在”,还要看”关键链路能不能通”,所以探活点放在最外层 Nginx。

【思路与思考】 面试官问”健康管理”其实是考你对探活体系的理解。核心要传达三点:① 分层(LB/中间件/应用)② 探活接口返回什么(200)③ 挂了之后谁来兜底(systemd 重启 / Docker 重启策略)。别只答一句”我配了 /health”。

【👨‍💻追问】

  • “TCP 健康检查能检查出什么,和 HTTP 检查区别?” → 见第 2、3 题话术。
  • “进程活着但假死(线程阻塞)怎么办?” → TCP/端口探活查不出假死,所以要 HTTP 应用层探活:请求一个真实走 Spring 容器的接口,超时就判 down;还可以配合线程池监控(活跃线程数、队列积压)。

第 2 题:TCP 能检查什么,哪些信息 ⚠️

【话术】

我理解 TCP 健康检查是负载均衡在传输层做探活:对后端节点发起一次 TCP 连接(三次握手),看能不能建立连接。能建立的检查信息包括:① 端口是否存活/监听(connect 是否成功);② 握手耗时/响应时延(反映网络和节点负载);③ 连接能否保持(部分实现会做一次收发)。它是”粗粒度探活”,只证明”TCP 层活着”,证明不了应用层逻辑是否正常。 回到我的项目:blog 单机部署主要用 Nginx /health 做 HTTP 层探活,因为单体场景要探的就是”应用能不能处理请求”,TCP 端口探活适合多副本负载均衡场景,我理解原理、没实际配多副本。

【思路与思考】 这道题大概率是从”负载均衡的健康检查”延伸的。答题关键:把 TCP 检查的本质(传输层 connect + 时延)讲清楚,再主动点出局限(查不出应用假死),顺势引导到你熟悉的 HTTP /health——这一手既显深度又拉回主场。

【👨‍💻追问】

  • “TCP 探活多久探一次?频率怎么定?” → 太快会打爆后端(每个节点都被反复探测),太慢故障发现不及时;一般 5~10s 一次,加失败阈值(连续 N 次失败才摘除,防抖动误判)。
  • “探活失败马上摘掉吗?” → 不会,要有失败计数 + 滑动窗口,避免网络抖动导致节点被误摘、频繁上下线(抖动导致 flapping)。

第 3 题:具体可以检测到哪些信息 ⚠️

【话术】

具体能拿到的信息分两类:

  • 连接性信息:目标 IP:端口是否可达、是否能完成三次握手、握手 RTT、连接是否被 RST 拒绝(端口没监听会直接拒绝)。
  • 衍生信息:连续失败次数、当前可用节点数、节点权重、失败后是否触发摘除。 如果是 HTTP 探活还能拿到:状态码(200/502/503)、响应体、响应耗时、超时情况。 我的 blog 探活用的是 HTTP 方式:Nginx /health 固定返回 200 OK,我理解”返回 200 + 耗时正常”才是健康,503/超时说明应用层有问题。

【思路与思考】 这题是第 2 题的细化,面试官在追细节。别重复第 2 题,要往下钻一层:连接性 + 派生统计 + HTTP 层额外信息。最后落到自己的 /health,证明你真理解而不是背概念。


第 4 题:你在这个项目里面具体做了哪些开发 ✅

【话术】

这是个从 0 到 1 的全栈博客系统,我按”读链路、写链路、基础设施”三条线开发:

  • 读链路(高频读优化):文章详情做了缓存三防——布隆过滤器拦截不存在的 ID 防穿透、Redisson 分布式锁 + DCL 防击穿、TTL 随机抖动防雪崩;列表分页用缓存 + 总数缓存,命中不查库。
  • 写链路(高频写削峰):阅读量用 Redis INCR 原子自增 + 脏标记,定时批量落库;点赞、浏览记录、AI 摘要生成全部走 RabbitMQ 异步解耦;AI 摘要用 DeepSeek 生成,消费端做幂等(setIfAbsent)+ 令牌桶限流 + 死信重试三层保护。
  • 基础设施:JWT 鉴权 + Redis 禁用标记实现服务端封号;Nginx 反代 + 限流;Docker Compose 部署中间件,单体 → 微服务(Gateway + Nacos + Feign + Sentinel)演进版也做了。

【思路与思考】 这道题就是”自我介绍项目版”。别按包名平铺,要按业务链路讲,体现”为什么这么做”。重点是突出难点(高频读/高频写)和你对取舍的理解(为什么用 MQ 不用线程池等),这些在第 4 题之后大概率被逐个展开追问。

【👨‍💻追问】

  • 高频读:缓存三防细节(已有话术,见面试拷打-博客项目.md)
  • 高频写:MQ 怎么保证不丢、怎么防重复消费
  • 微服务:为什么拆、跨服务事务怎么办

第 5 题:后端有两个负载,停掉一个只用另一个,这个过程是怎样的 ⚠️

【话术】

我理解这个场景是”多副本负载均衡下的平滑摘流”。正确流程是: ① 摘除:先在负载均衡(Nginx upstream)里把要停的节点 down 掉,或者把权重调成 0——这一步是为了让新请求不再打过来; ② 排空(drain):等存量请求处理完(短连接很快,长连接/WebSocket 要等它自然断开或主动踢); ③ 停服:再停进程/容器,这样业务无感知; ④ 恢复:节点恢复后重新 up,健康检查确认通过,流量逐步切回(可以先用小权重灰度)。 回到我的项目:blog 单体是单节点,没有多副本,但我部署用的是 Nginx 反代 + systemd,如果要做多副本,就是在 upstream 里加多个 server,通过 down/weight 控制摘流和放量,原理是同一套。

【思路与思考】 这题考**优雅上下线(滚动发布)**思路,核心是”先摘流量、再停服务、恢复时先探活后放量”,顺序错就会产生请求打到已停节点 → 502。重点讲”为什么先摘流量”:因为直接 kill 进程,正在处理的请求会断、新请求会 502。

【👨‍💻追问】

  • “WebSocket 长连接怎么办?” → 长连接摘不掉,要让服务端主动发关闭帧,或等心跳超时回收;Nginx 的 drain 对长连接效果有限。
  • “怎么确认存量请求处理完了?” → 看活跃连接数归零、请求队列空、日志里无 in-flight;短连接场景基本等一个超时窗口即可。

第 6 题:在这个过程里面,OpenResty 做了什么事情 ⚠️

【话术】

先纠正一下:我的 blog 用的是 Nginx,不是 OpenResty。OpenResty 是 Nginx + Lua 的高性能扩展版。我理解它在”停一个负载”的过程里做三件事: ① 负载均衡:作为反向代理,按 upstream 配置把请求分发给后端节点; ② 健康检查/摘除:通过主动探活发现节点不可用,把它从可分发集合里剔除,新请求不再转发给它(相当于”停一个负载”的第一步); ③ 流量控制:weight 权重调整、limit_req 限流,配合实现平滑摘流。 我自己的 nginx.conf 里同样做了反代(proxy_pass 到 gateway)、限流(limit_req 10r/s + limit_conn)、/health 探活——只是我用的是 Nginx 原生能力,没用 Lua 扩展。

【思路与思考】 这里要先澄清”我用的是 Nginx”——诚实但不露怯,然后展示你懂 Nginx/OpenResty 在架构里扮演的角色(反代 + LB + 健康检查 + 限流)。把 OpenResty 解释成”Nginx 的 Lua 增强版”就够了,别硬装用过。

【👨‍💻追问】

  • “OpenResty 的 Lua 能做什么 Nginx 原生做不到的?” → 在请求处理任意阶段写业务逻辑,比如自定义鉴权、动态路由、灰度分流(按 header/比例)、限流算法自实现、聚合多个上游响应;原生 Nginx 只能靠配置,Lua 能写 if/循环。
  • “为什么大厂爱用 OpenResty?” → 高并发场景下把一部分逻辑前移,扛量 + 减少后端压力,且 Lua 热加载不重启 worker。

第 7 题:OpenResty 要检查什么健康状态 ⚠️

【话术】

我认为健康检查要检查的是”这个节点到底能不能正常服务”,分三个层次: ① TCP 层:端口能连上(tcpsock:connect),证明进程活着; ② HTTP 层:请求应用自己的探活接口(如 /health)返回 200,证明 Spring 容器/请求链路正常; ③ 业务层:更深一点可以检查依赖是否可用(数据库连接池、Redis 是否正常),甚至做一次只读查询,防止”应用活着但一查库就 500”的假健康。 我的 blog 对应:Nginx 探 location /health(HTTP 层),应用能返回 200 才算健康;因为 blog 依赖 MySQL/Redis/RabbitMQ,我理解的更严格做法是把中间件状态也放进健康响应里。

【思路与思考】 这题是第 2/3 题的”升维版”——把健康状态分层回答(TCP → HTTP → 业务),能体现架构思维。关键加分点是主动提出”依赖检查”(DB/Redis 挂了节点也不该接流量),这是很多背八股的人想不到的。

【👨‍💻追问】

  • “业务层健康检查会不会太重?” → 会,探测请求也要走完整链路,高频探测会放大开销;所以业务层检查频率要低、只做轻量只读(比如 SELECT 1),或只在摘除/恢复时触发。
  • “健康响应要不要包含依赖状态?” → 建议:/health 返回 {"status":"UP","db":"UP","redis":"UP"},这样负载均衡只按总状态判断,运维能看明细。

第 8 题:三个负载挂掉了一个,数据面会发生什么 ⚠️

【话术】

我先解释”数据面”:在负载均衡语境里,控制面负责”决策”(发现故障、更新节点列表),数据面负责”转发”(实际把请求发给哪个后端)。挂掉一个节点后,数据面会发生: ① 健康检查先发现节点 down(控制面动作),把它从 upstream 可用列表摘除; ② 之后的数据面转发就只在剩余健康节点间轮询/加权分发,不再往故障节点发——所以用户侧基本无感知; ③ 正在转发到故障节点的存量请求会失败(连接重置/超时),Nginx 对这种失败默认直接返回 502,如果配了 proxy_next_upstream 会自动重试到下一个健康节点; ④ 挂了 1/3 的节点,单节点压力变大约 1.5 倍,如果原本接近容量上限就可能触发限流或雪崩。 我的 blog 是单节点所以没遇到这个场景,但 Nginx 的 upstream + proxy_next_upstream 重试机制我理解得很清楚。

【思路与思考】 这题考的是控制面/数据面分离 + 故障转移。答出”摘除 → 剩余节点接管 → 存量请求失败/重试 → 容量变化”这条时间线就完整了。能主动讲 proxy_next_upstream 重试和容量余量,说明你真懂运维。

【👨‍💻追问】

  • “重试会不会放大故障?” → 会,A 挂了重试打到 B,B 也快挂了的话会把 B 打垮(级联)。所以要限制重试次数(默认 0,最多 1 次)、只对幂等请求重试(GET 可以,POST 要小心重复提交)。
  • “会话保持(sticky)的场景怎么办?” → 挂掉的节点上所有用户会话失效,要么做会话共享(Redis 存 session/登录态,我 blog 的 JWT 天然无状态,正好规避这个问题),要么容忍重登。

第 9 题:恢复了,它又怎么检测到,有什么逻辑去检查 ⚠️

【话术】

节点恢复的检测靠主动健康检查(active check):负载均衡会按固定周期(比如每 5s)持续对已摘除节点发探活请求(TCP 连接或 HTTP /health),一旦连续 N 次成功(比如 2~3 次),就判定恢复,把它重新加回可分发列表,新请求开始按权重分给它。 这个”连续成功/失败计数”是为了防抖动:一次成功不代表稳定,要连续几次通过才摘除/恢复,避免节点在 up/down 之间反复横跳(flapping)造成流量抖动。 对应我的 blog:Nginx 探 /health,如果当时挂了,探活会持续进行,恢复后 /health 重新返回 200,节点就能重新接流量;我没配多节点所以没实际触发过,但恢复检测的”周期探测 + 连续成功阈值 + 重新加入”这套逻辑是标准的。

【思路与思考】 这题是第 8 题的对称题,考恢复检测逻辑。答出三个要素:① 周期探测不停(对已摘节点持续探)② 连续成功阈值(防 flapping)③ 重新加入并恢复流量(可配小权重平滑放量)。这三要素就是健康检查的标准状态机(Health → Unhealthy → Health)。

【👨‍💻追问】

  • “探活是负载均衡主动还是后端上报?” → 两种:主动探测(LB 定时去连)和被动检测(转发时发现连接失败就标记);OpenResty/Nginx 主动探活要用 nginx_upstream_check_module 或 Lua 实现,Nginx 开源版默认只有被动失败标记。
  • “重新加入会不会把刚恢复的节点瞬间打爆?” → 会,所以恢复后可以先给低权重/小流量,观察稳定再逐步调高。

第 10 题:衍生了一个 SK ⏭️

跳过。项目无对应知识点,不准备。


第 11 题:策略模式适合什么场景 ✅

【话术】

策略模式的核心是”同一件事有多种做法,运行时按条件选择,且互不影响”,适合三类场景: ① 算法族可替换:比如支付(微信/支付宝/银联)、排序算法、折扣计算——行为不同但调用方式一致; ② 消除大量 if/else:一个方法里根据类型分支做不同处理,把每个分支抽成独立策略类,配合 Map<类型, 策略> 或 Spring 注入自动映射,扩展新策略不用改老代码(开闭原则); ③ 可插拔、可热切换:策略可以动态替换,不改调用方。 老实说,我 blog 项目里目前没有用策略模式——因为我的业务分支是”异步削峰/缓存三防”这种横切逻辑,不是”同一动作多算法”。但如果被问到我会举典型例子:比如我调 DeepSeek 生成摘要,如果未来接入多个模型厂商(DeepSeek/通义/Kimi),就会用策略模式:定义 SummaryProvider 接口 + 各厂商实现 + 按配置选择,这样切换模型不动业务代码。

【思路与思考】 这题是通用八股,面试官想听你见过没用过也不怕——诚实说”项目里没用”不可怕,可怕的是说用了但说不出代码。我的策略:① 讲清适用场景(算法族/if-else 重构/可插拔)② 诚实承认 blog 没用 ③ 立刻给一个”如果要用会怎么用”的具体设计(多模型摘要),证明你真的理解。

【👨‍💻追问】

  • “策略模式和状态模式、工厂模式区别?” → 策略:行为算法可替换,客户端主动选;状态:行为随内部状态切换,客户端无感知;工厂:负责”创建对象”,解决”选哪个类”,策略解决”用哪个算法”,两者常搭配(工厂创建策略)。
  • “策略模式怎么避免 if-else 选择策略?” → 用 Spring 注入成 Map<String, Strategy>(Bean 名当 key),或注解 + 扫描注册,调用时按 key 直接 get,天然去 if-else。
  • “Map 里 get 不到策略怎么办?” → 加一个兜底默认策略(如默认支付方式),或启动时校验所有策略 Bean 是否齐全(fail-fast,符合我的工程原则)。

第 12 题:在哪实习 ✅

【话术】

按真实情况回答即可。如果是实习项目,重点说”公司名 + 岗位 + 做了哪块 + 用了什么技术 + 产出/难点”;如果还没实习,就说”目前主要精力在学校项目和秋招准备上,实习经历我会结合项目讲”,不要编。 (提示:结合你实际情况填充,重点是让面试官从这句话切入你准备过的 blog 项目——比如”我实习/项目里主要做的是 xxx,跟 blog 里 xxx 是同一套思路”。)

【思路与思考】 这题是闲聊题也是引导题。目的是把话题导向你熟悉的领域。回答完经历后,主动补一句”这块和我 blog 里 xxx 的做法类似/互补”,把节奏拉回主场。


第 13 题:你这个分片,集群有多大 ⚠️

【话术】

诚实说:我的 blog 用的是单机 MySQL + 单机 Redis,没有做分片集群——因为博客场景数据量(文章、用户、评论)远没到单库瓶颈,单机 + 缓存 + 异步削峰就能扛住,我不会为了炫技引入分片的复杂度。 但我理解分片的原理:水平分片是把一张表按分片键(如 userId/articleId)哈希或范围拆分到多个库/节点,解决单库容量和写入瓶颈;分片后要解决跨片查询、全局唯一 ID、分布式事务三大难题。Redis 的集群(Cluster)则是把 16384 个槽位按哈希分到多主节点,解决单机内存和吞吐上限。 所以我的答案是:规模上”不需要分片”,能力上”我清楚分片是为了解决什么、会引入什么代价”。

【思路与思考】 这道题是”诱导你吹牛”的典型题——你项目里没做,硬吹分片集群就会被追问细节立刻露馅。最佳策略:大方承认单机 + 解释为什么不需要(规模没到)+ 证明你懂分片原理和代价。这种”知道何时不该用”的回答反而加分。

【👨‍💻追问】

  • “什么时候才需要分片?” → 单库容量到上限、写入吞吐到瓶颈、或需要多机房部署;一般先做读写分离/缓存,还不够才分片。
  • “分片键怎么选?” → 选查询最频繁的字段(避免跨片查询),如按 userId 分片后同用户数据都在一片,跨片查询尽量用”分片键 + 聚合”。
  • “分片后全局唯一 ID 怎么做?” → 自增主键失效,用雪花算法 / UUID / Redis 发号器(我 blog 的分布式锁 value 就是用 UUID,道理类似)。

第 14 题:RAG 怎么切文档信息 ⚠️

【话术】

诚实说:我的 blog 做的是大模型生成文章摘要(调 DeepSeek API),不是完整 RAG,但我理解 RAG 的文档切分(chunking)逻辑。切分要考虑三个点: ① 切分粒度:按语义/结构切,而不是纯按固定字符数硬切。常用的有:按段落/标题切(Markdown/PDF 结构)、按固定长度 + 重叠窗口切(chunk_size=500 + overlap=50,避免语义被截断在边界)、按句子/句子对切; ② 保留上下文:切分要带 overlap 重叠,防止一个完整语义(如一段话的后半句)被切到两个 chunk 里导致检索时语义断裂; ③ 索引元数据:每个 chunk 要保留来源(文档 ID、章节号、页码),便于召回后溯源和做过滤。 对应我的理解:我的摘要功能本质是”整篇喂给模型”,而 RAG 是”先切片检索再拼装喂给模型”,区别在于前者一次处理、后者需要切分 + 向量化 + 召回。

【思路与思考】 RAG 在 blog 里确实没有,但你简历写了 AI 相关,面试官会追问。策略:承认没做 RAG + 一句话点出本质区别(切分→向量化→召回→拼装)+ 讲清切分的关键决策点(粒度/重叠/元数据)。把话头引回”我实际做了 DeepSeek 摘要”。

【👨‍💻追问】

  • “chunk_size 怎么定?overlap 多少?” → 取决于模型上下文和语义单元,一般 300~800 字符、overlap 10%~20%;太小语义不完整、太大召回精度下降且浪费 token。
  • “切分切错了怎么办?” → 见第 15 题。

第 15 题:切割之后发现不对,还有什么后续处理方式 ⚠️

【话术】

我理解切分(chunking)是 RAG 效果的地基,切错了要靠”召回侧和生成侧双重补救”: ① 召回侧:调整切分策略本身——改用结构化切分(按标题/段落)、调大 overlap、用语义切分(embeddings 计算句子相似度,相似才归一个 chunk,而不是固定长度); ② 混合检索:向量检索 + 关键词检索(BM25)双路召回再融合,弥补纯向量对精确词/专业术语召回弱的问题; ③ 重排(Rerank):召回的 top-K 先用粗粒度,再用 rerank 模型精排,把真正相关的 chunk 提到前面,过滤无关片段; ④ 生成侧兜底:提示词里让模型”只能基于给定片段回答,找不到就明说不知道”,并给出引用来源,防止模型拿错误片段硬编。 对应我的理解:这就像我 blog 里布隆过滤器误判后的”空值缓存兜底”思路——主方案 + 兜底方案双层设计,主方案保证大多数场景,兜底保证不崩。

【思路与思考】 这题考”工程兜底思维”。答出”召回侧调优 + 混合检索 + Rerank + 生成侧约束”四层就完整了。最后类比 blog 的”主方案+兜底”,把不熟的 RAG 又拉回你熟的缓存体系,一举两得。

【👨‍💻追问】

  • “怎么评估切分好不好?” → 用召回率/准确率 + 端到端回答质量评估,人工看 badcase;常见指标有 Recall@K、命中率。
  • “Rerank 会不会增加太多延迟?” → 会,所以只对 top-K(如 20)精排到 top-5,控制计算量。

第 16 题:日常编码里会使用 AI 吗 ✅

【话术】

会,而且是把 AI 当”结对伙伴”而不是”答案生成器”。我的用法分三类: ① 提效类:写模板代码、DTO/实体类、重复性 CRUD,让 AI 先出草稿我再改; ② 学习类:看不懂的源码/报错让 AI 拆解讲原理,比如 Redisson 看门狗机制、Spring 三级缓存,先让 AI 讲懂我再去查官方文档验证; ③ 设计类:技术选型、架构取舍会跟 AI 讨论,比如”先删缓存还是先更库”我会让 AI 给多方案对比,但最终决策我自己判断。 我的原则是:AI 生成的东西我必须看得懂、能解释、能改才敢用,尤其我 blog 里 DeepSeek 生成的摘要,我自己也会写提示词工程,所以对 LLM 的能力边界和 token 成本有实际体感。

【思路与思考】 这题没有标准答案,考你的工程判断力。别答”天天用 AI 帮我写代码”(显得不会独立开发),也别答”我不用 AI”(显得落伍)。标准答法是”分场景使用 + 自己有判断力 + 能对 AI 输出负责”。

【👨‍💻追问】

  • “AI 写的代码你敢直接上生产吗?” → 不敢,必须 code review + 自测;AI 的 bug 往往藏在边界条件,我一般让 AI 补测试用例来验证。
  • “AI 会不会让你失去编码能力?” → 不会,我的核心能力是设计、排查、取舍这些 AI 替代不了的;AI 写的是”快”,我练的是”对”。

第 17 题:用哪个大模型?用哪个工具 ✅

【话术】

日常我用的模型分两类:编码侧用 TraeCode(内置的编程模型,也用过 DeepSeek、Claude 这类);业务侧我 blog 的 AI 摘要功能接的是 DeepSeek API(api.deepseek.com,配了连接超时 5s/读超时 30s)。工具上:IDE 用 Trae / IDEA,配合 Git 做版本管理;AI 工具用 TraeCode 的对话补全、代码解释。 我对 DeepSeek 有实际调用的体感:它的成本低、中文理解好,但我 blog 里给它做了令牌桶限流 + 幂等,因为生成摘要是付费调用,不能让它被重复消费打爆——这也是我项目里真实踩过的点。

【思路与思考】 这题顺着第 16 题聊,考”你用的技术是否真实落地”。关键是把”日常用哪个模型”和”项目里接的哪个 API”分开讲,并且落到一个真实工程点(限流保护付费 API),证明不是嘴上说说。

【👨‍💻追问】

  • “为什么选 DeepSeek 不选 GPT?” → 成本低、中文效果好、国内可直连;但我会说”模型选型看场景,摘要这种任务 DeepSeek 性价比高”。
  • “API 调用失败怎么办?” → 我 blog 里做了重试 + 死信队列:调用失败进死信、最多重试 3 次,避免 AI 服务抖动导致摘要任务丢失。

第 20 题:前端后端的比例 ✅

【话术】

我的 blog 是全栈项目,前端后端都自己写,粗略比例大概前端 3 : 后端 7——后端偏重,因为核心难点都在后端(缓存三防、异步削峰、鉴权、部署)。前端是 Vue 3(Composition API),主要做文章管理后台和展示页,重点是配合后端把接口调通、把状态管理做好;后端花的时间更多,因为要处理 Redis/MQ/JWT/微服务这些架构和并发问题。 我主动补充:我简历和面试准备的重心是后端(Java 方向),前端是为了全链路交付能跑通而做的必要投入。

【思路与思考】 这题考自我定位。想面 Java 后端就说”前端能写但不深,重心在后端”,千万别把前端说成核心竞争力,也别贬低前端。重点是传达”我能独立交付全栈,但主攻后端”。

【👨‍💻追问】

  • “那后端你最强/最有心得的模块是?” → 引回缓存体系和异步削峰(读链路三防 + 写链路 MQ),用第 4 题话术展开。

使用建议

  1. 先背 ✅ 题(1、4、11、12、16、17、20)——这些是 blog 真实内容,是你的主场。
  2. ⚠️ 题(2、3、5、6、7、8、9、13、14、15)核心记住一句”诚实承认没做 + 讲清原理 + 一句引导回 blog”,重点是别被”那你的项目里怎么做的”追问击穿——提前想好每次引导的落点(Nginx /health / AI 摘要 / 缓存兜底)。
  3. 回答问题永远主动带出代码位置(如”我的 nginx.conf 里 /health 返回 200”),面试官会觉得真实、有据可查。

一、请用你的“游戏话术”回答这 3 个要点(不用展开太细,先说思路):

  1. 怎么扛住 10 万 QPS 的读请求(缓存方案)?
  2. 怎么保证 100 份库存不超卖(分布式锁/原子操作)?
  3. 下单成功后,后续的发货/邮件通知怎么做(异步解耦)?
1.布隆过滤器在商品详情页前置,拦截不存在的 skinId,登录态验证由网关层的 JWT 拦截器负责。前端点击后直接返回‘排队中’,后端用 Redis 的 DECR 原子扣减瞬间完成扣减,扣完直接返回成功或失败。拒绝用锁阻塞线程,全程非阻塞。 

2.MQ 前置 + Redis 分布式锁控库存,Redis 的 DECR 原子扣减(或 Lua 脚本),扣成功再异步落库。 

3.RocketMQ异步发送消息,扣减成功发 MQ 消息,消费者异步生成订单、发邮件/游戏内邮件,失败进死信重试。如果是中小手游,可以用 Redis Stream 代替 MQ,轻量削峰,实现简易异步发放.

追问:如果扣 Redis 成功了,但异步落库(MySQL)还没写完,这时候 Redis 主从切换,库存 Key 丢了,玩家钱扣了但订单没生成,你怎么补偿?

1. 先记日志:扣减 Redis 的同时,先写一条 “预扣日志” 到 MySQL(状态=处理中)。
2. 异步落库:MQ 消费者落库成功后,把日志状态更新为“成功”。
3. 定时对账:凌晨跑一个 Job,扫描“处理中”超过 5 分钟的日志,主动去支付平台查询是否扣款成功,如果成功则补发订单,不成功则回滚 Redis 加回库存(最终一致性)。