SYSTEM
自我介绍(2个版本:标准版1min;精简版40s,看面试官节奏选择)
src/content/notes/growth/自我介绍-2个版本:标准版1min;精简版40s,看面试官节奏选择.md 1.1 自我介绍(2个版本:标准版1min;精简版40s,看面试官节奏选择)
✅版本1|1分钟完整版(优先)
面试官您好,我叫林光庭,本科计算机科学与技术,主开发语言Java。 我主要熟练SpringBoot生态、MySQL、Redis、RabbitMQ、Redisson,做过两套博客项目:一套单体完整上线阿里云ECS,另一套是基于单体演进出来的微服务版本。 在单体博客项目中,针对文章详情高频读、阅读量高频写的痛点,落地了缓存三防、Redisson分布式锁、布隆过滤器、MQ异步解耦、WebSocket实时推送,完整完成从编码、中间件搭建到Docker+Nginx+systemd云上部署全流程。 微服务版本我按照业务边界拆分用户和文章服务,实践Nacos、Gateway、OpenFeign、Sentinel限流熔断。 虽然我的实战项目是Web博客,但是我会主动把高并发、幂等、线程池、长连接这些技术迁移思考游戏服务端的场景;我主语言是Java,也在补充C++游戏服务端相关基础,希望能够从事游戏服务端开发。
✅版本2|40s精简版(面试官节奏快、直接切入技术)
面试官您好,我叫林光庭,本科计算机,主语言Java。 我独立完成过一套上线阿里云的博客单体项目,落地缓存三防、分布式锁、RabbitMQ异步、布隆过滤器、WebSocket;后续做了微服务演进版本,实践Nacos、Gateway、Sentinel。 项目完整走完开发到云上部署,具备工程落地经验;我正在学习游戏服务端相关知识,也在补齐C++基础。
1.2 项目介绍:博客单体项目(2分钟,面试必问,严格按照【背景-架构-我负责-难点-方案-迁移游戏思考】)
话术: 我这个单体个人博客系统,技术栈是SpringBoot4、SpringSecurity+JWT、JPA、MySQL、Redis、Redisson、RabbitMQ、WebSocket,前端Vue3,完整部署在阿里云ECS。 业务背景:文章详情是高频读热点,阅读量是高频写场景,热门文章瞬间流量容易直接打垮数据库。 整体链路:前端请求经过Nginx反向代理,进入SpringSecurity JWT过滤器鉴权,访问文章详情先经过布隆过滤器拦截无效ID,再查询Redis缓存;缓存未命中使用Redisson分布式锁控制回源DB;写操作方面,阅读量利用Redis INCR做原子计数,脏标记集合定时批量落库;AI摘要生成这种耗时任务交给RabbitMQ异步消费;WebSocket用来做评论、消息实时推送。 我负责后端全部设计与实现,也完成整套云上部署。 核心难点有几个:缓存穿透击穿雪崩问题、缓存和数据库一致性、MQ消息可靠性与幂等、高并发阅读量频繁写DB压力。 针对这些难点我分别落地了布隆过滤器+空值缓存、Redisson锁+逻辑过期异步重建、TTL随机抖动;Cache‑Aside先更库后删缓存;MQ做confirm确认、死信队列、消费幂等;阅读量脏标记批量落库。 【游戏迁移(重点!一定要说)】这套思路放到游戏服务端可以类比:文章详情类比玩家角色/装备详情(高频读);阅读量类比玩家点赞、战斗统计计数(高频写);布隆过滤器可以用来拦截非法玩家ID;分布式锁可以用于道具扣减、背包操作;MQ异步可以处理玩家发奖、邮件推送;WebSocket对应游戏TCP长连接做消息推送。
👨💻追问:为什么还要做微服务版本? 话术: 单体版本可以完整跑通业务,验证缓存、锁、MQ这些核心方案,能够直接部署上线;微服务版本不是重复造轮子,是做架构演进实践。把用户域和文章域拆分,用户服务负责账号认证,文章服务负责文章评论摘要;使用Nacos注册配置中心,Gateway网关,OpenFeign跨服务调用,Sentinel做限流熔断。 单体下一个事务就能完成的逻辑,微服务需要跨服务调用,让我理解分布式场景下的利弊,理解为什么要尽量避免强分布式事务,优先使用最终一致性。 【游戏迁移】游戏服务很多也是微服务/多进程拆分,比如网关服务、玩家逻辑服、战斗服、邮件服,不同服务独立扩缩容,这个演进思路是相通的。
1.3 必问开放性题目(多益游戏岗特色,简历没有游戏项目一定会问)
Q1:你没有做过游戏项目,那你理解的游戏服务端和普通Web后端有什么区别?
背诵话术: 普通Web后端大多是短连接,以请求‑响应模型为主,主要处理HTTP接口;游戏服务端大量维护TCP长连接,要处理海量玩家在线、心跳保活、断线重连、粘包拆包、实时状态同步。 Web后端大部分读多写多;游戏服务端对玩家数据正确性要求极高,背包、道具、金币不能出现重复发放、扣减错误,幂等、数据一致性优先级很高。 Web遇到压力可以简单扩容;游戏服务端有大量会话状态,玩家会话绑定逻辑服,扩容要考虑会话迁移;战斗、房间这类场景需要内存状态机,不完全依赖数据库,大量数据常驻内存。 延迟敏感:Web接口几百ms可以接受;游戏战斗同步要求低延迟; 我博客项目里面WebSocket、分布式锁、MQ、线程池、幂等这些技术,底层原理是相通的,我平时也会主动把Web技术点类比到游戏场景思考;同时我也在补充C++基础,因为很多游戏服务端会使用C++。
Q2:平时玩什么游戏?
模板(不要只讲娱乐,带上一点点服务端思考,举任意你熟悉的游戏) 我平时会玩XX,玩的时候会偶尔站在服务端角度思考功能背后实现。比如排行榜大概率是Redis的ZSet;玩家离线发奖励会用消息队列异步处理;多人房间战斗需要服务端做状态同步,校验客户端操作,防止作弊。我也了解过多益的XX产品,对这类休闲/MMO游戏后端实现有兴趣。
Q3:你主语言Java,但是游戏服务端很多用C++,你怎么看待?如果问到C++题目怎么应答(固定话术,背熟)
话术: 我日常主力开发语言是Java,没有C++商业项目实战经验。但是我理解C++的基础概念,指针、内存管理、深浅拷贝、虚表这些理论我有学习过;我知道C++在游戏服务端优势:高性能、对内存精细控制,适合大量在线玩家战斗逻辑。 我的优势是Java后端工程落地经验,高并发、分布式、中间件原理我有项目实战;同时我现在在持续补齐C++的基础,如果入职之后需要使用C++,我可以快速上手。
👉如果面试官抛出C++具体题目:“这个我没有实战写过,理论层面我了解xxx,但是工程实践经验不足,后续我会重点补齐这块。”不要瞎编答案!
1.4 反问环节(面试结尾必问:你有什么想问我的?选1‑2条)
选项1:咱们团队游戏服务端,Java和C++技术栈占比大概是什么样?新人入职之后主要负责哪些模块? 选项2:对于校招新人,入职之后团队会重点培养哪些能力? 选项3:咱们服务端是偏向网关、玩家逻辑服还是战斗模块为主?
二、博客项目全套拷打题库(简历每一条技术点,连环追问+标准话术)
说明:全部来自你的《面试拷打‑博客项目》文档;每道题结尾我标注【游戏迁移思考】,面试有机会就带上,强化游戏服务端视角。
模块1:缓存体系(简历最大亮点,多益面试官大概率深挖)
Q1:讲一讲你项目缓存三防,穿透、击穿、雪崩怎么做?
话术: 针对文章详情高频读热点:
- 缓存穿透: 布隆过滤器,配置1万容量,1%误判率,拦截不存在的articleId;布隆过滤器判断不存在直接返回,挡住绝大多数无效请求;布隆存在误判,兜底是设置60s短TTL空值缓存,防止大量不存在ID直接打数据库。
- 缓存击穿: 热点key过期瞬间大量请求回源DB。我使用Redisson分布式锁+DCL双重检查,保证同一时刻只有一个请求回源数据库重建缓存,其余请求等待或者拿旧缓存返回,避免数据库瞬间被大量请求压垮。同时我还实现逻辑过期方案,缓存value里面存逻辑过期时间,过期不直接删除key,直接返回旧数据,把缓存重建任务丢专门业务线程池异步执行,用户不用阻塞等待锁。
- 缓存雪崩: 给缓存TTL加上随机抖动,ThreadLocalRandom生成随机偏移,避免大量key同一时间集体过期。
- 缓存一致性: 使用Cache‑Aside模式,先更新数据库,再删除缓存;删除缓存使用SCAN,不使用KEYS,防止Redis阻塞;TTL做兜底,如果删缓存失败,等待TTL过期自动失效。
👨💻追问1:为什么选择先更新数据库再删缓存,而不是先删缓存再更新数据库? 话术: 如果先删缓存,还没有更新数据库完成,此时另外一个读请求过来,读取旧数据库数据写回缓存,会产生永久脏缓存。 先更新数据库,再删除缓存,不一致窗口只有数据库更新完成到缓存删除完成这一小段时间;就算删除缓存失败,TTL过期兜底,不会永久脏数据。 如果业务需要更强一致性,可以用延迟双删或者Canal监听binlog异步失效缓存,我这个单体项目不需要这么重的方案。
👨💻追问2:缓存删除失败怎么办? 话术: 我封装缓存清理组件,删除的时候记录日志,做有限次数重试;如果重试还是失败,依靠缓存自带TTL兜底,不会永久脏数据;如果是生产集群场景,可以引入MQ异步重试删除缓存。
👨💻追问3:逻辑过期的原理?为什么要异步重建?异步重建会有什么风险? 话术: 逻辑过期不会物理删除Redis key,缓存value里面存业务数据+逻辑过期时间戳。当查询发现已经逻辑过期,直接返回当前旧缓存给前端,同时把重建缓存任务提交给专门的cacheRebuildExecutor线程池,异步去查DB更新缓存。 好处:用户请求不需要阻塞等待锁,不会因为缓存重建拉长接口RT,不会大量请求同时打到DB。 风险:①多个线程同时提交重建任务,重复重建,所以重建的时候要加分布式锁保证同一key只有一个重建任务;②异步重建任务线程池满了任务被拒绝,我线程池拒绝策略用CallerRunsPolicy,宁可调用线程同步执行,不丢弃任务;③异步重建失败,记录错误日志,等到下一次用户访问触发重建自愈。
👨💻追问4:布隆过滤器原理?你项目参数为什么设置1万容量,1%误判率?布隆过滤器扩容怎么处理? 话术: 布隆底层是Redis的bit数组+多个哈希函数。写入元素的时候,多个hash计算出bit下标置1;查询的时候,如果任意一个bit位是0,代表元素一定不存在;全部为1代表元素可能存在,存在误判。 我的场景是文章ID,预估最多一万篇文章,设置期望插入数量10000,允许误判率1%,通过公式反算bit数组大小和哈希函数个数。 启动的时候把全部文章ID加载初始化布隆过滤器;布隆过滤器只能新增不能删除。当元素接近设计容量,误判率会升高,扩容思路:新建一个更大容量布隆过滤器,全量重新导入全部有效ID,完成之后原子切换使用新过滤器;千万不能先删除旧过滤器,防止切换中间出现空窗把合法ID拦截掉。 【游戏迁移思考】游戏场景布隆过滤器可以用来拦截非法玩家ID、非法道具ID;同样面临扩容、不能删除元素的痛点。
👨💻追问5:布隆过滤器初始化失败你做了Fail‑Fast,什么意思? 话术: 项目启动加载全部文章ID初始化布隆,如果数据库异常导致初始化失败,直接让应用启动失败。如果静默降级不做布隆过滤器,大量非法ID会直接穿透打到DB,会把数据库打崩,所以宁可启动失败告警,也不要带着高危隐患运行。
Q2:阅读量高并发你怎么做?为什么不每次访问直接update数据库?
话术: 文章阅读量访问量很大,如果每次访问直接更新数据库,大量并发写会给DB造成巨大压力。 我方案:使用Redis INCR做阅读量原子自增;同时维护一个脏标记Set,记录哪些文章的阅读计数发生变化;后台定时任务周期执行:读取脏集合,GETSET原子拿到增量,批量更新数据库,更新完成清空脏标记。 效果:把每一次访问一次DB写,降低为定时批量写,极大降低数据库写压力。 额外加了分布式锁,防止定时任务并发重复执行;数据库更新使用REQUIRES_NEW新开事务,单篇文章更新失败不影响其他文章批量落库。
【游戏迁移思考】游戏里面玩家战斗次数、排行榜点击、任务计数,高频写场景都可以用这套内存/Redis计数+定时批量落库思路;但是玩家金币、道具这种强正确性数据不能这么做,必须实时落库。
模块2:Redisson分布式锁(重点,游戏大量道具背包扣减会用到分布式锁)
Q1:分布式锁为什么不用手写SETNX,选择Redisson?手写setnx会踩哪些坑?
话术: 手写SETNX有几个很难处理的坑:
- 如果设置过期时间之前服务宕机,锁永远不会释放,死锁;
- 就算设置过期时间,业务执行时间超过锁过期时间,锁自动释放,其他线程拿到锁,两个线程同时进入临界区,出现并发问题;
- 删除锁的时候没有校验锁持有者,A线程的锁过期,B拿到锁,A执行完直接把B的锁删掉,误删锁。
Redisson的RLock解决上面问题:
- 没有手动指定leaseTime,会开启看门狗机制;获取锁之后后台定时线程,每10s把锁过期时间重置为30s;业务没有执行完锁不会过期;业务执行完成unlock的时候关闭看门狗。
- 解锁使用Lua脚本,对比锁里面存储的UUID唯一标识,只有锁持有者才允许删除锁,避免误删。
- 支持waitTime等待时间,leaseTime手动设置过期时间。
👨💻追问1:Redisson看门狗原理,什么条件看门狗才会生效? 话术: 当调用tryLock不指定leaseTime,看门狗才会启动;如果手动传入leaseTime,Redisson认为业务自己掌控超时时间,不会启动看门狗。 默认锁过期30s,看门狗后台线程每10s(TTL/3)执行Lua脚本:判断锁还被当前线程持有,就把过期时间重置回30秒。业务执行完成unlock,停止看门狗;如果服务宕机,看门狗线程消失,等待锁30s自然过期释放锁。
👨💻追问2:Redis主从异步复制场景,加锁后主还没同步给slave,master宕机slave升级,锁丢失怎么办?RedLock怎么看? 话术: 这是Redis分布式锁经典理论风险。主从异步复制,锁写入master,还没同步slave,master故障,slave晋升新主,锁丢失,多个客户端同时拿到锁。 方案1:RedLock红锁,向多台独立Redis主节点申请锁,过半节点拿到锁才算成功;但是性能差,运维复杂,业界争议比较大。 方案2:使用ZK/etcd这类CP一致性组件做分布式锁,牺牲吞吐换取强一致性。 我博客项目业务容忍极小概率异常,所以使用Redisson单机主从,同时业务层增加幂等兜底;如果是游戏道具扣减这种绝对不能出错场景,不能单纯依赖Redis锁,要数据库行锁、业务幂等做兜底。 【游戏迁移思考】游戏背包、道具扣减,不能完全依赖Redis分布式锁,必须DB层做约束兜底,防止锁失效造成道具异常。
模块3:RabbitMQ消息队列(异步解耦、可靠性、幂等,游戏发奖、邮件系统高度相关)
Q1:你的项目MQ用来干什么?为什么不用线程池直接异步?
话术: RabbitMQ主要用来处理两件耗时、容易失败的业务:AI摘要生成调用第三方DeepSeek接口、评论通知推送。 不使用本地线程池直接异步的原因:线程池异步没有消息持久化;如果应用进程崩溃,内存里面排队任务直接全部丢失。 RabbitMQ优势:
- 异步削峰:瞬时大量消息可以队列缓冲,不会压垮下游第三方接口;
- 消息持久化,broker宕机消息不丢;
- 解耦:生产者不需要关心消费者是否在线;
- 死信队列机制,业务异常消息可以进入死信,人工排查。
我配置交换机、队列、消息全部持久化;使用Jackson2JsonMessageConverter,禁止JDK原生序列化,防止序列化漏洞,支持跨语言。
👨💻追问1:RabbitMQ如何保证消息不丢失?分生产者、交换机‑队列、消费者三端讲。 话术: 消息丢失分三个链路,分别做防护:
- **生产者到交换机:**开启publisher‑confirm,生产者发送消息之后等待broker confirm回调,确认消息成功投递交换机;confirm失败做重试。
- **交换机路由到队列:**开启publisher‑return,如果消息无法路由到队列,return回调通知生产者。
- **消费者端:**关闭自动ack,或者配置业务正常返回才ack;业务异常不ack,消息不会从队列删除;配置default‑requeue‑rejected=false,异常消息不重新放回原队列,投递到死信交换机死信队列。 同时队列、交换机durable持久化,消息deliveryMode=2持久化,broker重启消息保留。
👨💻追问2:MQ重复消费怎么解决?你的SummaryConsumer摘要生成怎么保证幂等? 话术: MQ重投、网络抖动都可能造成重复消费,所以消费业务必须做幂等,不能假设消息只会消费一次。 我AI摘要消费者的幂等方案:消费消息拿到articleId,执行Redis setIfAbsent(SUMMARY_DONE_+articleId,1,24h);只有设置成功代表第一次处理;如果key已经存在,说明已经生成摘要,直接跳过处理,不会重复调用付费AI接口。 同时消费之前做Redis令牌桶限流,保护第三方DeepSeek接口;业务异常进入死信队列,设置最大重试次数,避免无限重试消耗第三方额度。 【游戏迁移思考】游戏服务端玩家发奖、邮件发放,MQ消费一定要做幂等,防止消息重复投递,给玩家重复发道具金币,造成线上重大BUG。
👨💻追问3:死信队列什么时候进入?死信之后怎么处理? 话术: 三种情况消息进入死信:消息过期、队列达到最大长度、消费者reject并且不重新入队。 我的业务:业务抛出RuntimeException,配置不重入原队列,投递死信。死信队列不会自动无限重试;需要人工监控告警,排查问题之后,手动把死信消息重新投递业务队列。
模块4:多线程 & 自定义线程池(简历重点,游戏服务大量业务线程池隔离)
Q1:你项目定义了两个线程池cacheRebuildExecutor、warmupExecutor,用途?参数为什么这么设计?拒绝策略为什么选CallerRunsPolicy?
话术:
- cacheRebuildExecutor:处理缓存逻辑过期后的异步重建缓存任务;核心线程5,最大线程10,阻塞队列200。缓存重建请求可能频繁,所以线程池规模更大。
- warmupExecutor:项目启动预热缓存,只启动阶段执行;核心2,最大4,队列500,任务量少,队列大吸收预热批量任务。
两个线程池全部配置: 拒绝策略:CallerRunsPolicy;开启优雅停机WaitForTasksToCompleteOnShutdown,AwaitTerminationSeconds等待任务完成再关闭应用,防止线程池任务被直接杀掉。
CallerRunsPolicy:当线程池最大线程满,队列也满的时候,任务不会丢弃,交给提交任务的调用线程同步执行。 对比DiscardPolicy直接静默丢弃任务,我场景缓存重建任务不能丢,如果丢任务缓存就一直不会更新,所以宁可阻塞调用线程,也不能丢任务,选择CallerRunsPolicy。
注意缺点:CallerRuns会阻塞调用者线程,如果调用线程是Netty IO线程,会严重影响服务,游戏服务端IO线程绝对不能执行阻塞业务,业务必须扔业务线程池(面试可以主动提这个风险,体现游戏服务端意识)。
👨💻追问:讲ThreadPoolExecutor七大参数、执行流程、拒绝触发时机? 话术: 七大参数:corePoolSize核心线程数、maximumPoolSize最大线程数、keepAliveTime空闲非核心线程存活时间、unit时间单位、workQueue阻塞队列、threadFactory线程工厂、handler拒绝策略。 执行流程:
- 提交任务,如果运行线程数小于corePoolSize,新建核心线程执行任务;
- 核心线程已满,任务放入阻塞队列排队;
- 队列也满,线程数还没达到maximumPoolSize,新建非核心线程;
- 线程到达最大,队列满,触发拒绝策略handler。 拒绝时机:线程数达到maximumPool并且workQueue已经满,才触发拒绝策略。 默认核心线程不会回收;开启allowCoreThreadTimeOut,核心线程空闲超时也会回收。
👨💻追问:为什么不使用Executors快捷创建线程池? 话术: Executors.newFixedThreadPool使用无界队列,任务无限堆积OOM;newCachedThreadPool最大线程数Integer.MAX_VALUE,瞬间大量任务会创建海量线程,耗尽系统资源。生产环境建议手动new ThreadPoolExecutor,明确队列大小、最大线程、拒绝策略,可控。 【游戏迁移思考】游戏服务端不同业务要做线程池隔离,战斗线程池、邮件线程池、日志线程池分开,避免某一类慢任务把全部线程耗尽,拖垮整个服务。
模块5:Spring Security + JWT认证(Web项目,思考游戏登录token)
Q1:讲你的登录认证流程,JWT存在哪里?
话术: 用户POST登录接口,后端校验账号密码,BCrypt比对密码;签发JWT,payload携带userId、username、role、过期时间,密钥环境变量注入,签名防止篡改;返回token给前端。 前端Vue把token存储localStorage;axios拦截器每次请求头部带上Authorization: Bearer token。 后端自定义OncePerRequestFilter,JwtAuthenticationFilter,在UsernamePasswordAuthenticationFilter之前执行;解析校验token签名和过期;再查Redis账号禁用标记;封装Authentication放入SecurityContextHolder;业务接口使用@PreAuthorize做RBAC权限,@AuthenticationPrincipal拿当前登录用户。
👨💻追问:JWT放localStorage,XSS风险怎么处理?纯JWT不能主动踢人,你怎么解决? 话术: 权衡:HttpOnly Cookie防XSS,但是CSRF风险,跨域移动端麻烦;localStorage方便但是有XSS风险。 我的防护:Vue前端默认HTML转义降低XSS风险;后端输入做HTML脚本过滤;JWT过期时间设置短24小时,就算泄露损失窗口小。 纯JWT无状态,服务端无法主动作废token;我没有完全依赖JWT无状态,在Redis维护账号禁用标记,过滤器每一次请求都会查询,如果账号被封禁,直接清空SecurityContext,拒绝访问,实现账号维度快速封禁踢人。 【游戏迁移思考】游戏客户端token类似JWT,但是游戏客户端一般不会浏览器XSS问题;但是同样要考虑玩家账号封禁、强制下线,不能完全依靠token过期,需要服务端维护黑名单。
👨💻追问:为什么用OncePerRequestFilter,不用MVC Interceptor?SecurityContext为什么要clear? 话术: JWT校验要融入SpringSecurity过滤器链,鉴权结果写入SecurityContext,交给@PreAuthorize统一权限控制。MVC Interceptor属于SpringMVC的组件,在Security链外面,需要自己重复维护鉴权逻辑,SecurityContext不会生效。 OncePerRequestFilter保证一次请求过滤器只会执行一次。 SecurityContextHolder一定要清理,Tomcat线程池线程复用;如果上一个用户的上下文没有清空,下一个请求复用线程,会拿到上一个用户身份,发生越权串号问题。
模块6:MySQL数据库(简历)
Q1:你项目哪些字段建索引?为什么主键自增不用UUID?
话术: article文章表:categoryId、userId普通索引,用于按分类、作者查询文章;createTime建索引,支撑列表ORDER BY createTime DESC分页排序;主键id自增。 主键选择自增而不是UUID:InnoDB聚簇索引,主键决定行数据物理存储顺序;自增主键插入顺序递增,B+树页追加,页分裂少,插入性能好,索引碎片少。UUID随机值,主键无序,插入频繁页分裂,写放大严重,索引占用空间更大。 UUID我项目里面也有用,是Redisson锁的lockValue,用来做锁持有者标识,不用做业务主键。
👨💻追问:深分页 LIMIT 100000,20 性能差,怎么优化? 话术: limit大偏移,数据库需要扫描并且丢弃前面十万行数据,开销很大。 优化:①游标分页,利用索引
WHERE id > 上一页最大id ORDER BY id LIMIT 20,避免扫描前面全部行;②延迟关联,子查询先分页主键,再join拿完整行;③业务层面限制最大翻页页数。 我项目列表基于createTime排序,如果要做很深翻页,可以基于时间+id游标分页。
模块7:微服务(演进版本)
Q1:微服务为什么拆user‑service和article‑service?
话术: 按照业务领域边界拆分:user‑service负责账号、认证用户信息;article‑service负责文章、评论、摘要生成。用户域变更频率低,文章域流量高、变更频繁;拆分之后可以独立部署,独立扩缩容;故障隔离,文章服务故障不会把账号认证全部搞崩。 Nacos做注册中心和配置中心;Gateway统一网关入口;OpenFeign声明式跨服务调用;Sentinel做限流熔断降级。
👨💻追问:Feign调用失败怎么办?分布式事务怎么处理? 话术: Feign配置合理连接超时、读取超时;结合Sentinel @SentinelResource配置blockHandler、fallback降级兜底。比如文章服务调用用户服务获取作者信息,如果用户服务暂时不可用,返回默认昵称,保证文章接口不要整体雪崩。 分布式事务:我拆分的时候尽量规避跨服务写事务;跨服务优先读,写操作尽量落在单个服务数据库。如果遇到强一致场景我了解Seata AT/TCC/SAGA;工程实践优先避免强分布式事务,优先最终一致性+消息补偿,接受短暂数据不一致,配合定时任务补偿校验。 【游戏迁移思考】游戏服务拆分同样优先避免跨服务强事务;玩家核心数据尽量收敛到单一逻辑服,减少跨服务写。
模块8:部署运维(简历亮点,真实线上项目,不是本地demo)
Q1:讲你的部署链路,阿里云ECS整套环境怎么做?
话术: 阿里云香港ECS,没有备案,公网访问;安全组只开放22ssh和80端口。 中间件MySQL、Redis、RabbitMQ使用Docker Compose编排,容器只绑定127.0.0.1,不对外暴露公网端口,提升安全。 后端SpringBoot应用打包jar,systemd配置blog.service常驻,开机自启;密钥DB密码、JWT密钥、第三方api key统一放到/etc/blog/blog.env,chmod 600权限,root只读;使用EnvironmentFile注入环境变量,密钥不硬编码在jar、systemd配置、docker‑compose,避免密钥提交git泄露。 前端Vue打包dist静态资源交给Nginx托管;Nginx同时反向代理/api后端接口、/ws WebSocket连接,支持WebSocket协议升级。
👨💻追问:踩过哪些部署坑? 话术:
- systemd服务没有执行systemctl enable,服务器重启之后应用不会自动拉起;
- ECS节省停机模式,公网IP不保证永久不变,IP变化之后Nginx配置、前端跨域配置需要同步修改;
- Nginx进程用户没有权限读取静态资源目录,报Permission denied,需要调整文件夹执行权限;
- Docker容器重启,要确认容器设置restart策略,保证中间件开机自启。
模块9:WebSocket(博客)→迁移游戏TCP长连接(非常加分!对接多益Netty长连接考点)
Q:项目WebSocket做什么?如果换成游戏TCP长连接,你觉得要新增哪些问题?
话术: 博客WebSocket用来做评论、系统通知的实时推送,浏览器和服务端维持长连接。 博客WebSocket场景简单,在线规模不大;如果迁移到游戏TCP长连接,需要额外处理:
-
**心跳保活、空闲连接检测:**检测玩家掉线;
-
**TCP粘包拆包:**WebSocket自带帧,TCP字节流没有边界,需要自定义协议(长度前缀)拆包;
-
**断线重连、会话状态保存:**玩家断线之后重连恢复游戏会话;
-
大量连接内存、文件句柄监控;
-
IO线程不能执行业务阻塞逻辑,业务丢业务线程池;
-
消息序列化/反序列化,协议编解码;
👉这块和后面Netty Reactor题库打通。
三、多益游戏服务端八股题库(整合你最初的面经,结合博客项目作答)
优先级:Netty长连接 > 并发线程池 > JVM > Spring > MyBatis > MySQL > Redis > MQ > 算法 > 系统设计 做题原则:能关联博客项目就关联,能迁移游戏服务端场景就迁移。
3.1 网络(游戏服务端最高频)
1.长连接和短连接区别
话术: 短连接:HTTP1.0典型,请求响应完成关闭连接;实现简单;频繁建立断开TCP三次握手四次挥手开销大,不适合实时交互。 长连接:TCP连接建立之后复用,多次收发消息;适合IM、游戏、WebSocket、Netty。 长连接服务端要处理的问题:心跳保活、空闲连接检测、断线重连、TCP粘包拆包、大量连接带来的文件句柄、内存占用;游戏还要做玩家状态同步。 博客项目WebSocket本质是HTTP升级而来长连接;游戏一般直接使用原生TCP,Netty框架实现。
2.Netty Reactor线程模型(必背!多益游戏服务端重点)
话术: Netty是Reactor模式,分为BossGroup和WorkerGroup两个EventLoopGroup。
-
BossGroup:专门接收TCP连接,处理accept事件;接收到新连接之后把Channel注册给WorkerGroup里面某一个EventLoop。
-
WorkerGroup:一组EventLoop,每一个EventLoop是单线程事件循环;一个Channel全程绑定同一个EventLoop;处理这个Channel全部IO读写就绪事件。 单线程处理一个channel全部IO,避免多线程竞争锁;业务逻辑
严禁阻塞EventLoop IO线程
,耗时业务投递到自定义业务线程池。 Pipeline+ChannelHandler责任链模式,依次执行编解码、心跳、业务handler。 配套能力:池化ByteBuf、零拷贝,优化内存。
游戏服务端应用:Netty作为网关,管理成千上万玩家长连接,处理协议编解码,分发业务。 👨💻追问:如果业务handler阻塞EventLoop线程,会发生什么? 答:这个EventLoop绑定的全部Channel的IO事件全部卡住,所有玩家这个线程上的连接全部卡顿,严重服务雪崩;所以耗时业务全部交给独立业务线程池。
3.2 Java基础 & 并发
1.进程、线程、协程区别
话术:
- 进程:操作系统资源隔离单位,独立虚拟地址空间;进程切换开销最大。
- 线程:属于进程,共享进程堆内存;操作系统内核调度;线程切换会陷入内核态,有开销;多线程共享可变数据必须同步加锁。
- 协程:用户态调度,切换不需要陷入内核,切换成本极低,适合IO密集场景。 Java传统线程是OS内核线程;JDK21 Project Loom虚拟线程,JVM层面轻量线程,适合大量IO等待场景,底层仍然基于线程模型。 很多C++游戏服务端大量使用协程处理海量IO;我Java项目没有协程实战,理解调度模型,正在学习C++协程。
2.幂等性
话术: 幂等:同一个请求重复多次执行,业务结果和执行一次完全相同。 Web博客场景:MQ消费、接口重试;游戏服务端更加重要:玩家发奖、扣道具、背包操作、网络抖动客户端重试,如果不幂等会重复发金币道具,重大线上事故。 实现方案:
- 数据库唯一约束;
- Redis setIfAbsent请求唯一ID,设置过期时间;我博客MQ摘要消费就是这套;
- MQ消费记录messageId消费状态表;
- Token令牌机制;
- 乐观锁version版本号;
- 业务层状态判断。 注意:Redis做幂等,Redis宕机要有数据库兜底,不能完全依赖Redis。
3.synchronized / ReentrantLock / volatile / CAS
话术:
-
synchronized:JVM内置监视器锁;偏向锁→轻量级锁→重量级锁锁升级;可重入;修饰方法或者代码块;锁是JVM管理,自动释放。注意:只能JVM单机互斥,多实例分布式场景无效(博客项目分布式场景不用synchronized,改用Redisson分布式锁)。
-
ReentrantLock:JDK显式锁;可重入;支持公平/非公平锁;支持tryLock超时、可中断;配合Condition条件变量;需要手动unlock,必须finally保证释放。
-
volatile:保证可见性,禁止指令重排序;不保证复合操作原子性,i++这种不能用volatile解决。
-
CAS:乐观锁,CompareAndSwap;JUC原子类底层;ABA问题;自旋会带来CPU开销。
游戏迁移:单机游戏逻辑服内部线程安全用synchronized/ReentrantLock;跨机器玩家背包道具,必须分布式锁+DB兜底。
4.HashMap / ConcurrentHashMap
话术: HashMap线程不安全;JDK1.7头插法多线程put会链表成环死循环;1.8改成尾插法,不会死循环,但是仍然存在数据丢失问题,不用于多线程共享可变数据。 ConcurrentHashMap: JDK1.7:Segment分段锁,Segment继承ReentrantLock,分段粒度粗。 JDK1.8:废弃Segment;Node数组+链表+红黑树;锁粒度降低到链表头节点;synchronized+CAS;支持并发扩容,性能提升。 博客项目:跨实例缓存全部放Redis;单机本地可变集合,如果并发场景用ConcurrentHashMap。
3.3 JVM
1.类加载5个阶段:加载、验证、准备、解析、初始化
话术:
- 加载:读取class字节码流,在堆生成对应Class对象;
- 验证:字节码格式、语义、安全校验;
- 准备:静态变量分配内存,赋默认零值,不是业务赋值;
- 解析:把常量池符号引用替换为直接引用;
- 初始化:执行
<clinit>静态代码块,静态变量业务赋值; 触发初始化条件:new对象、访问静态字段/静态方法、反射、子类初始化。 类加载器:启动类加载器、扩展类加载器、应用程序类加载器、自定义类加载器;双亲委派模型。
2.finalize()作用,为什么不推荐
话术: finalize是Object方法;GC回收对象之前JVM可能调用,设计初衷用来释放本地资源。 缺点:调用时机完全不确定,甚至可能永远不会执行;会延长对象回收周期,增加GC压力;存在对象复活漏洞。 替代方案:try‑with‑resources/AutoCloseable,Cleaner,PhantomReference虚引用;资源连接、流、线程池必须手动显式关闭,不能依赖GC回收。
3.Optional解决什么问题,正确用法
话术: Optional把“值可为空”语义显性表达,减少大量if‑else判空,降低空指针。 最佳实践:只作为返回值,不要作为成员变量、入参;禁止直接get();优先map、filter、orElse、orElseGet、ifPresent。 示例:
Optional.ofNullable(user)
.map(User::getAddress)
.map(Address::getCity)
.orElse("未知");
4.弱引用WeakReference,内存泄漏
话术: WeakReference弱引用:当对象除弱引用之外没有任何强引用,下一次GC就可以回收对象。 典型场景:WeakHashMap做缓存、监听器映射。 Java内存泄漏常见来源:ThreadLocal没有remove;长生命周期集合持有短生命周期对象;线程池线程持有任务引用不释放;IO流、数据库连接忘记关闭。 排查:开启‑XX:+HeapDumpOnOutOfMemoryError,OOM导出堆dump,MAT工具支配树分析,定位强引用链路。
博客项目JVM:单机小流量,只配置‑Xms256m ‑Xmx512m;没有做复杂GC调优,但是掌握调优的触发条件和排查工具jstat/jmap/jstack/arthas。
3.4 Spring & SpringBoot
1.Spring Bean作用域;singleton注入prototype坑
话术: singleton(默认,容器一个实例)、prototype(每次获取新建实例);web环境request/session/application/websocket。 自定义作用域:实现Scope接口,注册到ConfigurableBeanFactory,@Scope注解指定。 重点坑:singleton Bean里面直接注入prototype Bean,只会注入一次,永远是同一个对象;解决:@Lookup注解、ObjectProvider、从ApplicationContext主动获取。
2.@Conditional条件装配原理
话术: @Conditional,衍生注解@ConditionalOnClass、@ConditionalOnMissingBean、@ConditionalOnProperty。 Spring解析@Configuration配置类阶段,ConditionEvaluator评估条件;条件满足才注册BeanDefinition;不满足直接跳过,不会创建Bean。本质是BeanDefinition注册阶段做条件判断。
3.@Transactional事务失效场景(高频)
话术:
- 方法不是public;
- 同类内部方法自调用,不走Spring代理;
- 异常try‑catch捕获没有向外抛出;
- 默认只回滚RuntimeException;受检异常需要手动配置rollbackFor;
- 在新线程执行,事务上下文不会传递新线程;
- 对象不是Spring容器管理Bean;
- final、static方法,CGLIB无法增强。
4.三级缓存解决循环依赖
话术: Spring setter/字段注入依靠三级缓存解决循环依赖。 一级缓存:完全初始化完成单例Bean; 二级缓存:实例化完成,还没有属性填充的原始Bean; 三级缓存:ObjectFactory工厂对象,提前暴露Bean的代理。 A依赖B,B依赖A;A实例化完成,把ObjectFactory放入三级缓存;开始填充属性发现依赖B;B实例化,填充属性拿到A的提前暴露对象;B完成初始化;回到A继续填充属性完成。 注意:构造器注入无法使用三级缓存,对象创建阶段就需要全部依赖,还没有放入缓存,循环依赖直接启动报错。
3.5 MyBatis
1.MyBatis延迟加载原理;N+1查询问题
话术: 延迟加载:访问关联对象属性的时候,才额外执行SQL查询;底层是动态代理实现。 配置:lazyLoadingEnabled=true;aggressiveLazyLoading=false;association、collection标签fetchType=lazy。 N+1:查询主表1次,每一条记录循环查询关联表,1+N次SQL。 解决:①联表resultMap一次性查询;②批量select;③业务层批量加载;缓存只能缓解,优先优化SQL。
对比博客项目我用Spring Data JPA,JPA也存在N+1经典坑,实际开发要注意fetch策略。
3.6 MySQL
1.InnoDB索引B+树,聚簇索引,最左前缀,覆盖索引,回表,索引下推
话术: InnoDB索引B+树;全部数据存在叶子节点,叶子双向链表,范围扫描友好。 聚簇索引:主键索引叶子节点存完整行数据;二级索引叶子节点存主键值;查询二级索引拿到主键,再回表查询主键索引拿到完整行。 最左前缀:联合索引,查询条件必须匹配索引最左列,索引才生效。 覆盖索引:select的全部字段,索引叶子节点已经全部包含,不需要回表,explain Extra显示Using index。 索引下推ICP:过滤条件下推到存储引擎层,减少回表次数。 慢SQL常见诱因:字段函数包裹、隐式类型转换、like前缀%、联合索引顺序错误、大量回表、排序分组缺少索引。
2.间隙锁gap lock,next‑key lock,解决什么问题?RC隔离级别有没有间隙锁?
话术: InnoDB RR可重复读隔离级别下,当前读(select … for update,update delete)范围查询会触发next‑key lock(记录锁+间隙锁)。 间隙锁锁住索引记录之间间隙,阻止其他事务往间隙插入新记录,缓解幻读问题。 等值查询命中唯一索引,会退化成单纯记录锁;范围查询、非唯一索引会保留间隙锁。 RC读已提交隔离级别,没有间隙锁,所以RC会出现幻读;RC好处锁粒度更小,减少死锁;代价是幻读问题无法数据库层面解决,业务处理。
游戏服务端:大量并发更新玩家背包、道具,间隙锁容易产生死锁,写SQL尽量精准命中索引,缩小锁范围。
3.Explain执行计划,type、key、rows、Extra
话术: explain查看SQL执行计划;explain analyze(新版本MySQL)实际执行拿到真实统计。 type优先级从差到好:ALL全表扫描 < index索引全扫 < range范围 < ref < eq_ref < const。尽量避免ALL。 key:本次查询实际使用索引;rows:优化器估算扫描行数。 Extra重点: Using index:覆盖索引; Using where:存储引擎返回数据之后服务层做过滤; Using filesort:文件排序,没有利用索引排序; Using temporary:创建临时表,常见group by没有索引。 优化思路:建立合适联合索引遵守最左前缀;避免select*尽量覆盖索引;减少回表;避免隐式转换;优化分页。
3.7 Redis(博客项目重点)
1.MySQL和Redis区别
话术: MySQL磁盘存储,完整事务支持,关系模型,强持久化;Redis内存数据库,高性能,丰富数据结构;可以做缓存、分布式锁、计数器、排行榜、限流。 Redis支持RDB/AOF持久化,但是不建议把Redis当做唯一数据源,只能作为缓存,数据库是真相源。 使用Redis要处理缓存穿透击穿雪崩,缓存数据库一致性。
游戏场景:Redis ZSet排行榜;分布式锁;玩家临时会话;计数;但是玩家道具金币核心数据以MySQL为真相源。
2.Redis基础数据类型,底层编码
话术: String、List、Hash、Set、ZSet;还有Bitmap、HyperLogLog、Stream。 Redis会根据数据大小、元素数量自动切换底层内部编码,节省内存: String:int、embstr、raw; List:listpack; Hash、Set:小数据用listpack/intset;数据超过阈值转hashtable; ZSet:小集合listpack;大集合跳表skiplist+dict哈希表。
游戏场景:ZSet做排行榜;Hash存储玩家临时属性;String存简单计数。
3.Redis Pub/Sub特点,消息持久化怎么做
话术: Pub/Sub发布订阅是广播模型;没有消费组、没有消息持久化、没有消费位点;客户端离线消息直接丢失。适合简单通知,不能做可靠业务MQ。 如果要可靠持久消息,优先Redis Stream(支持消费组、ACK、持久化);生产环境业务消息还是RabbitMQ/Kafka更成熟。
游戏:简单广播通知可以pub/sub;玩家发奖、邮件这种绝对不能用pub/sub,消息会丢。
4.Redis分布式锁,RedLock原理与缺陷(前面项目已经背过)
话术: 单机Redisson锁:SET key value NX PX;Lua脚本释放锁;看门狗续期;value存唯一标识防止误删。 RedLock红锁:向多台独立Redis主节点申请锁,过半节点成功拿到锁才算获取锁。 缺陷:依赖系统时钟、网络分区、节点重启故障,仍然存在安全漏洞;业界争议大,性能损耗大。 工程建议:不要优先上RedLock;业务增加幂等、数据库约束兜底;优先单集群Redis锁接受极小理论风险;极高一致性需求使用ZK/etcd。
3.8 消息中间件 Kafka / RabbitMQ
1.Kafka ISR机制,如何保证数据不丢失
话术: ISR(in‑sync replica):和leader副本保持同步的副本集合。 保证不丢失: 生产者:acks=all,生产者等待leader和全部ISR副本确认;开启生产者幂等;设置重试。 Broker:min.insync.replicas;关闭unclean.leader.election,不允许不在ISR集合副本选leader,防止数据丢失。 消费者:业务处理完成之后手动提交offset;不要自动提交offset避免消息丢失。
Kafka本质是分布式追加提交日志,高吞吐,适合日志、事件流。
2.RabbitMQ和Kafka本质模型区别
话术: RabbitMQ:消息代理模型,Exchange交换机+Queue队列;消息推送消费,逐条ACK确认;擅长复杂路由,业务事件,适合任务队列,延迟消息。 Kafka:分布式提交日志模型;分区,追加写;消费者组主动拉取offset;高吞吐;支持重放历史消息;适合日志流、大数据流式处理。
游戏场景:RabbitMQ适合玩家发奖邮件这种业务消息;Kafka适合游戏日志、埋点、大量事件流。