← 返回学习路线

SYSTEM

博客项目 · 面试官深度拷打手册

博客系统工程
src/content/notes/projects/面试拷打-博客项目.md

博客项目 · 面试官深度拷打手册

模拟字节/阿里资深架构师视角,按技术栈拆解你的博客项目,先抛问题 → 再像面试官一样层层追问 → 最后给出可直接背诵的面试话术。

说明:[话术] 段是背下来就能答的;👨‍💻追问 是面试官可能接着问的,看完能防连环追问翻车。


目录


一、项目开场白 / 全局架构

Q:简单介绍下你的博客项目

话术:

这是一个从 0 到 1 全栈实现的个人博客系统,分单体版和微服务演进版两套。 单体版:Spring Boot + MySQL + Redis + Redisson + RabbitMQ + WebSocket + JWT,已完整部署上阿里云 ECS(Docker Compose 中间件 + Nginx 反代 + systemd 常驻)。 微服务版:按业务边界拆成 user-service、article-service,用 Nacos 注册/配置中心 + Gateway 网关 + OpenFeign 服务调用 + Sentinel 限流。 核心难点不是 CRUD,而是围绕文章详情的高频读和阅读量/点赞的高频写做了缓存三防、异步削峰、消息解耦三层设计。

👨‍💻追问:为什么做两套?单体没价值吗?

单体能上线、能完整走通全链路,体现我”能交付落地”的能力,也验证了缓存/锁这些核心设计。微服务版是我为了验证架构演进能力做的,不是重复造轮子——同样的业务,单体用一个事务搞定,微服务用 Feign 跨服务调用实现,这种”演进”过程才最体现对分布式利弊的理解。

Q:画出你的架构图 / 请求是怎么贯穿全链路的

话术:

一条请求链路:浏览器 → Nginx(静态资源 + 反代 /api、/ws)→ Spring Security 过滤器链(JWT 校验)→ Controller → Service(先查布隆过滤器 → 查缓存 → 未命中走分布式锁回源 DB)→ 返回统一 Result。 写操作部分:文章创建 → 发送摘要生成消息进 RabbitMQ → SummaryConsumer 幂等检查 + 限流 → 调 DeepSeek → 写库 → 失效缓存。阅读量 → Redis INCR + 脏标记 → 定时批量落库。


二、Java 基础 / 集合 / 并发

Q:你项目里用了那么多并发方案,为什么不直接用 synchronized?

话术:

因为 my 并发的场景都在跨实例的 Redis 层。synchronized 锁的是单 JVM 的 monitor,只能管一台机器内的线程互斥,解决不了多实例部署时的竞争。而计数我用 Redis INCR 原子自增、防击穿用 Redisson 分布式锁、幂等用 setIfAbsent,这些都是锁在 Redis 上、所有实例共享同一把,才是分布式场景的正确解。synchronized 只适合单 JVM 内存级的轻量互斥,我那些 Bean 都是无状态的,没这个需求。

👨‍💻追问:i++ 为什么不安全?

i++ 在字节码是”读 → 改 → 写”三步,非原子。多线程同时读同一变量再各自 +1 写回,会互相覆盖(丢失更新)。AtomicInteger 用 CAS 保证了一步到位;但跨进程到 Redis 就是 INCR 原子指令,同理。

Q:HashMap 线程安全吗?你什么场合怎么规避?

话术:

HashMap 在多线程并发 put 时 JDK1.7 可能头插法成环导致死循环,1.8 改尾插后主要问题是数据丢失/CAS 失败的无必要调用,且不是线程安全。我项目里没有用 HashMap 做共享可变缓存,跨实例的缓存都放 Redis,单机内的缓存重建状态用的是池里的局部变量,所以没踩这个坑。真要并发场景会用 ConcurrentHashMap(分段锁/CAS)。

👨‍💻追问:ConcurrentHashMap 1.7 和 1.8 区别?

1.7 分段锁 Segment(继承 ReentrantLock),分段粒度粗;1.8 放弃分段,改为 Node 数组 + 链表 + 红黑树,锁粒度细到”头节点”,用 synchronized + CAS,支持并发扩容。性能比 1.7 好。


三、JVM 与调优

Q:你项目做过 JVM 调优吗?

话术:

老实说,我的博客是单机小流量,只做了最基础的堆内存设置:-Xms256m -Xmx512m,防止 OOM 打崩单机。没有做复杂的 GC 调优——因为单机低流量场景,盲目上 G1 参数/堆比例只是炫技,面试官一问为什么调就说不上来。 但我系统学过 JVM:内存模型(堆/栈/元空间/方法区)、GC 算法(复制/标记清除/标记整理)、常用收集器(G1 的 Region + 混回收、ZGC 的低停顿)、以及 jstat/jmap/jstack/arthas 排查工具。我清楚调优的触发场景(GC 频繁 STW、内存泄漏、吞吐不足),而不是堆参数。

👨‍💻追问:什么时候才需要真调优?OOM 你怎么排查?

线上 YGC 频繁导致 CPU 飙升、Full GC 引起长时间 STW、或者内存持续增长不下降(疑似泄漏)时才需要。OOM 排查:① 先开 -XX:+HeapDumpOnOutOfMemoryError 保留现场 → ② jmap -dump 导 dump → ③ MAT/VisualVM 查支配树找大对象 → ④ 看是堆内存泄漏(该回收没回收,查强引用/静态集合)还是内存溢出(确实不够,扩堆或改结构)。


四、Spring Boot 与容器

Q:为什么你们用构造器注入而不是 @Autowired 字段注入?

话术:

注入方式本身不影响线程安全——注入的都是无状态单例。但构造器注入有三个生产价值:① 字段可以 final,依赖不可变、反射安全;② 便于单测,构造器显式传入 mock 就能替换依赖;③ 能尽早暴露循环依赖——字段注入能”逃过”启动期检查,到实际调用才炸;构造器注入启动时直接报告循环依赖失败。所以我用 @RequiredArgsConstructor 配合 final 字段。

👨‍💻追问:Spring 解决循环依赖的机制是什么?构造器注入为什么解决不了?

Spring 用三级缓存解决 setter/字段注入的循环依赖:一级存成品、二级存提前暴露的 Bean、三级存 ObjectFactory 工厂。A 依赖 B、B 依赖 A 时,A 建到一半先通过三级缓存暴露一个提前代理给 B 用,B 完成后再回来填 A。但构造器注入发生在对象创建阶段,此时还没放进三级缓存,无法提前暴露,所以构造器循环依赖直接报错。这也是构造器注入”严格、尽早失败”的体现。

Q:为什么选 Spring Boot 4.x?和 3.x 有啥区别?

话术:

用新版本一方面验证自己对新技术的跟踪能力,另一方面 Spring Boot 4 基于 Jakarta EE、要求 JDK 17+,并强化了可观测性(Micrometer)和 GraalVM 原生支持。我项目是 JDK17 + Spring Boot 4.0.6。我会说明版本演进踩过的坑——比如 4.x 里 @Modifying 查询的事务要求更严格,以及 Redisson 与 Boot 4 的 RedisProperties 类路径冲突需要排除自动装配、手动建 Bean。


五、Spring Security + JWT 认证

Q:登录流程讲讲,JWT 存在哪?

话术:

流程:用户 POST /api/auth/login → 校验账号密码(BCrypt 比对)→ 签发 JWT(含 userId、username、role、过期时间,用环境变量注入的密钥签名)→ 返回给前端。前端把 token 存 localStorage,后续每个请求由 axios 拦截器自动加 Authorization: Bearer <token> 头。 后端每次请求经 JwtAuthenticationFilter 拦截:解析 token → 校验签名和过期 → 从 Redis 查账号是否被禁用 → 封装 UserPrincipal 放入 SecurityContext,后面用 @AuthenticationPrincipal 取当前用户,@PreAuthorize("hasRole('ADMIN')") 做 RBAC 权限校验。

👨‍💻追问:JWT 存 localStorage 有 XSS 风险,你有防护吗?

这是 JWT 方案的经典权衡。存 Cookie(HttpOnly)防 XSS 但不防 CSRF,且跨域/移动端不友好;存 localStorage 方便但怕 XSS。我的防护侧重:① 前端实际是 Vue,框架默认转义,降低 XSS 面;② 在后端对 HTML/脚本做转义和过滤(XSS 拦截);③ JWT 采用短过期(24h),降泄漏损失。同时我说明了纯 JWT 的无状态在”主动踢人/禁用”上的短板,所以我用 Redis 记住禁用账号来弥补”改库不生效”的问题——这是结合 DB 数据真相源 + Redis 加速缓存的折中方案。

👨‍💻追问:token 被偷了怎么踢人?服务端能主动下线吗?

纯 JWT 无状态就踢不掉,所以我不做成”纯无状态”。我维护了账号 enabled 字段(DB 真源),并在 Redis 存禁用标记。JwtAuthenticationFilter 每请求会查 Redis 禁用标记,命中就直接清掉 SecurityContext、拒绝访问——相当于实现了服务端可按 user 维度快速封禁。真正的”踢人”还可用 token 版本号/黑名单实现,我理解原理。

Q:为什么用 OncePerRequestFilter 而不是 Maven Interceptor 做 JWT 校验?

话术:

因为要并入 Spring Security 的过滤器链,让鉴权结果进入 SecurityContext、被 @PreAuthorize 和 SecurityContextHolder 统一管理。MVC Interceptor 是独立于 Security 的旁路,会造成路径规则重复维护、SecurityContext 不统一。我在 JwtAuthenticationFilter 里 OncePerRequestFilter 保证一次请求只跑一次,且在 UsernamePasswordAuthenticationFilter 之前执行,让匿名/已认证状态在进入业务前就绪。

👨‍💻追问:SecurityContext 为什么要 clear?

因为 Tomcat 的线程是复用的,如果上一次请求清理不干净,下一次请求可能”继承”到上一个用户的安全上下文,造成越权/串号。所以处理完(尤其 token 非法时)必须 SecurityContextHolder.clearContext(),防止线程池污染。


六、MySQL 数据库

Q:你项目里哪些表、哪些字段加了索引?

话术:

文章表 article 的 categoryId、userId 加了普通索引(因为按分类/作者查询是高频);createTime 参与列表排序,建了索引支撑 ORDER BY createTime DESC 的分页;主键 id 用自增。 Repository 里用 findAllByOrderByCreateTimeDesc、findByCategoryIdOrderByCreateTimeDesc 这种方法名定排序的方式,让 JPA 生成稳定、可预期的 SQL。

👨‍💻追问:为什么主键用自增而不是 UUID?

自增主键是聚簇索引,插入时数据按顺序追加到 B+ 树末尾,页不用频繁分裂,插入性能好、碎片少。UUID 随机分布会让 B+ 树频繁分裂重排,写放大严重,索引占用空间也大。单库场景自增是正确选择;只有分库分表/防枚举时才需要雪花等分布式 ID。我在项目里也用了 UUID——但那是分布式锁的 lockValue(保证只有持锁者能解锁),业务主键保持自增。

👨‍💻追问:分页深翻页性能问题(LIMIT 100000,20)怎么优化?

LIMIT 大偏移 需要扫描并丢弃前面 10 万行。优化:① 用 游标分页(基于索引的 WHERE id > 上一页最大id ORDER BY id LIMIT 20),跳过已翻过的行;② 子查询延迟关联。我列表用的是 createTime 排序,更深改进正用”索引 + 覆盖”优化。


七、Redis 缓存体系(重点)

Q:你项目缓存三防具体怎么做的?

话术:

针对文章详情这个高频读热点:

  • 穿透:布隆过滤器(1 万容量 / 1% 误判率)挡住不存在的 articleId,约 99% 无效请求拦在 Redis 前;误判的兜底用”空值缓存 NULL”60s TTL。
  • 击穿:热点 key 过期瞬间大量请求回源。用 Redisson 分布式锁 + DCL 双重检查 + 自旋,保证同一时刻只有一个请求查库重建,其余拿克隆的值返回或兜底,DB 不被瞬间打爆。
  • 雪崩:不同 key 的 TTL 加上随机抖动(我用 ThreadLocalRandom 生成),避免所有 key 同一刻集体失效。
  • 一致性:Cache-Aside 模式,先更库后删缓存 + TTL 兜底;删除用 SCAN 而不是 KEYS(防阻塞 Redis 大库扫描)。

👨‍💻追问:先删缓存还是先更库?为什么这么选?

我用先更库、后删缓存(Cache-Aside 经典顺序)。若先删缓存再更库,更库期间另一个线程又读旧库写回缓存,就出现旧缓存。先更库后删缓存 + 合理 TTL,配合删除失败重试,能最大限度降低不一致窗口。严格一致性场景要上 binlog 订阅(Canal)或延迟双删,这里单体场景不需要。

👨‍💻追问:删缓存失败怎么办?

我封装了 CacheCleaner,删除操作加日志和重试,删除失败则依赖TTL 兜底(缓存本来会过期),不会永久脏。极端场景可引入 MQ 异步重试删除。

Q:为什么用逻辑过期而不是物理过期?缓存重建为什么异步?

话术:

物理过期的痛点是:过期那一刻大量请求同时打 DB(击穿),虽用锁保证只一个回源,但其他请求要阻塞等锁,响应慢。逻辑过期是在 value 里塞一个”过期时间戳”做软标记:数据还在、标记过期时,立即把旧值返回用户,同时把”重建新缓存”的任务丢进 cacheRebuildExecutor 异步执行——用户不等、DB 不见锤、缓存不空窗。这里必须配线程池,因为重建任务不能丢也不能阻塞主请求。

👨‍💻追问:逻辑过期多久触发一次重建?会不会频繁重建?

我的逻辑过期时间较长(配合详情缓存 30 分钟 TTL),且重建时用分布式锁避免多个线程重复重建同一篇。异步重建失败会记日志 + 失效缓存,下次读取再触发,保证自愈。


八、Redisson 分布式锁

Q:分布式锁怎么实现?为什么不用 setnx 命令自己写?

话术:

基础 setnx 自己写有三种坑:① 没设过期时间 → 持锁方宕机锁永不释放;② 设了过期但持锁逻辑执行超过过期时间 → 锁被自动释放,别的线程拿到锁,两个一起进临界区;③ 删除锁时可能误删——A 的锁过期后 B 拿到锁,A 执行完直接把 B 的锁删了。所以我用 Redisson 封装好的 RLock:

  • tryLock(waitTime, leaseTime, unit) 带看门狗自动续期(默认 30s,业务没跑完会续),避免业务超时长锁提前失效;
  • 解锁用Lua 对比 value(锁值 = 每线程唯一 UUID),只有持锁者能删,防止误删他人锁;
  • 分布式的本质是锁存在 Redis、所有实例共享,能跨多台服务器互斥。

👨‍💻追问:看门狗续期机制原理?

Redisson 获取锁时若没指定 leaseTime,会给 key 设默认 30s 过期,并启动一个后台看门狗线程,每 10s(TTL/3)检查一次:只要业务线程还活着,就通过 Lua 把锁的过期时间重置回 30s,相当于”锁不会因业务超时而提前失效”。业务结束 finally 里 unlock 并取消看门狗。这解决了”锁过期时间设多长合适”的难题。

👨‍💻追问:Redis 主从切换时空窗怎么办(锁丢失)?

单节点 setnx/Redisson 默认在主从异步复制下有极端理论窗口:master 刚加锁未同步到 slave,master 挂了,slave 升级后锁丢失,可能俩客户端各持一把锁。严谨方案有两个:① Redisson 的红锁 RedLock(多节点过半加锁),但性能差、争议大;② 用 ZooKeeper/etcd 这类 CP 系统。我项目是单实例 Redis,能接受这极小概率,属于”根据业务容忍度取舍”。


九、RabbitMQ 消息队列

Q:MQ 在你的项目里解决什么问题?为什么不用线程池直接异步?

话术:

主要解耦耗时/易失败的逻辑:AI 摘要生成、评论通知。选择 MQ 而非线程池,是因为线程池异步没有持久化和确认机制——进程崩溃任务就丢了。MQ 能:① 异步削峰,把高并发的写平坦化;② 可靠性,消息落盘、失败进死信队列重试;③ 解耦,生产者不关心消费者是否在线。我配了 Jackson2JsonMessageConverter(禁止 Java 原生序列化,安全+跨语言),消息/队列/交换机三重持久化,并给业务队列绑定死信交换机。

👨‍💻追问:怎么保证消息不丢?三个环节分别看。

三条链路:

  • 生产者 → 交换机:开启 publisher-confirm(confirm 回调确认送达);
  • 交换机 → 队列:开启 publisher-return(路由不进队列时回调);
  • 消费者:acknowledge-mode=auto(方法正常返回才 ACK),异常不重入原队列、进死信队列。 配合队列/交换机和消息的 durable 持久化,外加 broker 重启不丢。

👨‍💻追问:消费失败重试机制?怎么防止重复消费?(SummaryConsumer里怎么做的)

我在消费端做了”幂等 + 限流 + 死信”三层: ① 幂等:先 setIfAbsent(SUMMARY_DONE + articleId, 1, 24h),拿到才是第一次,拿不到说明已生成,直接跳过——防止 MQ 重投/重复消费导致 AI 多次付费调用。 ② 限流:调 DeepSeek 前用 RedisRateLimiter 令牌桶限流,超限就删掉幂等标记、抛异常让它进死信稍后重试。 ③ 死信:业务异常抛 RuntimeException,default-requeue-rejected=false 使消息进死信队列,配最大重试(max-retries=3),永久失败留死信便于排查。 数据更新的核心方法单独 @Transactional 隔离,避免把 DB 事务带到 MQ 监听长链路里。


十、多线程与线程池

Q:项目里线程池配置和用途?参数为什么这么定?(ExecutorConfig)

话术:

两个线程池:

  • cacheRebuildExecutor(核心 5 / 最大 10 / 队列 200):缓存逻辑过期时异步重建详情缓存,不阻塞请求、不丢任务。
  • warmupExecutor(核心 2 / 最大 4 / 队列 500):启动时异步预热缓存,不阻塞应用启动。 两者都配 CallerRunsPolicy(队列满了由调用线程执行,宁慢勿丢)+ 优雅停机(WaitForTasksToCompleteOnShutdown + AwaitTerminationSeconds),避免线程泄漏。参数区分:cacheRebuild 请求频繁所以池稍大;warmup 只在启动跑一次所以池小、队列大吸收突发。

👨‍💻追问:CallerRunsPolicy 是什么?跟 DiscardPolicy 区别?

CallerRunsPolicy:队列满 + 线程满时,不丢弃任务,而是把任务交回提交任务的线程同步执行——等于用”调用方速度”反向限流,保证任务不丢但会拖慢调用者(符合”宁可慢不丢”)。DiscardPolicy 直接静默丢弃(最危险,丢任务没察觉)。我选 CallerRuns 是因为缓存重建这种任务不能丢——丢了缓存就一直不重建,用户体验下降。

👨‍💻追问:ThreadPoolExecutor 七大参数、执行流程、拒绝时机。

七大参数:corePoolSize、maximumPoolSize、keepAliveTime、unit、workQueue、threadFactory、handler。 执行流程:① 核心线程未满 → 建核心线程执行;② 满 → 进 workQueue 排队;③ 队列满 → 建非核心线程执行;④ 非核心线程也满 → 触发拒绝策略(handler)。 拒绝时机是”线程达到 maximum + 队列已满”。核心线程默认不回收(除非 allowCoreThreadTimeOut),非核心空闲超 keepAliveTime 回收。


十一、布隆过滤器与限流

Q:布隆过滤器原理?为什么能拦截 99%?

话术:

布隆过滤器是一个 redis bit 位数组 + k 个 hash 函数。写入时对元素算 k 个 hash 把 k 个 bit 置 1;查询时若任一 bit 为 0 则一定不存在,若全为 1 则”可能存在”(可能误判但不漏判)。所以它能确定拒绝不存在的 id。我项目用它拦截不存在的 articleId,误判的少数请求再走”空值缓存 NULL”兜底。参数我设 expectedInsertions=10000、falseProbability=0.01,按 1 万文章投建,启动时用 findAllIds 一次性加载已有文章 ID 初始化,文章数接近上限时触发扩容重建。

👨‍💻追问:误判率怎么算?bit 位怎么定?

误判率公式大致是 (1 - e^(-kn/m))^k,m 是位数组大小、n 是插入数、k 是 hash 个数。经验上 m = -n·lnP / (ln2)^2、k = (m/n)·ln2。我按 1 万/错误率 1% 反推出合适的位数组和 hash 数。扩容思路是新建更大过滤器 → 批量重建 → 原子切换,重建失败要回滚不能先删(避免空窗把有效请求也拦截掉)。

Q:限流你会哪几种算法?项目用了哪些?

话术:

我项目用令牌桶(Redis Lua 原子实现,见 RedisRateLimiter)保护付费的 DeepSeek API(容量 5、每秒 3 令牌)。除此之外我理解市面上常见的:固定窗口(ZINCRBY/incr + 过期,边界有毛刺)、滑动窗口(ZCOUNT/ZREMRANGEBYSCORE,更平滑)、漏桶(恒定速率、不突发)。令牌桶优势是允许一定突发(桶容量吸收峰值)同时限制长期平均速率,最适合”控制成本 + 容忍短时峰值”的 AI 调用。微服务版还有 Sentinel(滑动窗口/QPS)和 Nginx limit_req(每 IP 10r/s)两层网关级限流。


十二、微服务架构(Nacos/Gateway/Feign/Sentinel)

Q:微服务版架构?为什么拆这两个服务?

话术:

拆成 user-service(用户/认证)和 article-service(文章/评论/摘要),中间通过 Spring Cloud Gateway 网关做统一入口 + 路由 + 负载均衡,服务注册到 Nacos,跨服务用 OpenFeign 声明式调用(如文章服务查作者信息、判断评论删除权限),Sentinel 做接口限流熔断。 拆的依据是业务边界和变化频率:用户域稳定低频、文章域高频突变,分开后可以独立伸缩、独立部署、故障隔离。

👨‍💻追问:Feign 调用失败怎么办?熔断降级怎么做?

Feign 默认配超时(连接/读取),失败可配 Sentinel 的 @SentinelResource + blockHandler 降级 + fallback 返回兜底值,网关层也可做全局熔断。拦截贴近业务:文章服务查不到用户时降级返回默认昵称,不让登录态崩溃。

Q:分布式事务做了吗?跨服务改数据怎么办?

话术:

我拆的服务边界尽量避免跨库强一致:用户域和文章域各自独立,跨服务读用 Feign、写不跨库事务。真正的强一致场景我会讲 Seata(AT/TCC/Saga)原理,并强调优先用最终一致性 + 消息补偿而非全局事务。比如评论删除的权限校验,宁可读稍旧数据 + 幂等,也不引入分布式事务的复杂度。


十三、部署与运维

Q:项目怎么部署的?讲讲你这套生产链路。

话术:

阿里云 ECS(香港)公网 IP 直连(未备案个人用),Docker Compose 编排 MySQL/Redis/RabbitMQ(只绑定 127.0.0.1 不暴露外网),应用用 systemd 的 blog.service 常驻(开机自启),Nginx 托管前端 dist + 反代 /api、/ws 并支持 WebSocket。安全组只开 22/80。密钥(DB 密码、JWT、DeepSeek key)通过 EnvironmentFile 注入,600 权限。

👨‍💻追问:密钥怎么管理的?为什么用 EnvironmentFile 不用 systemd 硬编码?

集中放在 /etc/blog/blog.env,chmod 600 root 所有。遇到 key 变更不用动 systemd unit、不用改 docker-compose 重启容器,改 env 后 restart 服务即可,集中管理 + 权限隔离。JWT 密钥用 openssl rand -base64 48 生成、生产环境覆盖默认值。API key 不落到代码和 systemd unit 里,避免误提交到 git。

👨‍💻追问:重启云服务器后服务会自动恢复吗?踩过什么坑?

会。docker(及 compose 容器)、nginx、blog 服务都 systemctl enable 了开机自启。踩过的坑:① blog 服务初始是 disabled,不 enable 实例重启后 Spring Boot 不会起来;② 节省停机模式短期重启公网 IP 大概率复用,但官方不保证,IP 变了要同步改 Nginx server_name 和 CORS_ALLOWED_ORIGINS;③ Nginx 要能读 /opt/blog 目录,否则 Permission denied——给 /opt、/opt/blog 加执行权限。


附录:高频陷阱自检清单

面试官最爱用这几个”坑”钓你,提前背熟:

陷阱 你的正确回应
“你为什么不用 synchronized""怎么不用线程池异步搞定一切” 区分单机内存互斥 vs 分布式共享资源,讲清边界
“先删缓存还是先更库” Cache-Aside:先更库后删缓存 + TTL 兜底
“token 被偷了怎么踢” 承认纯 JWT 无状态短板,用 Redis 禁用标记补救
“锁过期了业务还没跑完” Redisson 看门狗自动续期
“删缓存失败” 日志+重试+TTL 兜底,重依赖上 MQ/Canal
“MQ 消息丢了/重复消费” 生产 confirm/return、消费 ack、幂等 setIfAbsent、死信重试
“微服务事务一致” 优先最终一致性 + 消息补偿,讲 Seata 原理
“Redis 主从换锁丢失” 单节点容忍 + 讲 RedLock/ZK 的取舍
“为什么布隆过滤器你才设 1 万” 给出 expectedInsertions/falseProbability 公式来源
“JWT 存 localStorage 不安全” 主动承认 + 框架转义 + 短过期 + Redis 封禁弥补

原则:不会的不要硬编。说”我理解它是…,在这个单体场景我用…规避了”,比 编一个看似高深的答案更稳——面试官更看重你对取舍的理解而不是背结论。