SYSTEM
博客项目 · 面试官深度拷打手册
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
- 二、Java 基础 / 集合 / 并发
- 三、JVM 与调优
- 四、Spring Boot 与容器
- 五、Spring Security + JWT 认证
- 六、MySQL 数据库
- 七、Redis 缓存体系(重点)
- 八、Redisson 分布式锁
- 九、RabbitMQ 消息队列
- 十、多线程与线程池
- 十一、布隆过滤器与限流
- 十二、微服务架构(Nacos/Gateway/Feign/Sentinel)
- 十三、部署与运维
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 → ②jmap -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 Nginxlimit_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。