百度架构一面:全链路可观测、断点续传与「让 MySQL 无上限集群化」
- 轮次
- 一面
- 时间
- 2026-10
- 来源
- 牛客网
《面试题目》
- 自我介绍。
- 讲讲你在腾讯这段实习做了什么。
- 遇到需求落地过程中出问题,你是怎么解决的?
- 用什么方法去实现「全链路可观测」这个需求?
- 做完需求之后,如何定位各个地方的异常?怎样通过 Agent 或其他机制快速定位?系统性讲一下。
- 如果要做一个智能的告警系统去做一些处理,怎么实现这个机制?这个 Agent 应该怎么实现?
- 如果让你继续负责腾讯那个项目,你觉得还有哪些方面可以提升?
- K8s 建立一个 Pod 的时长,时间卡点在哪里?耗时花在哪?怎么优化?
- 这段实习经历对你最大的提升在哪里?
- 讲讲小厂的全栈实习经历。
- 这段实习中最大的难点在哪里?
- 断点续传是怎么实现的?比如分成 5 份,上传第四份失败,之后会发生什么?
- 分片是怎么切的?
- 并发传输好还是串行好?不考虑 App 的情况,在 Linux 机器、内网环境下,串行快还是并行快?理由是什么?性能卡点在哪里?
- 讲讲零拷贝,零拷贝的函数是什么?
- 假如有一个高并发高可靠的需求:视频下面的评论服务,要从零去写,你打算用什么技术实现?
- 什么样的机制能让 MySQL 承载非常高的流量?比如 256 核 CPU、几个 T 内存和磁盘,它理论上也有上限,怎样集群化、产生一个「无上限」的集群结果?什么机制让它「无限」?
- Linux 执行
rm -rf删掉文件之后,为什么磁盘有时没有释放? - 算法题(一道偏 easy 的贪心)。
- 反问环节。
《参考解析》
全链路可观测这题,答「三支柱 + 一条 traceId」比罗列工具重要。 落地顺序是:统一埋点规范(traceId 由网关生成并透传,跨线程、跨消息、跨 RPC 都要带),指标(Metrics)回答「有没有问题」,链路(Tracing)回答「问题在哪个环节」,日志(Logging)回答「具体是什么错」。三者用 traceId 串起来,日志里必须打 traceId 和 spanId,否则出了问题还是靠人肉 grep。工程上要注意采样:全量 trace 在高 QPS 下成本不可接受,常用「头部采样 + 慢请求/错误请求强制采样」,保证异常样本不丢。再往上一层才是「异常定位」:告警只负责发现,定位要靠「指标突变 → 关联 trace → 落到具体 span → 拉该 span 的日志」这条固定路径,能把 MTTR 从小时级压到分钟级。
智能告警 Agent 的边界要先划清楚,否则会做成一个不可信的玩具。 合理架构是「规则/阈值层做兜底 + 模型层做归因与降噪」:底层仍然用 Prometheus 之类的阈值和基线检测触发事件,模型只负责三件事——把同一时间窗内的多条告警聚成一个事件(降噪)、按历史工单检索相似故障给出可能根因(RAG)、生成排查建议并附上相关看板和日志链接。必须保留「人在环」:模型给出的结论要带证据(指标曲线、异常 span、日志片段),不能只给一句「可能是数据库慢」。要防止模型胡编,工具调用必须受限在一个白名单里(查指标、查日志、查最近变更),并且所有输出都要求引用来源。这套东西的价值不在「自动修复」,而在把值班人的前 10 分钟检索工作省掉。
断点续传与分片:把「状态」落到服务端而不是客户端。 分片一般按固定大小切(如 5MB),最后一片可能不足;每片独立算校验和(MD5/CRC32),上传时带 uploadId + partNumber。第四份失败时,服务端已经落盘的前三片保持有效,客户端只重传第四片;全部分片完成后调一次 complete,服务端按 partNumber 顺序合并并校验整体 ETag。关键是两点:一是「秒传」——上传前先用文件哈希查一次是否已存在;二是「分片记录的持久化」,uploadId 与已上传分片列表要落库(或 Redis),否则客户端换设备、进程重启就续不上。并发上传这题的正确答法是分场景:内网小文件串行更快(省掉连接建立与调度开销),大文件并发能打满带宽但要限制并发数(通常 4-8),真正的卡点常在接收端的磁盘写入与单连接窗口,而不是网络本身。
零拷贝要能说出「省掉了哪几次拷贝」。 传统 read + write 是 4 次上下文切换、4 次数据拷贝(磁盘→内核页缓存→用户缓冲→socket 缓冲→网卡)。sendfile 把「内核页缓存→socket 缓冲」这一步也省掉(DMA gather),变成 2 次切换 2 次拷贝;splice 借助管道在两个 fd 之间搬数据,适合代理转发;mmap + write 省掉一次 CPU 拷贝但仍有切换。面试官追问「零拷贝的函数」时,答 sendfile(2)、splice(2)、mmap(2),并说明它们各自适用 Nginx 静态文件、Kafka 日志发送这类场景。
「让 MySQL 无上限」是个陷阱题,正确答法是承认单机上限并给出分层方案。 单机上限来自三处:单表 B+ 树深度带来的 IO 放大、写放大与 redo/undo 的刷盘能力、以及连接数与锁竞争。往上走的顺序是:读写分离(主写从读,解决读扩展)、分库分表(按用户或订单维度水平切,解决写与容量)、冷热分离(历史数据归档到列存/对象存储)、以及把「无限增长」的查询需求迁到 ES/ClickHouse 这类专为分析设计的引擎。真正的「无上限」不存在,工程上追求的是「按业务维度可线性扩展 + 有明确的分片键」。回答时最好点出分片键选择的代价:按用户分片则跨用户查询要聚合,按时间分片则热点集中。
rm -rf 后磁盘没释放,标准答案是「文件还有进程持有」。 Linux 的文件是 inode + 链接计数,rm 只是把目录项删掉、链接计数减一,只要还有进程持有该文件的 fd(常见是被重定向的日志、被 tail -f 打开的文件、被删了但还在写的服务日志),inode 和数据块就不会回收。排查用 lsof +L1 或 lsof | grep deleted 找到持有进程,处理方式是重启/让它重新打开文件,或者 : > /proc/<pid>/fd/<n> 把内容清空(注意不要直接覆盖 inode)。另一个易混的原因是「文件系统层面有快照或延迟分配」,但绝大多数线上场景就是前者。