面灵AI→

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》

  1. 自我介绍。
  2. 讲讲你在腾讯这段实习做了什么。
  3. 遇到需求落地过程中出问题,你是怎么解决的?
  4. 用什么方法去实现「全链路可观测」这个需求?
  5. 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。
  6. 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?
  7. 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?
  8. 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?
  9. 这段实习经历对你最大的提升在哪里?
  10. 讲讲小厂的全栈实习经历。
  11. 这段实习中最大的难点在哪里?
  12. 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?
  13. 分片是怎么切的?
  14. 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?
  15. 讲讲零拷贝,零拷贝的函数是什么?
  16. 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?
  17. 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」?
  18. Linux 执行 rm -rf 删掉文件之后,为什么磁盘有时没有释放?
  19. 算法题(一道偏 easy 的贪心)。
  20. 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。