面灵AI→

佰维存储后端开发一面:削峰积压、库存与优惠券体系设计

轮次
一面
时间
2026-11
来源
牛客网

《面试题目》

项目与场景

  1. 削峰怎么做?后面请求积压或超时怎么处理?
  2. 高并发分析:怎么判断是 IO 阻塞还是 CPU 高并发,分别怎么优化?
  3. SKU / 库存表结构怎么设计、怎么快速查询?
  4. 优惠券体系:满减、比例、可叠加怎么设计?美团式复杂优惠券的计算逻辑怎么设计算法?

八股

  1. SSE 和完整的 HTTP 请求各有什么优缺点?
  2. TCP 和 UDP 的区别?
  3. 数组和链表的区别?队列有什么特点?

《参考解析》

削峰与积压处理:削峰的本质是把「瞬时写入压力」转成「可控的消费速率」。入口层限流(令牌桶/漏桶)挡住超量请求并快速失败,中间用消息队列缓冲(Kafka / RocketMQ),下游按自身能力消费;同步链路只做校验与落单,异步链路做履约与通知。积压出现后先看消费速率与生产速率、单条消息处理耗时、是否有慢调用或锁竞争,再决定扩容消费者、提高批量、降级非核心逻辑(如延迟发券、延迟发短信)。超时要有分层超时与重试:网关超时、服务超时、下游超时逐层收紧,重试必须带退避与幂等键,否则积压会变成雪崩。监控上盯队列 lag、P99 延迟、错误率与线程池队列长度。

IO 阻塞还是 CPU 瓶颈:看指标而不是猜。CPU 使用率高且 us(用户态)占比高、runqueue 长,是计算瓶颈;CPU 不高但请求延迟高、wa(IO 等待)高、线程池打满在等待,是 IO 阻塞。工具上:top / pidstat 看 CPU 与 iowait,iostat 看磁盘,jstack 看线程栈是否大量阻塞在 socket / 数据库连接,arthas trace 看单次调用耗时分布。优化方向不同:CPU 瓶颈做算法与序列化优化、减少重复计算、水平扩容;IO 瓶颈做批量、缓存、连接池、异步化(CompletableFuture / 响应式)、读写分离。还有一个常见第三类:锁竞争与线程池配置不当,表现为 CPU 不高、延迟高、线程都在等锁。

SKU 与库存表设计:SKU 表按「商品 → SPU → SKU」三层建模,SKU 存规格属性(颜色、容量)、价格、状态,属性用 JSON 或独立的属性值表;库存表按 sku_id 维度存可售、锁定、已售三个数量,加版本号或直接用 UPDATE ... SET available = available - ? WHERE sku_id = ? AND available >= ? 做乐观扣减。快速查询靠主键与唯一索引(sku_id 唯一)、热点库存放 Redis(预扣减 + 异步落库,注意缓存与数据库一致性)、分库分表时按 sku_id 哈希。库存的核心不是表结构,而是「不超卖」:单机用数据库行锁或乐观锁,多机用 Redis 原子脚本或分段库存(把 1000 件拆成 10 段,各段独立扣减,减少热点竞争)。

优惠券体系设计:券模板(类型:满减、折扣、立减;门槛:满 X 元;范围:全场/品类/单品;有效期;叠加规则;互斥组)+ 用户券实例(领取时间、状态、订单绑定)。计算逻辑分两步:先过滤(可用性:门槛、范围、时间、是否互斥),再求解最优组合。可叠加时这是一个组合优化问题,券数量少时可以按「互斥组内取最优、组间可叠加」降维——每组内枚举最优,组间做贪心或小规模 DP;券多时限定最多叠加 N 张,用带剪枝的搜索。工程上把「券计算」做成独立的计价服务,输入购物车与用户券包、输出优惠明细,保证下单、支付、退款三处口径一致;所有计算要可重放(记录用了哪些券、每张减多少),否则退款对不上账。

SSE 与普通 HTTP:普通 HTTP 请求是「一问一答」,服务端处理完返回完整响应,连接可复用但语义上是一次性;SSE(Server-Sent Events)在一条长连接上由服务端持续推送 text/event-stream 事件,浏览器原生 EventSource 支持自动重连与 Last-Event-ID 断点续传,适合通知、进度、流式输出这类单向推送。SSE 的优点是简单(纯 HTTP、无额外协议、穿透代理友好)、缺点也明显:单向(客户端要发消息得另开请求)、HTTP/1.1 下每域名连接数有限(HTTP/2 多路复用可缓解)、需要处理心跳与代理超时。与 WebSocket 相比,SSE 不做双向、不用升级协议,运维更简单;与轮询相比,实时性更好、无效请求更少。

TCP / UDP、数组与链表、队列:TCP 面向连接、可靠、有序、有流量控制与拥塞控制,代价是握手、重传与队头阻塞;UDP 无连接、不可靠、无序、开销小、时延低,适合实时音视频、游戏同步、DNS。数组内存连续、随机访问 O(1)、插入删除 O(n)、缓存友好;链表节点分散、随机访问 O(n)、已知位置插入删除 O(1)、有指针开销且缓存不友好。队列是先进先出,只允许尾部入队、头部出队,常用于缓冲与解耦;工程上要区分有界/无界(无界会吃内存)、阻塞/非阻塞、以及是否需要优先级。