科大讯飞 Java 一面:InnoDB 持久化、MVCC 与秒杀系统设计
- 轮次
- 一面
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
- 自我介绍。
- 介绍一下 skill 中的渐进式披露?
- MySQL 存储引擎 InnoDB 和 MyISAM 有哪些区别?
- 以 InnoDB 为例,它的事务四大特性中,持久化怎么做的?
- undolog 有什么作用?
- MySQL 的 SQL 优化怎么做?
- MySQL 的多版本并发控制怎么实现的?
- Redis 常用的数据结构有哪些?你一般怎么使用?
- 缓存一致性问题如何解决?
- 如果说使用 Redis 作为秒杀订单系统的缓存,如何保证不超卖和一人一单?
- 如果发生了重复下单的问题,可能的原因是什么?如何解决?
- HashMap 的底层数据结构?
- ConcurrentHashMap 是如何解决并发安全问题的?
- 手撕题(讲伪代码即可):带过期时间的 LRU。
- 系统设计题:实现一个秒杀系统,从系统架构出发,到技术选型、中间件设计等,讲一下设计思路。
- 接口 P99 耗时激增,如何排查和应急处理?
- 反问。
《参考解析》
InnoDB 与 MyISAM 的区别:InnoDB 支持事务、行级锁、外键、崩溃恢复与 MVCC,索引与数据同在聚簇索引(主键 B+ 树的叶子节点就是行数据),二级索引叶子存主键值需要回表;MyISAM 不支持事务与外键,只有表级锁,索引与数据分离,二级索引叶子存行地址,计数用表级计数器所以 COUNT(*) 快,适合读多写少且不容忍事务的场景。现代业务几乎一律选 InnoDB,MyISAM 只在只读归档或临时表场景还有意义。
持久化靠 redo log 的两阶段提交:事务修改先写内存中的 Buffer Pool 并把变更记入 redo log(顺序写),提交时 redo log 按 innodb_flush_log_at_trx_commit = 1 刷盘,脏页由后台线程异步刷回磁盘。即使刷脏前宕机,重启时用 redo log 重放已提交事务、用 undo log 回滚未提交事务。redo log 是物理日志(记录页的字节变更),采用循环写,write pos 追上 checkpoint 时触发刷脏。这样设计的好处是把随机的页写转成顺序的日志写,兼顾性能与持久性。
undo log 的作用:两个——事务回滚与 MVCC。回滚时按 undo 记录的反向操作恢复数据;MVCC 时把 undo 记录串成版本链,配合 ReadView 判断当前事务能看到哪个版本。undo 记录还分 insert undo(只用于回滚,提交后可立即清理)与 update undo(支撑 MVCC,需等无活跃读事务后才能 purge)。
MVCC 的实现:每行有隐藏列 DB_TRX_ID(最后修改它的事务 id)与 DB_ROLL_PTR(指向 undo 版本链)。一致性读时生成 ReadView,记录当前活跃事务 id 列表与最小/最大事务 id;沿版本链向前找第一个「对当前事务可见」的版本——已提交且早于 ReadView 创建、或就是自己修改的。RC 隔离级别每次查询都新建 ReadView,RR 只在事务第一次查询时创建,这就是「RR 可重复读」的来源。快照读走 MVCC,当前读(SELECT ... FOR UPDATE、UPDATE、DELETE)走锁。
SQL 优化:见上一则同题回答的思路——慢查询日志发现问题、EXPLAIN 看 type/key/rows/Extra 定位、联合索引最左前缀、避免索引列上的函数与隐式转换、覆盖索引减少回表、深分页改游标、大事务拆小,最后用优化前后的耗时与扫描行数验证。
Redis 的数据结构与用法:String(缓存对象、计数器、分布式锁的 SETNX)、Hash(对象的字段级更新,如购物车)、List(简单的消息队列、时间线)、Set(去重、共同好友的交集并集)、ZSet(排行榜、延迟队列、按分数范围查询)、以及 Bitmap(签到、活跃标记)、HyperLogLog(UV 估算)、Stream(带消费组的消息流)。要说清每种结构的典型命令与复杂度,以及「为什么用这个结构而不是 String 存 JSON」——字段级更新与内存开销是主要理由。
缓存一致性:主流方案是 Cache Aside:读时先查缓存、未命中查库并回填;写时先更新数据库、再删除缓存(而不是更新缓存,避免并发写导致的中间态覆盖)。删除失败要有补偿(重试队列、订阅 binlog 异步删)。强一致要求高的场景可以延迟双删(更新后删一次,短延迟再删一次以覆盖并发读回填的旧值),或对同一 key 加分布式锁串行化。要讲清「先删缓存再更新库」在并发读下会把旧值回填,因此不推荐。
秒杀的不超卖与一人一单:库存预热到 Redis,扣减用 Lua 脚本把「判断库存 → 扣减 → 记录用户购买标记」做成原子操作,DECR 返回值小于 0 即失败;一人一单用 SETNX 或 Set 记录 userId + 商品 id,与扣库存放在同一个 Lua 里保证原子。Redis 扣减成功后发消息到 MQ,由消费者异步落库创建订单,数据库侧再用唯一索引(用户 id + 商品 id)与 UPDATE stock SET stock = stock - 1 WHERE stock > 0 做最终兜底。要强调两道防线都要有:Redis 挡流量,数据库唯一索引与条件更新挡一致性。
重复下单的原因:用户重复点击、客户端重试、网关超时重试、MQ 消息重复投递、以及分布式事务的补偿重放。解决靠幂等:下单接口要求客户端传幂等键(或用「用户 + 商品 + 活动」作为业务唯一键),服务端用唯一索引或 Redis 的 SETNX 拦截,消费侧按消息 id 去重,并对已成功的请求直接返回同一结果。
HashMap 与 ConcurrentHashMap:HashMap 是数组 + 链表 + 红黑树,默认容量 16、负载因子 0.75,扩容翻倍并按 hash 高低位拆分链表,链表长度到 8 且容量不小于 64 时树化、退到 6 时退化;1.8 的 hash 扰动只做一次高 16 位异或,插入改为尾插。ConcurrentHashMap 在 1.8 用 CAS + synchronized 锁单个桶头节点,取代了 1.7 的分段锁;size 用 baseCount + CounterCell 分散计数;扩容支持多线程协助迁移(ForwardingNode 标记)。它保证单次操作原子,但复合操作(先查后改)仍需外部加锁或 computeIfAbsent 这类原子方法。
带过期时间的 LRU:结构是哈希表 + 双向链表,哈希表存 key 到节点的映射,链表头部放最近使用、尾部放最久未使用,读写都先移到头部,插入超容量时删尾部。加过期时间有两种做法:一是每个节点存 expireAt,读取时惰性判断并删除;二是再加一个按过期时间排序的结构(最小堆或时间轮)做主动清理。伪代码要写清 get 的三个分支(不存在、已过期、命中并前移)、put 的更新与新增、以及容量满时淘汰。面试里说清「惰性删除 + 定期清理」的组合比只写 LRU 更完整。
秒杀系统设计的整体结构:分层削峰。前端做按钮防重、静态资源 CDN 化、活动开始前预约;网关层做限流(令牌桶)与黑名单;服务层做库存预热、Redis 原子扣减、用户维度频控;异步层用 MQ 削峰、消费者落库建单;数据库层用唯一索引与条件更新兜底,订单表按活动分表。配套要有:超卖与少卖的核对任务、未支付订单的超时关闭(延迟队列)、以及压测与降级预案(Redis 故障时是否直接拒绝而不是打到数据库)。
P99 激增的排查:先看影响面(哪些接口、哪些机器、哪个时间段),再看依赖(数据库慢查询、Redis 延迟、下游 RPC、MQ 堆积),再看自身(GC 日志与线程栈、连接池是否耗尽、线程池队列是否满、是否有大对象或锁竞争),最后看流量(是否有突增、是否有缓存击穿)。应急动作按「先止损再定位」:限流降级非核心接口、扩容、切流量、必要时回滚最近的发布。工具链是 APM 链路追踪定位慢在哪一段、arthas 看方法耗时、jstack 看线程阻塞、慢查询日志与 redis-cli --latency。回答时把「可能原因清单 + 每一步看什么指标」讲出来,比只说「查日志」有说服力。