快手 AI 应用开发二面:线程池、Redis 与 Agent 长任务排查
- 轮次
- 二面
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
- 自我介绍,三分钟以内
- 挑一个你最熟的项目,讲清楚为什么要做
- 这个功能的难点在哪?
- 你个人写的是哪部分,多少行?
- 上线之后 QPS 多少,P99 多少?
- 出过什么故障,怎么恢复的?
- 线程池的核心参数怎么配?别从业务讲,从技术讲。
- 核心线程数和最大线程数你按什么定?
- 队列用哪种?为什么不用无界队列?
- 什么情况下会 OOM?怎么提前发现?
- 拒绝策略你选哪个?为什么?
- 为什么不直接用 Executors 那几个工厂方法?
- 线程池里的异常去哪了?submit 和 execute 有什么区别?
- 讲一下 Java 的内存模型
- volatile 能保证原子性吗?
- Redis 的过期删除策略有哪些?为什么不全用惰性删除?
- 缓存和数据库一致性,你先更新谁?
- 缓存击穿、穿透、雪崩分别怎么防?
- 分布式锁用 Redis 怎么实现?会有什么问题?
- 消息队列重复消费怎么处理?
- 顺序消息怎么保证?
- Agent 的长任务跑了 15 分钟,平时 5 分钟,你怎么查?
- 工具调用超时,重试几次合适?重试要不要换工具?
- 多轮对话上下文怎么存,存 Redis 还是存库?
- 上下文压缩你是在压缩什么?丢了什么?
- 如果模型输出格式坏了,你怎么兜?
- 反问
- 手撕:实现一个带退避和幂等的重试器
《参考解析》
线程池定参要报数。 调模型是 IO 密集,核心线程按「QPS × 平均耗时」估并发:200 QPS、平均 300ms,理论并发 60,核心给 64,最大 128 留突发余量,队列有界给 200;再高就该限流,堆线程只会让 P99 更差。队列必须有界——LinkedBlockingQueue 默认容量是 Integer.MAX_VALUE,任务只进不出,堆涨到 Full GC 也救不回来,表现是接口越来越慢然后整体雪崩。监控盯活跃线程数、队列长度、拒绝次数;拒绝策略选 AbortPolicy,DiscardPolicy 静默丢弃等于瞒报。Executors 的工厂方法别用:newFixedThreadPool 队列无界,newCachedThreadPool 最大线程数是 Integer.MAX_VALUE。
异常与 JMM。 execute 的异常进 UncaughtExceptionHandler;submit 把它封进 Future,不调 get() 就永远发现不了,这是任务静默失败的经典来源。JMM 的抓手是 happens-before 规则;volatile 只保证可见性和禁止重排,不保证原子性——i++ 是读改写三步,多线程照样丢更新。
Redis 与消息队列。 过期删除是惰性加定期的组合:惰性省 CPU 但冷 key 占内存,定期每秒采样、过期比例超 25% 就继续扫,只答一种就是背的。缓存一致性走 Cache Aside:先更新库再删缓存,反过来的顺序在并发下会留旧值,删失败用延迟双删或订阅 binlog 兜底。击穿靠互斥重建,穿透靠布隆过滤器,雪崩靠过期时间打散加熔断。分布式锁用 SET NX PX,值放唯一 id,释放用 Lua 比对再删。重复消费靠唯一键去重;顺序消息要求同一 key 进同一分区、消费端按 key 固定线程,失败停住这个分区。
Agent 长任务变慢。 拆成推理、工具调用、编排三段打 trace:涨在推理看上下文是否变长;涨在工具查下游 RT;涨在编排看循环有没有收敛。工具超时先判能否安全重试——查询可退避重试,提交类属于结果未知,必须先查实际状态;参数错误与无权限重试不会成功。
手撕重试器。 先查 done 集合挡住已成功的重复,再进重试循环:
for (int i = 0; i < 4; i++) {
try { return task.call(); }
catch (RetryableException e) {
long sleep = 100L * (1L << i) + ThreadLocalRandom.current().nextLong(100);
try { Thread.sleep(sleep); }
catch (InterruptedException ie) { Thread.currentThread().interrupt(); return fallback; }
} catch (Exception e) { return fallback; }
}
return fallback;
抖动不能省,否则上千个请求会在同一毫秒一起重试,把刚恢复的下游再打挂;InterruptedException 必须恢复中断位再退出;内存里的 done 挡不住并发两次进来,多实例部署等于没有,得挪到 Redis。fallback 也失败就往上抛,让上层决定降级还是排队。