网易雷火大数据三面面经:技术点与项目追问整理
- 轮次
- 三面
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
项目深挖
- 优化前 QPS / RT 是多少?怎么量的?
- 瓶颈在哪?是数据库、缓存还是代码逻辑?
- 为什么选 Redis 而不是本地缓存?
- 如果让你重做,还有什么改进空间?
Java 基础
==和equals的区别?hashCode为什么要一起重写?- String、StringBuilder、StringBuffer 的区别和使用场景?
- 接口和抽象类怎么选?
- Java 8 以后你常用哪些新特性?
- 异常体系怎么设计比较合理?
集合
- ArrayList 和 LinkedList 的底层与适用场景?
- HashMap 1.7 和 1.8 有什么区别?为什么链表要转红黑树?
- ConcurrentHashMap 如何保证线程安全?
- HashSet 底层实现原理?
- fail-fast 和 fail-safe 的区别?
并发
- synchronized 和 ReentrantLock 的区别?
- volatile 能保证原子性吗?底层语义是什么?
- 线程池核心参数怎么配?拒绝策略怎么选?
- ThreadLocal 的原理和内存泄漏问题?
- 你们项目里哪里用了 ThreadLocal?为什么不用参数传递?线上有没有因为它出过问题?线程池场景下为什么危险?
- AQS 是什么?CountDownLatch 和 CyclicBarrier 的区别?
JVM
- JVM 内存结构?哪些区域会 OOM?
- 常见 GC 收集器的特点和选型?
- 类加载过程和双亲委派?如何打破?
- 线上 Full GC 频繁怎么排查?
- 内存泄漏与内存溢出的区别?怎么定位?
Spring
- Spring IOC 和 AOP 的原理?
- Bean 生命周期和循环依赖怎么解决?
- Spring Boot 自动配置原理?
@Transactional失效场景有哪些?- Spring MVC 一次请求的完整流程?
数据库
- MySQL 索引为什么用 B+ 树?
- 事务隔离级别和幻读问题?
- 慢 SQL 怎么排查和优化?
- 分库分表后 ID 怎么生成?
- 乐观锁和悲观锁在业务里怎么用?
Redis
- Redis 为什么快?
- 缓存穿透、击穿、雪崩分别怎么解决?
- Redis 持久化 RDB 和 AOF 怎么选?
- 分布式锁用 Redis 怎么实现?有什么问题?
- Redis 集群模式下缓存和数据库的一致性怎么做?
消息队列与分布式
- 消息重复消费怎么处理?
- 消息顺序性怎么保证?
- 分布式事务有哪些方案?你们怎么选?
- 限流、熔断、降级分别解决什么问题?
- 接口幂等性怎么设计?
场景题
- 设计一个秒杀系统,你会怎么架构?
- 接口 RT 突然从 50ms 涨到 2s,排查思路?
- 线上 CPU 100% 怎么定位?
- 百万数据导出怎么避免 OOM?
- 短链服务怎么做高可用?
- 订单超时未支付怎么自动关闭?
- 登录态在分布式系统怎么管理?
- 热点 key 问题怎么处理?
- 服务发布怎么做无损上线?
- 如果让你从 0 设计一个支付回调系统,核心模块有哪些?
《参考解析》
Redis 为什么快:纯内存操作,省掉磁盘 IO;单线程处理命令,避免了锁竞争与上下文切换(6.0 起网络 IO 多线程,命令执行仍是单线程);IO 多路复用(epoll)支撑高并发连接;数据结构针对场景优化——SDS 带长度信息、跳表做有序集合、listpack 压缩小对象、渐进式 rehash 避免长停顿。答题时要补一句「单线程的代价」:一个慢命令(KEYS *、大 key 的 HGETALL、复杂度高的 ZRANGE)会阻塞所有请求,所以线上禁用 KEYS,用 SCAN 分批,并且要监控大 key 与热 key。
穿透、击穿、雪崩:穿透是查不存在的数据,请求绕过缓存直打数据库——缓存空值并设较短过期、布隆过滤器前置拦截、参数校验;击穿是热点 key 过期瞬间大量并发穿透——互斥锁重建(只放一个线程回源)、逻辑过期 + 异步刷新、热点 key 永不过期;雪崩是大量 key 同时过期或缓存整体不可用——过期时间加随机抖动、多级缓存、缓存集群高可用、限流降级兜底。三者要分清触发条件,很多候选人把击穿和雪崩混着答。
RDB 与 AOF:RDB 是某一时刻的全量快照,文件紧凑、恢复快、对主进程影响可通过 fork + COW 控制,但会丢最后一次快照之后的数据;AOF 追加写命令,appendfsync 有 always / everysec / no 三档,everysec 最多丢 1 秒,文件更大、恢复更慢,需要周期性重写压缩。生产常用混合持久化(AOF 里前半段是 RDB 格式、后半段是增量命令),兼顾恢复速度与数据安全。要能说出 fork 的阻塞与 COW 在大内存实例上的拷贝开销。
Redis 分布式锁:SET key value NX PX ttl 一条命令完成加锁与过期,value 存唯一标识(UUID + 线程 id),解锁用 Lua 脚本先比对 value 再删,避免误删别人的锁;业务可能超时则要靠看门狗续期。已知局限:主从异步复制下主节点宕机可能丢锁(需要 RedLock 或改用带 fencing token 的方案);锁过期而业务未完成时仍会并发进入,所以关键资源最好再加一层数据库层的乐观锁或唯一约束兜底。
集群下的缓存一致性:常用 Cache Aside——读先查缓存,未命中查库回填;写先更新数据库再删缓存,删失败进重试队列或靠 binlog 订阅补偿。延迟双删用于缓解「删缓存后、主从同步完成前」被旧值回填的窗口。强一致要求高时要么加分布式锁串行化读写,要么直接读主库;跨集群(多活)时通常只能做到最终一致,要明确业务能容忍的陈旧时间。回答时讲清「为什么是删而不是更新缓存」(并发写导致旧值覆盖新值)与「先删缓存为什么不行」(并发读会回填旧值)。
重复消费:MQ 的语义通常是 at-least-once,重复不可避免,所以消费端必须幂等。手段:业务唯一键 + 数据库唯一索引(最可靠)、Redis SETNX 记录已处理的 messageId(要设过期并注意与业务的原子性)、状态机校验(只允许从待支付流转到已支付)、版本号或乐观锁。要说明「幂等不是去重」:去重表只能挡住完全相同的消息,真正的幂等是让同一操作执行多次结果一致。
顺序性:全局顺序只能单分区单消费者,代价是吞吐;业务上更常见的是分区内有序——按业务主键(订单号)哈希到同一分区,消费端单线程处理该分区,或用内存队列按 key 分发到固定线程。要处理重试导致的乱序:失败消息不能直接丢回队尾重投,应进重试队列或阻塞该分区。跨分区乱序(如同一订单的支付回调与状态变更分别落在不同分区)必须在消费端按业务规则排序或丢弃过期状态,这一点常被追问。
分布式事务:2PC/XA 强一致但性能差、协调者单点;TCC 需要业务实现 Try/Confirm/Cancel 三个接口,侵入大但可控;可靠消息最终一致(本地消息表 + 定时投递 + 消费幂等)最常用;Saga 适合长流程、每步有补偿;最大努力通知适合对账类场景。选型看一致性要求与业务复杂度:资金类倾向 TCC 或强一致方案,订单与库存这类可用可靠消息 + 对账兜底。答题时讲清自己项目里选了哪种、为什么、怎么处理中间态。
限流、熔断、降级:限流控制入口速率(令牌桶、漏桶、滑动窗口),保护自身不被压垮;熔断是针对下游依赖的失败率阈值,打开后快速失败、定期半开放量探测,避免雪崩式等待;降级是在资源不足时关闭非核心功能、返回兜底数据。三者常配合使用:先限流挡住超额流量,下游异常时熔断,整体过载时降级非核心链路。
幂等设计:唯一键(业务单号 + 唯一索引)、token 机制(提交前取 token、提交时消费)、状态机(只允许合法流转)、乐观锁版本号、分布式锁(短时间窗口内串行)。要区分「接口幂等」与「业务幂等」:接口层挡重复请求,业务层还要保证同一语义的操作重复执行不出错。
秒杀系统:分层削流——前端限购与按钮防抖、网关限流、库存预热到 Redis、Lua 脚本原子扣减、扣减成功才发 MQ 异步下单、数据库最终落库并用唯一索引防超卖。要点是「库存判断与扣减必须在同一次原子操作里」,以及失败补偿与对账;热点商品可做库存分桶(把一份库存拆成多份分散到多个 key)提升并发。答题时按「流量入口 → 缓存层 → 异步层 → 存储层 → 兜底」讲,比堆名词清楚。
接口 RT 从 50ms 涨到 2s:先看是全线还是个别接口,再按依赖分段——应用自身(GC、线程池满、连接池耗尽、锁竞争)、下游(数据库慢查询、缓存命中率下降、第三方超时)、流量(突增、热点数据)、发布(配置或版本变更)。工具链是监控与链路追踪定位到那段耗时,再 jstack、jstat、慢查询日志、连接池指标逐层看。要给出「先止血后定位」的顺序:限流、回滚、扩容可以立刻做,根因分析随后。
CPU 100%:top -Hp 找线程,线程 id 转十六进制后在 jstack 里定位栈,区分是业务热点循环、GC 线程(说明内存问题)、还是正则回溯 / 序列化这类隐藏开销。若是 GC 导致,转去看 GC 日志与堆;若是业务代码,看是否有死循环、频繁创建对象、锁自旋。
百万数据导出:不要一次性 SELECT * 到内存。流式查询(JDBC 游标 / MyBatis ResultHandler)、按主键分页或分片并行、边查边写(SXSSF 这类流式 Excel 写、CSV 流式输出)、限制单次导出量并走异步任务 + 下载链接。要提防「分页越翻越慢」(LIMIT offset 深分页),改用游标式 WHERE id > ?。
短链与高可用:发号(自增、号段、雪花)后做 62 进制转换,或用哈希 + 冲突重试;存储用 KV,读多写少可以加多级缓存;跳转用 302 便于统计,301 减少服务端压力;高可用靠多副本、缓存兜底与限流;防滥用要有域名黑名单与频控。扩展问题通常落在「同一个长链要不要复用同一个短码」与「统计怎么做」。
订单超时关闭:定时扫表最简单但有延迟与压力;延时消息(RocketMQ 延时级别、RabbitMQ 死信队列)精度较好;Redis 过期监听不可靠(过期事件不保证及时);时间轮适合海量短延时任务。无论哪种,关闭前必须再校验订单状态,避免与支付回调竞争——用状态机 + 乐观锁保证只有一方成功。
登录态管理:Session 集中存储(Redis)或 JWT 无状态令牌;JWT 的注销与续期需要额外机制(黑名单、短过期 + refresh token);多端登录要设计互斥或并存策略;网关统一校验,业务服务只信任网关注入的身份。要讲清「无状态换来的代价是不能主动失效」。
热点 key:先发现(代理层或客户端统计、Redis MONITOR 采样、hotkeys 命令),再分散——本地缓存挡一层、key 加随机后缀拆成多个副本、读写分离到多个从节点、必要时把热点数据下沉到业务侧做聚合。要注意「加后缀」只对读有效,写场景会造成一致性复杂度。
无损发布:注册中心先摘流再停进程、优雅停机(处理完在途请求、关闭线程池)、就绪探针与存活探针分离、连接池与长连接要主动排空、数据库变更用兼容式双写或扩展字段。灰度与快速回滚是配套手段,发布窗口避开业务高峰。
支付回调系统的核心模块:接入层(验签、幂等、限流)、订单状态机(合法流转与并发控制)、回调处理(异步化、失败重试与退避、死信)、对账(与渠道账单定时比对、差错处理)、通知下游(可靠消息 + 幂等)、可观测(成功率、延迟、差错告警)。要强调「回调不可信」:可能重复、乱序、延迟甚至丢失,所以既要幂等,也要有主动查单兜底。
场景题的答题结构:结论先行(我会先限流、异步削峰、Redis 预扣库存),再讲原理与替代方案,然后落到细节(key 设计、过期策略、失败补偿),最后主动说风险(超卖、热点 key、Redis 宕机)。没有唯一标准答案,面试官看的是「有没有结构、有没有边界意识、能不能落到工程细节」。