面灵AI→

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

  1. 优化前 QPS / RT 是多少?怎么量的?
  2. 瓶颈在哪?是数据库、缓存还是代码逻辑?
  3. 为什么选 Redis 而不是本地缓存?
  4. 如果让你重做,还有什么改进空间?

Java 基础

  1. == 和 equals 的区别?hashCode 为什么要一起重写?
  2. String、StringBuilder、StringBuffer 的区别和使用场景?
  3. 接口和抽象类怎么选?
  4. Java 8 以后你常用哪些新特性?
  5. 异常体系怎么设计比较合理?

集合

  1. ArrayList 和 LinkedList 的底层与适用场景?
  2. HashMap 1.7 和 1.8 有什么区别?为什么链表要转红黑树?
  3. ConcurrentHashMap 如何保证线程安全?
  4. HashSet 底层实现原理?
  5. fail-fast 和 fail-safe 的区别?

并发

  1. synchronized 和 ReentrantLock 的区别?
  2. volatile 能保证原子性吗?底层语义是什么?
  3. 线程池核心参数怎么配?拒绝策略怎么选?
  4. ThreadLocal 的原理和内存泄漏问题?
  5. 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?
  6. AQS 是什么?CountDownLatch 和 CyclicBarrier 的区别?

JVM

  1. JVM 内存结构?哪些区域会 OOM?
  2. 常见 GC 收集器的特点和选型?
  3. 类加载过程和双亲委派?如何打破?
  4. 线上 Full GC 频繁怎么排查?
  5. 内存泄漏与内存溢出的区别?怎么定位?

Spring

  1. Spring IOC 和 AOP 的原理?
  2. Bean 生命周期和循环依赖怎么解决?
  3. Spring Boot 自动配置原理?
  4. @Transactional 失效场景有哪些?
  5. Spring MVC 一次请求的完整流程?

数据库

  1. MySQL 索引为什么用 B+ 树?
  2. 事务隔离级别和幻读问题?
  3. 慢 SQL 怎么排查和优化?
  4. 分库分表后 ID 怎么生成?
  5. 乐观锁和悲观锁在业务里怎么用?

Redis

  1. Redis 为什么快?
  2. 缓存穿透、击穿、雪崩分别怎么解决?
  3. Redis 持久化 RDB 和 AOF 怎么选?
  4. 分布式锁用 Redis 怎么实现?有什么问题?
  5. 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

  1. 消息重复消费怎么处理?
  2. 消息顺序性怎么保证?
  3. 分布式事务有哪些方案?你们怎么选?
  4. 限流、熔断、降级分别解决什么问题?
  5. 接口幂等性怎么设计?

场景题

  1. 设计一个秒杀系统,你会怎么架构?
  2. 接口 RT 突然从 50ms 涨到 2s,排查思路?
  3. 线上 CPU 100% 怎么定位?
  4. 百万数据导出怎么避免 OOM?
  5. 短链服务怎么做高可用?
  6. 订单超时未支付怎么自动关闭?
  7. 登录态在分布式系统怎么管理?
  8. 热点 key 问题怎么处理?
  9. 服务发布怎么做无损上线?
  10. 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」。