面灵AI→

网易雷火 游戏服务端 一面:DDoS 防护、unlikely 与万人大范围伤害

轮次
一面
时间
2026-10
来源
牛客网

《面试题目》

实习与项目

  1. 深挖实习与项目(约 15 分钟,未记录具体题面)。

网络与安全

  1. 什么是 DDoS 攻击?
  2. DDoS 攻击的方式有哪几种?
  3. 如何预防 DDoS 攻击?
  4. 在游戏服务端中,如果某个恶意用户持续向服务器发送海量流量,该怎么避免服务端链路被占满?
  5. 如何保证游戏服务器不会被恶意流量拖垮?有哪些措施?

C++ 语言与并发

  1. 你了解什么是 unlikely 关键字吗?
  2. 追问:它能够实现布局优化的底层原理是什么?
  3. 什么是 lock_free 和 wait_free?它们的区别是什么?
  4. 你了解的 C++ 中都有哪些锁?它们的名称是什么?
  5. 你在实习过程中有没有遇到过死锁的问题,是怎么解决的?
  6. lock_guard 和 unique_lock 它们之间的区别是什么?分别有哪些应用场景?

业务实现

  1. 在游戏房间中,我想踢除某个用户,该怎么实现?
  2. 追问:怎么保证一定踢掉这个用户?如何优雅地实现?

内存与缓存

  1. 在 C++ 中,我想访问一个二维数组,按行遍历和按列遍历哪个速度更快?请说一下底层原理。
  2. 追问:如果按行遍历和按列遍历速率相同,你认为可能是什么原因导致的?
  3. 追问:假设采用的是 32 位系统,在二维数组中存储的全部是 int 类型的数据,要实现你说的这种情况,大概的数量级是多少?

场景题

  1. 当前有一万名玩家,每一个玩家释放技能,会对周围一米的所有敌人都扣一滴血。正常思路是对每个玩家遍历再查找作用域范围内的敌人,时间复杂度会到平方级。你有什么优化的方法吗?
  2. 追问:如果某些技能只持续一帧,而有些技能会持续十帧,这种情况该如何考虑?
  3. 追问:如果并不是每秒都要去统计玩家的技能释放情况,那你说的方案会有哪些问题?该怎么优化?

《参考解析》

DDoS 要按层讲,防护也要按层答。 攻击面分四层:网络层是流量洪泛(UDP flood、ICMP flood)和反射放大(伪造源 IP 打 DNS/NTP/memcached,几百字节请求换几万字节响应);传输层是 SYN flood(半连接队列占满)、ACK flood、连接耗尽;应用层是 CC 攻击(大量看似合法的请求打贵接口,比如登录、匹配、排行榜)和慢连接(slowloris);游戏还有独有的一类——协议层攻击,伪造的 UDP 包直接打房间服,或者复用合法协议的畸形包触发解析开销。防护的核心思路是「把过滤点放到越前面越好」:上游用 Anycast 加流量清洗做容量吸收,传输层开 SYN cookie、缩短半连接超时、按源 IP 做新建连接速率限制,应用层做鉴权前置(连接建立的第一件事是校验 token,未通过不分配任何游戏对象)、接口级限流与熔断、七层人机校验。要能说出一个反直觉的点:清洗设备只能挡量和特征,挡不住「像真人的慢速 CC」,那类只能靠业务侧的配额(单账号单 IP 的操作频率、并发连接数上限)和成本不对称设计(让攻击者每发一个包付出的计算比我们多)。

单个恶意用户打满链路,解法是把「每用户配额 + 状态前置 + 无状态校验」显式化——游戏服最怕的不是带宽被占满,而是「一个连接触发的服务端工作量」没有上限:比如一个客户端能每秒发 1000 个移动包,每个包都触发一次 AOI 计算和广播,服务端 CPU 直接被一个人吃掉。工程做法是把资源分配显式化:连接级令牌桶(按包类型分桶,移动包和技能包配额不同,超限直接丢弃而不是排队,排队会把延迟传染给正常玩家)、单 IP/单账号的连接数与会话数上限、协议层固定长度与字段范围校验(长度不合法立刻断开,不进入反序列化)、鉴权通过前不分配任何内存和实体、以及把重逻辑(伤害结算、掉落)挪到通过校验之后。兜底要提:把这类异常流量计数打点,超过阈值自动把该 IP 或账号切到「只读/隔离」状态,而不是等运维发现 CPU 打满。

unlikely 的本质是给编译器一个概率提示,让冷代码离开热路径。 展开是 __builtin_expect(expr, 0),C++20 起有标准写法 [[unlikely]]。它的作用有两层:一是静态分支预测提示,编译器据此决定分支的布局——把「大概率执行」的那条路径排成 fall-through(顺序执行、不跳转),把冷路径挪到函数尾部甚至单独的 .text.unlikely 段;二是代码局部性,热路径的指令被挤在连续的几段 cache line 里,i-cache 命中率更高、取指跳转更少,在长函数、错误处理代码很多的场景里收益明显(典型是解析器、协议处理、内核风格代码)。要讲的边界:它不是让分支变快,现代 CPU 的动态预测器在规律分支上比静态提示更准,所以收益主要体现在「冷热极度不均 + 热路径很长」的情况;用反了(把热路径标成 unlikely)会让布局变差,反而掉性能;而且不同编译器/优化等级下效果不一致,必须实测。

lock_free 和 wait_free 的区别在「保证的强度」,不是「有没有锁」。 lock-free 指系统整体总能推进:任意时刻至少有一个线程能在有限步内完成操作,其他线程可能一直重试(活锁/饥饿在理论上允许);wait-free 更强,要求每个线程都能在有限步内完成,与其它线程的快慢无关。所以 wait-free 是 lock-free 的子集,实现难度和代价都更高(通常要用原子读改写加协作式帮助机制,比如无锁队列里让慢线程帮快线程完成收尾)。基于 CAS 重试的队列是 lock-free 不是 wait-free——因为某个线程可能永远 CAS 失败。要顺带说清两个坑:ABA 问题(用带版本号的指针或 tagged pointer 解决)、内存序(relaxed 只保原子性,跨线程可见性要 acquire/release 或 seq_cst),以及回收难题(节点被摘除后不能立刻 delete,需要 hazard pointer、epoch 或引用计数)。

锁的选型同样要按「语义」而不是按名字列:互斥类:std::mutex(不可重入)、std::recursive_mutex(同线程可重入,一般说明设计有问题)、std::timed_mutex(带超时尝试)、std::shared_mutex(C++17,读写分离,读共享写独占);自旋类:std::atomic_flag 自制的自旋锁、平台提供的 pthread_spinlock,适合临界区极短且不希望睡眠的场景;条件变量 condition_variable 不是锁,是配合 mutex 做等待通知;RAII 包装有 lock_guard、unique_lock、scoped_lock(C++17 一次锁多个,内部用死锁避免算法)。lock_guard 与 unique_lock 的差别就是「够用」和「灵活」:前者构造即锁、析构即解,不能手动解锁、不能延迟加锁、不能移动;后者支持延迟加锁(defer_lock)、手动 lock/unlock、带超时的 try_lock_for、可移动到函数外,代价是多存一个「是否持有」的状态和少量开销。选型口径:作用域内一把锁用完就走的用 lock_guard;需要条件变量(必须传 unique_lock)、需要中途解锁、需要超时或转移所有权时才用 unique_lock。死锁那题按四条件讲,再给工程解法:固定加锁顺序、用 scoped_lock/std::lock 一次性拿多把、缩小临界区、给锁加超时并记录持锁栈(线上定位死锁靠 gdb 的 thread apply all bt 或 pstack 看谁在等谁)。

「保证一定踢掉」的答案是:服务端状态是唯一真相,断开连接只是副作用。 优雅的做法分四步:一,把踢人做成一个带版本的状态变更(房间成员表里把该 uid 标记为 kicked 并递增 epoch),这样即使客户端还在发包,服务端在处理任何请求前都能看到 epoch 不匹配而拒绝;二,主动关闭连接(先发一条踢出通知再 shutdown,让客户端能区分「被踢」和「网络断」),并从所有广播列表、AOI 视野、匹配队列里摘除;三,写一条带 TTL 的拒绝重连记录(按账号而不是连接,否则换条连接就回来了),重连鉴权时先查它;四,跨服/跨进程场景下,房间可能不在网关所在进程,得通过中心服或消息总线广播这个状态变更,并且要幂等(重复踢不报错)。「一定」这个词的边界要主动说:网络分区时服务端无法证明客户端已收到,能保证的是「服务端不再为该用户提供服务」,客户端的表现只能是最终一致。加分项:踢人操作用异步队列串行化,避免和正在结算的战斗逻辑抢锁。

二维数组的行列遍历,考的是 cache line 和预取。 C/C++ 是行主序,a[i][j] 的地址是 base + (i * cols + j) * sizeof(T),按行遍历时内存访问是连续的:一次读入 64 字节的 cache line 就顺带拿到了后面十几个元素,硬件预取器也能识别这种步长为 1 的模式提前拉数据;按列遍历的步长是 cols * 4 字节,每次访问都落到不同 cache line,几乎每次都是 miss,还要额外消耗 TLB(跨页)。所以行遍历通常快几倍到十几倍,矩阵越大差距越明显(超过 LLC 容量后就是纯内存带宽和延迟的差距)。「速率相同」的追问要答出至少三种可能:数据规模太小,整个数组能装进 L1(此时第二次访问就已经在缓存里,列遍历的 miss 只在第一遍发生,甚至被编译器向量化抹平);列数很少,一行不超过一个 cache line(64 字节 = 16 个 int),按列走两步还是同一行;编译器做了循环交换或分块(-O3 下的 interchange/blocking),或者用了 SIMD 把两种顺序都优化成连续访存;也可能是测量方法有问题(没关优化、没预热、计时粒度太粗、编译器把整个循环优化掉了)。32 位系统那一问要算:int 4 字节,一个 cache line 装 16 个,L1 通常 32KB,能装 8192 个 int,所以「整块能进 L1」对应的规模是 10^3~10^4 量级(比如 90×90 左右);另一个口径是「一行不超过 16 个元素」对应列数是 10^1 量级。答出数量级再加一句「具体取决于 cache 大小和行宽,要用 perf 的 cache-miss 计数验证」。

一万人的范围伤害,标准解法是空间划分 + 事件化。 朴素做法对每个玩家遍历所有人算距离,是 10^8 次距离计算,按每 tick 20Hz 算就是每秒 20 亿次,服务端扛不住。正确做法是把空间切成均匀网格(格子边长取技能半径,1 米),每帧把玩家按坐标放进格子(O(n)),一次范围技能只需枚举覆盖到的 3×3 或 5×5 个格子里的玩家(局部密度 k 通常是个位数),总代价从 O(n²) 降到 O(n·k)。选择均匀网格而不是四叉树/kd-tree 的理由要说清:玩家分布相对均匀、对象每帧都在动、重建树的开销比查询收益还大;网格的插入删除都是 O(1),缓存友好。进一步的优化:同一格子里多个技能命中同一批目标时合并结算(一次遍历算出总伤害),而不是每个技能各遍历一遍;伤害结算放到 tick 末统一应用,避免「边打边改血量」导致的顺序依赖;跨格边界的技能用「查询半径 + 格子边长」保证不漏(枚举范围向上取整)。

持续多帧的技能,关键是把「每帧查询」换成「激活区间」。 一帧的技能即时结算即可;持续十帧的技能如果每帧都重算范围,等于把一次查询放大十倍,而且玩家在移动时结果还会变。两种处理:一是「开始帧算一次影响集合,持续期内复用」,适合范围固定、判定不看位置的技能(比如以施法点为中心的AOE),代价是目标走出范围也不会掉——如果规则要求实时判定就不能用;二是「维护激活列表」,把正在生效的技能放进一个按剩余帧数排序的结构,每帧只处理还没结束的,进入/离开范围用格子做增量判断(只检查目标所在格是否在技能覆盖格集合里),这样每帧代价正比于「活跃技能数 × 局部目标数」而不是全部技能。还要处理叠加与去重:同一个技能对同一目标一帧只结算一次,用「技能实例 ID + 目标 ID」做去重键;结算顺序要稳定(按玩家 ID 排序),否则同帧互杀的结果不可复现。

再退一步,如果把判定从每帧降到每秒统计,就会立刻出现两个问题:一是漏判,持续一帧的技能如果恰好落在两次采样之间就完全不生效,表现为「技能放出去了没伤害」,而且这个 bug 是概率性的、极难复现;二是判定延迟,玩家看到特效和掉血之间差最多 1 秒,操作手感直接崩掉,PVP 里更是不可接受。优化的方向不是提高采样率(那就回到原点了),而是把「高频的判定」和「低频的统计」拆开:判定仍然按帧或按事件驱动(技能释放是个事件,不需要轮询),结算也走事件队列;只有统计类的工作(伤害报表、成就、排行榜、反作弊的聚合指标)才降频,并且用增量累计 + 定时落库,而不是每次重新扫全量。如果一定要做低频采样,就必须用「时间区间重叠」而不是「瞬时快照」:记录技能的起止帧,采样时判断区间是否与统计窗口相交,这样漏判只发生在窗口边界,可以用补帧修正;同时把采样周期和 tick 对齐(整数倍关系),避免抖动。

这一场的题面全是「是什么 → 底层原理 → 边界/数量级」的三段式,答的时候别停在第一段。 unlikely 要能说到 i-cache 和 fall-through,二维数组要能算出 cache line 装几个 int,lock_free 要能说到 CAS 重试和内存回收,锁的题要能说出选型口径而不只是名字。游戏服务端这一侧还有一个隐含考点:所有优化都要回答「在 20Hz tick、1 万在线、单帧预算 50ms」这种预算下是否成立,脱离预算讲方案会被追问到崩。