面灵AI→

虾皮应用研发一面:HTTPS 握手、间隙锁与主键分表后的排序查询

轮次
一面
时间
2026-10
来源
牛客网

《面试题目》

  1. 项目相关:讲一下你做的项目。
  2. HTTPS 的握手过程是怎样的?
  3. 证书如何校验?证书链知道吗?
  4. TCP 流量控制是怎么做的?
  5. TIME_WAIT 状态出现在客户端还是服务器?
  6. 用过哪些消息队列中间件?
  7. Redis 用过哪些数据结构?跳表的查询时间复杂度是多少?
  8. MySQL 有哪些锁?记录锁、间隙锁、临键锁的区别是什么?
  9. userid 为主键并分表,按 date 顺序查询返回记录,怎么做?
  10. 快排。

《参考解析》

HTTPS 握手:TLS 1.2 是四次交互——ClientHello(支持的套件、随机数、SNI),ServerHello(选定套件、随机数、证书链),客户端验证证书并生成预主密钥用服务器公钥加密发过去,双方用三个随机数导出会话密钥,之后 ChangeCipherSpec + Finished 互相确认。TLS 1.3 压到一次往返(1-RTT,会话恢复可 0-RTT),并把密钥交换改成 ECDHE(前向安全)。要能说清两件事:为什么用非对称加密交换对称密钥(非对称太慢,只用来解决密钥分发),以及为什么需要随机数(防重放)。

证书校验与证书链:客户端用内置的根 CA 公钥验证服务器证书上的签名,看签发者是否可信;服务器证书一般不是根 CA 直接签的,中间是「根证书 → 中间 CA → 服务器证书」的链,逐级验证签名直到根。除了签名,还要校验有效期、域名(SAN)、用途(KU/EKU)、是否被吊销(CRL/OCSP),以及链上每一级的签名算法是否可接受。

TCP 流量控制:靠滑动窗口。接收方在 ACK 里带 rwnd(接收窗口),告诉发送方自己还能收多少,发送方据此限制未确认数据量,避免把接收方缓冲区打爆。窗口为 0 时发送方启动持续计时器,定期发窗口探测,防止窗口更新包丢失导致双方死等。区别于拥塞控制:流量控制是端到端的接收能力约束,拥塞控制是对网络容量的探测。

TIME_WAIT:主动关闭连接的一方进入 TIME_WAIT,等 2MSL。所以客户端先关就是客户端 TIME_WAIT,服务端先关就是服务端——大量 TIME_WAIT 堆在服务端通常说明是服务端主动关闭(或短连接 + 服务端超时关闭)。它的作用是保证最后一个 ACK 能重传(否则对方重发的 FIN 会收到 RST),以及让旧连接的迷路报文在网络中消散,不会污染使用相同四元组的新连接。

Redis 数据结构与跳表:string、list、hash、set、zset,加上 bitmap、HyperLogLog、GEO、Stream。zset 的底层是跳表 + 字典:字典给「按成员查分数」O(1),跳表给「按分数范围查」O(log n)。跳表用多级索引把链表查询从 O(n) 降到期望 O(log n),实现比平衡树简单、范围查询天然有序,代价是空间换时间(平均每元素约 1.33 个指针)。

MySQL 三种锁:都在 InnoDB 的行锁范畴,且锁的是索引。记录锁(Record Lock)锁住某一条索引记录;间隙锁(Gap Lock)锁住两条记录之间的开区间,作用是阻止其他事务在间隙里插入,从而在 RR 隔离级别下防幻读;临键锁(Next-Key Lock)是「记录锁 + 前面的间隙」,锁住左开右闭区间,是 RR 下的默认加锁单位。要点:查询走唯一索引且精确命中时会退化为记录锁;没走索引的更新会锁全表(所有间隙都锁);间隙锁只在 RR 及以上存在,RC 下没有。

分表后按时间排序查:这是本场最实际的一题。核心矛盾是「按 userid 分片,但查询按 date 排序」。可行方案按代价排序:一,如果查询总是带 userId,就在分片内查再排序,天然没问题;二,如果查询不带 userId(全局按时间取最新 N 条),分表上做不到高效,应该另建一个按时间维度组织的索引表或宽表(比如 user_latest 按日期分区,写入时同步),也就是「读模型按查询维度冗余一份」;三,用搜索引擎(ES)同步一份按时间排序的文档,查询走 ES;四,各分片各取 Top-N 再归并(只在 N 小、分片数少时可行,且要有覆盖索引避免回表)。要主动指出「分表键与排序键不一致」是这类问题的根因——设计分片键时就要把主要查询模式列出来,必要时做异构索引,而不是事后在分片间做归并。

快排:分治,选基准把数组分成「小于」和「大于」两段,递归。平均 O(n log n),最坏 O(n²)(已排序数组 + 取首元素做基准),空间 O(log n) 递归栈。工程优化:三数取中或随机选基准避免最坏、小区间(小于十几)改用插入排序、三路划分处理大量重复元素、尾递归优化减少栈深度。要能当场写出并说清 partition 的边界条件(while (i < j) 里先动 j 还是先动 i 决定基准落点)。稳定性上快排不稳定,需要稳定就用归并。