面灵AI→

虾皮应用研发一面:HTTPS 证书链、MySQL 间隙锁与分表后的排序查询

轮次
一面
时间
2026-10
来源
牛客网

《面试题目》

  1. 项目相关的追问。
  2. HTTPS 的握手过程是怎样的?
  3. 证书如何检验?证书链知道吗?
  4. TCP 流量控制是怎么做的?
  5. TIME_WAIT 状态是客户端还是服务器?
  6. 用过消息队列中间件吗?
  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,怎么按 date 顺序查询返回记录?
  10. 快排讲一下。

《参考解析》

HTTPS 握手:先说清「换到了什么」,再说清「怎么信的」

握手的目标只有两个:协商出一套双方都支持的加密套件,然后安全地生成一个只有两端知道的对称密钥。TLS 1.2 是两次往返:客户端发 ClientHello(支持的套件、随机数、SNI、会话 ID),服务端回 ServerHello(选定的套件、随机数)+ Certificate + ServerKeyExchange + ServerHelloDone;客户端验完证书后用服务端公钥加密 pre-master 发过去,双方各自用两个随机数加 pre-master 推出会话密钥,再互发 ChangeCipherSpec 与 Finished 确认。TLS 1.3 把密钥交换并进 ClientHello 的 key_share,压到 1-RTT,并且只保留前向安全的密钥交换算法。面试官常追问「为什么不全用非对称」,答案是性能:非对称只用来换密钥和验身份,真正传数据用对称加密。

证书校验是一条链,不是一张纸

收到证书后要逐项验:有效期、域名是否匹配(看 SAN 而不是 CN)、用途扩展是否允许服务端认证、签名能否用签发者公钥验通,然后拿签发者证书继续往上验,直到内置信任库里的根 CA。这条叶子 → 中间 CA → 根 CA 的路径就是证书链。根证书预装在系统和浏览器里,中间证书必须由服务端在握手时一起下发——这是实际运维里最常见的坑:浏览器可能靠缓存或 AIA 扩展把缺的中间证书补上,所以「我这儿能开」,但 curl、Java 客户端、某些安卓机型直接握手失败。排查方式是 openssl s_client -showcerts -connect host:443 看服务端到底发了几张证书。

顺手把两个相关问题答掉:TCP 流量控制是接收方通过窗口字段(rwnd)告诉发送方「我还能收多少」,发到零窗口就进入零窗口探测,防止压垮接收端,这和拥塞控制(cwnd,看网络承载能力)是两套独立机制。TIME_WAIT 出现在主动关闭方,持续 2MSL,作用是保证最后那个 ACK 能重传到达、并让这条连接的旧报文在网络里消散。所以大量 TIME_WAIT 说明是服务器先关的连接,常见解法是改成长连接或连接池、让客户端先关、必要时开 SO_REUSEADDR,而不是简单调小超时时间。

间隙锁与临键锁:一定要给例子,别背定义

记录锁(Record Lock)锁的是索引上的一条记录本身;间隙锁(Gap Lock)锁的是两条索引记录之间的开区间,用来阻止别人往这个缝里插入;临键锁(Next-Key Lock)是两者的组合,锁住「记录 + 它前面的间隙」,左开右闭。InnoDB 在可重复读隔离级别下用临键锁解决当前读的幻读问题。

能讲出边界条件才算懂:唯一索引等值命中且记录存在时,临键锁会退化成记录锁(因为缝里不可能有第二条相同值);等值查询但记录不存在时,退化成间隙锁;非唯一索引或范围查询,就老老实实锁区间。举个具体例子:where id > 5 and id < 10 for update,在 RR 下锁住的是 (5,10) 这段间隙,此时插入 id=7 会被阻塞,更新 id=6 也会被阻塞,而插入 id=11 不受影响。反过来,如果 where 条件没走索引,InnoDB 只能扫全表加锁,效果接近锁住所有间隙,并发直接崩——这是线上最该避免的写法。另一个高频追问是 RC 级别下基本没有间隙锁(外键与唯一性检查除外),所以很多团队用 RC 换并发。

分表之后按非主键字段排序:考的是「你有没有意识到代价」

userid 做主键并按它哈希分表,意味着按 userid 查是单分片、精确命中;而按 date 排序取最新 N 条,date 上没有任何全局有序性。唯一正确的朴素做法是广播:向 32 个分片各发一条 order by date desc limit N,把 32 份结果在内存里归并取前 N。分片越多、翻页越深越糟——取第 100 页时每个分片都要先扫 100×N 条再丢掉。

所以这题真正想听的是优化方案,按代价从低到高排:如果查询本身带时间范围,就先做分片裁剪,只打可能命中的那几片;把 offset 翻页改成游标翻页(带上上一页最后一条的 date 与 userid 作为条件),避免深翻页;建一张按 date 组织的异构索引表(date, userid)或宽表,先查索引拿到主键再回表,代价是要保证双写一致;排序检索的需求直接外置到 ES,DB 只做真相源。最后一层是承认设计问题:如果「按时间排序」是主场景,那分片键本来就该按时间选,或者上带全局二级索引的分布式中间件。

答这题的结构建议是「先给朴素方案和它的代价 → 再给两三个优化 → 最后指出分片键与查询模式的匹配问题」,只答一句「每个分片查一遍再归并」会被追着问「32 个分片扛得住吗」。

Redis 与快排:两分钟能讲完的部分别丢分

Redis 常用结构按场景说:String 做计数与缓存、Hash 存对象字段、List 做简单队列、Set 做去重与交并、ZSet 做排行榜与延时队列。ZSet 底层是跳表加字典,跳表查询期望 O(log n),选它而不选红黑树的原因是范围查询天然有序、实现简单、并发与内存控制更灵活。快排讲清 partition 的过程(选 pivot、双指针交换、递归两侧),平均 O(n log n)、最坏 O(n²) 且退化场景是有序数组配固定 pivot,所以工程上要随机化 pivot 或三数取中、小数组切插入排序、递归深的用尾递归或显式栈。能顺口说出「快排不稳定、归并稳定、堆排原地」这组对比,通常就够这一问了。