面灵AI→

腾讯音乐后台开发一面:接雨水、流水表分库分表与 Redis 集群

轮次
一面
时间
2026-10
来源
牛客网

《面试题目》

算法

  1. 手撕:字符串相乘(LeetCode 43)。
  2. 换题后手撕:接雨水(LeetCode 42)。

场景设计

  1. 设计一张拥有海量数据的流水表,如何做分库分表?

八股·操作系统

  1. 线程、进程和协程的区别是什么?
  2. 协程具体是怎么用的?为什么有了进程和线程还要用协程?
  3. 僵尸进程和孤儿进程分别是什么?
  4. 虚拟内存和物理内存分别是什么?

八股·Redis

  1. Redis 的常见集群架构有哪些?
  2. Redis 分片集群中的数据是如何存储和读取的?
  3. Redis 集群是否可能出现数据丢失?丢失后如何处理?
  4. Redis 的持久化机制有哪些?
  5. Redis 的常用命令有哪些?
  6. 分别说明缓存穿透、缓存击穿、缓存雪崩及其解决方案。

八股·MySQL

  1. MySQL 中的 redo log、undo log、binlog 分别是什么?各有什么作用?

实习与 AI 工程

  1. 从拿到 PRD 到最终交付上线,你如何借助 AI 完成开发?
  2. 如何保证 AI 编码的质量?
  3. 如果 PRD 中产品需求说明不清晰,如何解决?
  4. 如果想实现图片、视频这种多模态的 RAG,应该如何实现?

《参考解析》

算法两题:换题是在给你第二次机会

字符串相乘考的是竖式乘法的工程化实现:结果数组开到 m+n 长度,逐位相乘后统一处理进位,注意前导零和「任何数乘 0 返回 0」;难的不是算法,是下标不越界、进位不丢。接雨水是双指针或单调栈的经典题:双指针维护左右最大高度、每次移动较矮的一侧,O(n) 时间 O(1) 空间;单调栈按「行」算积水,好解释但容易写错下标。第一题卡住时,把思路口述出来再承认卡点,比沉默硬写划算——面试官换一道同档题,本质是想看思维过程,不是在记录你答不出。

海量流水表分库分表:先定分片键,再谈扩容

流水表的特点是只追加、按时间查、量大且冷热分明。分片键常取「用户 ID + 时间」的组合:按用户哈希分片保证同一用户的流水落在同一库,按时间分区或按月分表负责冷热分离。要交代四件事:全局唯一 ID(雪花或号段,别用数据库自增);跨分片查询(运营报表走离线数仓或 ES,不在线上做全分片扫描);扩容(双倍扩容或一致性哈希,先双写再迁移,避免停服);分布式事务(同库本地事务,跨库最终一致加对账)。分库分表不是目的,先问清数据量和查询模式——几千万行加对索引就能撑住的表不该上分片。

Redis 集群与丢数据:异步复制是根因

常见架构有三种:主从解决读扩展与备份,哨兵解决故障自动切换,Cluster 用 16384 个槽做分片,客户端按 key 的 CRC16 取模路由,跨槽的多 key 操作要用 hash tag 绑到同一个槽。丢数据主要来自异步复制——主节点写完就回客户端,尚未同步给从节点时宕机,这部分就没了;哨兵切换时旧主恢复后重新接入,还可能覆盖新主的数据。缓解靠 WAIT 命令或 min-replicas-to-write 限制「至少 N 个副本确认才算写成功」,代价是延迟上升。持久化上 RDB 是快照、恢复快但会丢最后一次快照之后的写;AOF 记命令,everysec 最多丢一秒,always 最安全但吞吐差,生产多用混合持久化。这两问其实是一问:先问会不会丢,再问丢了怎么办,答案都指向持久化、副本确认与业务侧幂等重放。

穿透、击穿、雪崩:三个问题三种解法

穿透是查一个不存在的 key,请求绕过缓存直达数据库——用布隆过滤器挡,或把空结果短暂缓存;击穿是某个热点 key 恰好过期,瞬间大量请求同时回源重建——用互斥锁只放一个请求进去(注意锁超时与双重检查),或逻辑过期加异步刷新,让读请求先拿旧值;雪崩是大量 key 同时失效或缓存整体不可用——过期时间加随机抖动、多级缓存、集群高可用,再加限流降级兜底。三者容易混,答题时先给一句判据再展开,比三条并列背方案更容易讲清。

三种日志:层级不同,职责不同

redo log 是 InnoDB 的物理日志,记「某页被改成了什么」,配合 WAL 让事务提交时只写日志不刷脏页,崩溃后用它前滚;undo log 是逻辑日志,记反向操作,支撑回滚与 MVCC 快照读;binlog 是 Server 层的逻辑日志,记语句或行变更,用于主从复制和按时间点恢复。最容易考的是两阶段提交:redo 写完置 prepare,binlog 落盘成功才把 redo 置 commit,崩溃恢复时两份日志才对得上,主从也不会出现主库有、从库没有的差异。追问常落在「binlog 为什么替代不了 redo」——一个是逻辑记录、随机写,一个是页级物理记录、顺序写,恢复速度与语义都不同。

AI 辅助开发与多模态 RAG:考的是边界感

从 PRD 到上线借 AI,要拆成阶段讲:需求澄清时让模型列歧义清单和验收标准草案;设计时让它出接口与表结构的候选方案,由人拍板;编码时生成样板代码和单测;联调时用它读日志、比对差异。质量保证不能只说「我会 review」,要给机制:小步提交、每个 PR 带测试、CI 卡 lint 与覆盖率、对生成代码做依赖与安全检查、关键路径人工复核。PRD 不清晰时,先列出必须由产品确认的问题清单,附上自己的默认假设和影响面,把选择题抛回去而不是猜着做。多模态 RAG 的思路是先对齐再检索:图片和视频抽帧后用 CLIP 一类模型编码到与文本同一向量空间,或为每段素材生成文字描述再走文本检索;召回时做文本与图像混合,再用多模态模型重排和生成;工程上还要定切片粒度(单帧没意义,按镜头或段落切)、存储方案与延迟预算。