传音控股一面:Saga 与 TCC、Go 的 GMP 与混合写屏障、分布式锁续期怎么收尾
- 轮次
- 一面
- 时间
- 2026-10
- 来源
- 牛客网
《面试题目》
- 自我介绍。
- 介绍一个简历中技术难度最高的项目,最难解决的问题是什么?
- Saga 和 TCC 分别适合什么场景?两者有什么区别?
- 多个请求并发申请有限资源时,如何避免资源超卖?
- 简历中的论文和专利主要研究什么?
- 介绍一下 Go 的 GMP 调度模型,G、M、P 分别是什么?
- 并发标记期间修改对象引用,为什么可能导致对象被错误回收?
- Go 的混合写屏障是如何保证并发标记正确性的?
sync.Pool的使用场景和底层结构是什么?- TCC 常见的空回滚、悬挂和幂等问题分别是什么?应该如何解决?
- 如何设计接口幂等?如果下游没有提供幂等键,调用方应该怎样处理?
- 常见的分布式唯一 ID 生成方案有哪些?数据库号段模式和雪花算法各有什么特点?
- 什么是布隆过滤器?
- 如果用 Go 和 Redis 实现分布式锁,需要考虑哪些问题?
- 如果业务任务已经退出,但续期协程还在运行,应该如何避免锁被永久续期?
- 平时是否参与开源项目?
- 介绍一次具体的开源贡献:需求背景、实现过程和最终效果分别是什么?
《参考解析》
Saga 与 TCC 的分界在「有没有中间态」和「补偿的语义强度」。 TCC 是 Try-Confirm-Cancel:Try 阶段就要预留资源(冻结库存、预扣额度),Confirm 才是真正的提交,Cancel 释放预留。它的强项是资源在 Try 阶段就被锁住,不会出现「扣了款但没货」,适合资金、库存这类必须一致的场景;代价是每个参与方都要改造成三个接口,且要处理空回滚、悬挂、幂等三个经典问题。Saga 是一串本地事务 + 反向补偿:每一步直接提交,失败时按逆序调用补偿接口。它不需要预留资源、改造成本低,适合长流程、跨系统、能接受最终一致且补偿语义天然成立的场景(下单→扣券→发通知);缺点是中间态对外可见,且补偿不一定可逆(短信已经发了就撤不回),所以必须给每个正向操作配一个语义正确的补偿动作。一句话对比:TCC 靠「预留」避免中间态,Saga 靠「补偿」消化中间态。
防超卖的本质是把「检查 + 扣减」合并成一次原子操作。 数据库层面用 UPDATE stock SET count = count - 1 WHERE id = ? AND count >= 1,判断行数是否为 0;Redis 层面用 Lua 脚本把「读库存、判断、扣减」包成一次原子执行,或直接用 DECR 后判断返回值是否小于 0(小于 0 再补回)。分布式场景还要加一层「预扣 + 异步落库」,让 DB 只做最终一致的对账。要主动说出两个坑:一是「先查再改」在并发下必然超卖,二是热点 key 用 Redis 扣减会有单分片瓶颈,需要把库存拆成多个子桶(分桶扣减)再汇总。
GMP 与写屏障要能连起来讲。 G 是 goroutine(用户态协程,含栈与状态),M 是 OS 线程(真正执行代码的实体),P 是处理器上下文(持有本地 runq、mcache、以及执行 G 所需的资源),数量由 GOMAXPROCS 决定。调度的核心是「M 必须绑定 P 才能跑 G」,本地队列空了会去全局队列或其他 P 偷(work stealing),遇到阻塞系统调用时 M 与 P 解绑,P 交给其他 M 继续跑,这样阻塞不会浪费并行度。并发标记期间,GC 已经扫过的对象如果被程序改成「只被白色对象引用」,而标记阶段不再重扫,这个白色对象就会被误回收——所以需要写屏障。Go 早期用插入写屏障(新指向的对象标灰),但栈上不开屏障、需要 STW 重扫栈;后来改成混合写屏障(Dijkstra 插入 + Yuasa 删除的组合):被覆盖的旧指针标灰、新写入的指针也标灰,且栈上的对象在标记开始时一律视为黑色不再重扫,从而把 STW 压到只在开始和结束的两个极短停顿。答这题时能说出「为什么栈不需要重扫」是明显的加分点。
TCC 的三个坑各有对应解法,要成套答。 空回滚:Try 没执行(比如网络超时被跳过),Cancel 却先到了,此时不能真的回滚,做法是 Cancel 里先查事务记录,没有 Try 记录就直接返回成功并落一条「空回滚」标记。悬挂:Cancel 比 Try 先到,之后 Try 才来并预留了资源,导致资源永久冻结,解法是 Try 执行前先检查是否已有 Cancel 记录,有则拒绝 Try。幂等:Confirm/Cancel 可能被重复调用,用事务控制表的唯一键 + 状态机(TRYING/CONFIRMING/CANCELLED)保证只生效一次。
下游没有幂等键时,调用方的幂等要靠「自己造一个可去重的凭据」。 常见做法是用业务单号生成一个全局唯一的 requestId,在本地落一张「请求日志表」做状态机(已发起/成功/失败),重试时先查这张表;同时把这个 id 通过 header 传给下游,即使下游不保证幂等,至少能靠它做人工对账。更稳的是把「查询 + 提交」做成两阶段:先提交一个「待确认」的占位记录(唯一键防重),再轮询下游状态,避免盲目重试。分布式 ID 部分:号段模式(一次从 DB 取一段 id 缓存在内存,用完再取)依赖 DB 但有单调性、实现简单;雪花算法是「时间戳 + 机器 id + 序列号」,本地生成、性能高,代价是强依赖时钟,回拨会导致重复,需要做时钟回拨检测。布隆过滤器用位数组 + 多个哈希回答「一定不存在 / 可能存在」,适合缓存穿透防护与去重,但标准版不支持删除(要计数布隆或布谷鸟过滤器)。
分布式锁的最后一问考的是生命周期管理,很多人只答 SETNX + 过期时间。 完整要交代:加锁用 SET key val NX PX ttl(value 用唯一 token),解锁必须用 Lua 比对 token 再删,避免删掉别人的锁;ttl 要配合看门狗续期,否则业务没跑完锁就过期。续期协程的坑在于「业务已退出但协程还在续」,结果锁被永久持有、其他人永远拿不到。解法是让续期与业务生命周期绑定:用 context 的取消信号或一个「业务完成」的 channel 通知续期协程退出;续期循环里每次先检查本地锁记录是否还存在(业务结束时把记录删掉),拿不到记录立即退出;同时给整个锁设置一个「最长持有时间」的硬上限,超过就不再续期。另外要提一致性的边界:单机 Redis 在主从切换时可能丢锁,强一致场景要用 Redlock 或直接上 etcd/ZooKeeper 这类基于共识的锁服务。