面灵AI→

某厂业务中台一二面凉经:优惠券库存一致性、联合索引与 JVM GC

轮次
一面+二面
时间
2026-10
来源
牛客网

《面试题目》

一面(技术面)

  1. 请简单介绍你的学历、实习经历和项目经历。
  2. 电商优惠券项目是大学做的、公司的,还是自己练手的?校园招聘智能助手也是练手项目吗?
  3. 你在滴滴实习主要做什么,详细介绍一下。这段实习是否主要偏后端,没怎么涉及 Agent?
  4. 这个项目当时用户量高吗?是正式上线还是试验项目?
  5. 你在项目中如何实现意图识别?这相当于一个工作流吗?下一步怎么走?
  6. 深度分析、天气等外部因素,是用户手动配置,还是 AI 自己判断后进入下一轮?
  7. 这个意图识别工作流当时使用量高吗?
  8. 电商优惠券的高并发库存一致性怎么实现?异步校验方案什么时候跑,是定时跑吗?你刚说的是同步还是异步?类似 Redis 脚本实现?
  9. 优惠券数据库怎么设计,有几张表?用户扣券、扣库存时这几张表发生了什么?具体到库表,比如表名、字段加一减一,怎么保证扣减成功?
  10. 你主要学 Java,来我们这边主要写 C++ 和 Go,会介意吗?
  11. 有表 A/B/C/D 四个数字字段,A 有唯一索引,B 无索引,C、D 是联合索引。A=5、B=5、C=5、C>5 and D=5 分别会用到索引吗?联合索引生效范围是什么,C、D 都生效还是只生效 C?如何验证索引使用情况,explain 看哪些字段?
  12. 说一下 Redis 缓存穿透和缓存击穿,以及解决办法。
  13. 说一下跳表的作用和结构。往跳表加元素时,如何决定元素在哪几层?跳表主要用于什么数据类型、什么场景?
  14. 你们网络学的是七层、五层还是四层?OSI 七层从下到上分别是什么?TCP、HTTP、UDP、MAC 地址分别属于哪一层?
  15. 非对称加密为什么能用两个不同密钥解析同一文件?RSA 基于什么数学困难问题?
  16. TCP 四次挥手为什么比三次握手多一次?多的一次用来干什么?
  17. 你现在研二还是研三?能实习多久?
  18. Skill 和 MCP 有什么区别?
  19. 手撕:合并两个有序链表,要求递归、链表实现、不能用数组,并考虑边界。

二面(技术面)

  1. 先简单自我介绍一下。
  2. 滴滴这个企业级 AI 服务能力平台主要做什么?难点和复杂度有哪些?
  3. 用户上传 Hive 表或 Excel 时,会有上下文不够用的情况吗?比如上传 100 兆 Excel,怎么保证上下文够用?上传限制是多少,十兆左右上下文一定够用吗?这块逻辑你了解吗?
  4. 除了数据分析、模板生成和总结,这个平台还有其他难点吗?
  5. 意图识别走普通链路还是深度链路,是根据上传内容和元数据判断的吗?分类模型是你做的还是别人做的?意图识别遇到过什么难点?
  6. 前端是否已根据 skills 做处理,覆盖了后端结果?
  7. 校园招聘智能助手的难点和挑战有哪些?
  8. 电商优惠券平台主要做什么,业务或技术难点有哪些?这个券是平台券还是商家券?业务限制是什么?最高支持多少并发?
  9. 商家券有没有热点问题?比如某商家火爆导致分片或节点热点,怎么处理?分桶、分片在哪里做?
  10. Redis 在链路里做查询还是写入?商家分桶后,怎么知道查哪个 key 或桶?查询时先查商家再查券,还是直接查券?
  11. 描述一下优惠券整体业务和用户动线:领券、查券、核销分别什么时候发生?
  12. 怎么保证用户在商家 1 下的券和商家 2 下的券不一样?券记录上是否写了用户 ID 和商家 ID?怎么保证不领到其他商家或模板的券,第一次领券怎么保证不领错?
  13. 是否一定按商家维度发券?
  14. JVM GC 主要解决什么问题?你了解哪些垃圾回收器?什么情况下会触发 GC?结合垃圾回收器讲一讲。
  15. 手撕:小于 n 的最大值。

《参考解析》

意图识别与工作流:先分清「编排」和「自主决策」。 意图识别本质是分类加路由:输入先经过一个分类环节(可以是小模型分类器,也可以是 LLM 结构化输出),得到意图标签,再由编排层决定走哪条链路。工作流和 Agent 的区别面试官很爱追——工作流是确定性编排,路径在写代码时就定死了,模型只在节点内做事;Agent 是模型自己决定下一步调什么工具。决定「要不要调外部工具(天气、深度分析)」这件事,工程上应该收敛成分类输出加工具白名单,而不是让模型自由发挥,否则不可测、也没法做权限控制。被问「用量高不高」「是不是正式上线」时,直接报真实数字与状态——这类追问本身就是真伪校验,含糊其辞比数字小更致命。常见追问点:多轮里上一轮意图污染下一轮、低置信度时该澄清而不是硬答、分类体系变更后要跑回归集。

高并发库存一致性:同步扣减 + 异步补偿,边界必须讲清。 面试官连着问「异步校验什么时候跑、是定时跑吗、你刚说的是同步还是异步」,就是在验是否真做过。合理分工是:同步主链路上完成资格校验、扣库存、扣券、生成订单,用 Redis 的 Lua 脚本把「读余量 + 判断 + 扣减」做成一次原子操作,数据库层再用带条件的 update 兜底;异步部分只做对账、超时未支付的库存回滚、核销通知这类允许延迟的事,绝不能把「扣减」本身放到异步里——那就会出现超卖窗口。说清「哪一步不允许失败、失败后靠什么补偿」比罗列组件更重要。

库表设计:券模板、用户券、库存三层,再加唯一索引兜幂等。 典型划分是券模板表(模板 ID、总量、剩余、限领规则、生效时间)、用户券表(用户 ID、模板 ID、状态机:已领取/已使用/已过期、领取时间)、库存表或计数器。扣减要靠三层保证:Redis 原子预扣挡住绝大部分流量、DB 的条件更新 stock = stock - 1 where stock > 0 用行锁保证不超卖、(user_id, template_id) 唯一索引保证同一个人不会重复领取(重复请求直接撞唯一键,天然幂等)。回答时按「先讲表、再讲字段变化、最后讲异常路径」的顺序说,面试官问「表名、字段加一减一」就是想听这个粒度。

联合索引与 explain:范围条件会截断后面的列。 A=5 走唯一索引等值命中;B=5 无索引只能全表扫;C=5 命中联合索引 (C,D) 的最左前缀,只用 C 这一列(key_len 能看出只用了 C 的长度);C>5 and D=5 里 C 是范围条件,范围之后的列无法再用于索引定位,仍然只用到 C,D 只有靠索引条件下推(ICP)在存储引擎层过滤,能少回表但不能减少扫描范围。验证方式:EXPLAIN 看 type(const/ref/range/index/ALL)、key、key_len、rows、filtered,重点看 Extra:Using index 是覆盖索引不回表、Using index condition 是 ICP、Using filesort/Using temporary 是要优化的信号;MySQL 8.0 还能用 EXPLAIN ANALYZE 看真实耗时与行数。追问一般是「最左前缀能不能跳过中间列」「范围条件为什么后面失效」,答到「B+ 树按列依次比较、范围之后不再有序」就算到位。

缓存穿透与击穿要分开答,顺带把雪崩带上。 穿透是查一个数据库里也不存在的数据,缓存永远不命中,请求全打到 DB——方案是缓存空值(带短过期)、布隆过滤器挡在前面、入口做参数合法性校验。击穿是某个热点 key 恰好过期,瞬间大量请求同时回源——方案是互斥重建(只有一个线程去加载,其余等待或返回旧值)、逻辑过期加后台异步刷新、热点 key 干脆不设过期时间。雪崩是一大批 key 同时失效或缓存整体不可用,靠过期时间打散、多级缓存、熔断降级。三者的区别在于「请求打的是不存在的、单个热点的、还是大批量的」。

跳表:用随机层数换取范围查询和实现简单。 跳表是多层链表,每层是下一层的抽样,查找从最高层开始向右走、走不动就下降一层,期望复杂度 O(log n)。插入时新元素的层数由随机函数决定(例如每次以 1/4 的概率继续往上加一层),期望层数是常数级,用「概率平衡」代替红黑树的严格旋转平衡。Redis 的有序集合 zset 就是跳表 + 哈希表:哈希表保证 O(1) 按成员取分数,跳表负责按分数排序和范围查询(ZRANGEBYSCORE)。选它而不是红黑树的原因是范围查询更自然、实现更简单、并发实现(如 Java 的 ConcurrentSkipListMap)更容易做无锁。

网络分层:记住对应关系,别背一个「标准答案」。 OSI 七层从下到上是物理层、数据链路层、网络层、传输层、会话层、表示层、应用层;TCP/UDP 在传输层,HTTP 在应用层,MAC 地址属于数据链路层。实际教学与工程里常用 TCP/IP 四层(网络接口层、网际层、传输层、应用层)或五层模型,面试官问「你们学的是几层」是想看你知不知道这几套模型怎么对应,答的时候把层次和协议一起摆出来即可。

非对称加密:两个密钥不是「都能解开同一个密文」,而是分工不同。 公钥加密、私钥解密用于保密,私钥签名、公钥验签用于身份与完整性。之所以成立,是因为 RSA 里公钥指数 e 与私钥指数 d 互为模 φ(n) 的乘法逆元,对明文做幂运算可以互相还原。RSA 的安全性建立在大整数分解困难问题上(大素数乘积容易、分解极难),椭圆曲线(ECC)建立在离散对数问题上,同等安全强度下 ECC 密钥更短。实际 TLS 里非对称只用来协商出对称密钥,因为非对称运算慢几个数量级,业务数据是用对称加密传的。

TCP 四次挥手:因为连接是双向关闭的。 主动方发 FIN 表示「我没有数据要发了」,被动方回 ACK(此时主动方进入 FIN_WAIT_2),但被动方可能还有数据要发,所以它的 FIN 要等自己发完才发,于是 ACK 与 FIN 不能合并,就比三次握手多了一次。被动方发完 FIN 后主动方回 ACK 并进入 TIME_WAIT,等 2MSL 再关闭:一是保证最后的 ACK 能到达(丢了对方会重发 FIN),二是让本次连接的残留报文在网络中失效,避免影响复用同一四元组的新连接。追问常是「服务端出现大量 CLOSE_WAIT 说明什么」——说明应用层没调用 close,通常是代码漏关连接。

Skill 与 MCP 的区别:一个管流程知识,一个管能力通道。 Skill 是写给模型看的「这类事情该怎么做」的流程与知识(提示词、文档、脚本模板,加载进上下文,影响它的行为与文风);MCP 是模型与外部系统之间的标准接口协议,服务端暴露 tools、resources、prompts,给的是「能碰什么、能读什么」的能力边界与鉴权。工程上两者是互补的:skill 描述流程,流程里需要的能力由 MCP 的工具提供。追问问到点上会问「工具多了模型选错怎么办」「MCP 的鉴权与最小权限怎么设计」——按工具白名单分组、按场景只暴露相关工具、写操作强制确认和幂等。

二面重点:平台券与商家券,以及热点分桶。 平台券是全平台一个模板,库存是一行热点数据,压力集中在单个 key;商家券按商家拆分成多个模板,天然分散但会跟着商家热度走。商家券的热点处理思路是水平分桶:把「某模板的库存」切成 N 份,按 hash(userId) % N 或按批次落到不同桶,写请求就分散到不同 key 甚至不同节点上;分桶位置要讲清是在缓存/库存层的 key 上分(stock:{templateId}:{bucket}),不是把数据库表拆开。桶内余额不足时走桶间借调或回源数据库,同时接受「总库存没超卖但某个桶先空」的短暂不均衡。

券的归属与不串券:靠数据模型和唯一索引,不靠逻辑自觉。 券记录上必须同时写 userId、merchantId、templateId,查询和核销都带上这三个维度;领取时用 (userId, templateId) 唯一索引保证幂等,服务端的 userId 一律从会话里取、绝不信前端传参;核销时校验券的商家与当前订单的商家一致。面试官反复问「第一次领券怎么保证不领错」「用户动线」是在检查你有没有把发放、查询、核销三段串成一条完整链路——领券发生在进入商家页或活动页时,查券发生在「我的卡包」按用户维度查,核销发生在下单时按订单商家与券模板匹配,三段的主键维度不一样,这个区别讲清楚就赢一半。

JVM GC:先答「解决什么」,再答「怎么选」。 GC 解决的是堆内存的自动回收——从 GC Roots 出发做可达性分析,回收不可达对象,避免手工释放带来的泄漏与悬垂指针。回收器按代际分:Serial/ParNew 是年轻代复制算法,Parallel Scavenge 系列追求吞吐(适合批处理),CMS 用并发标记清除追求低停顿但有内存碎片和并发模式失败,G1 把堆分成 Region、按 -XX:MaxGCPauseMillis 挑选回收集合做可预测停顿,JDK 9 起是默认;ZGC/Shenandoah 用染色指针和读屏障把停顿压到亚毫秒级,代价是额外内存和吞吐损失。触发时机:Eden 满触发 Minor GC,对象晋升失败、大对象分配失败、元空间耗尽或显式 System.gc() 触发 Full GC,G1 则是根据停顿目标决定是否做 Mixed GC。结合回收器讲就是讲三色标记、卡表/记忆集解决跨代引用、以及并发标记期间靠 SATB 或增量更新保证不漏标——能主动提「漏标」比背参数表更像读过源码。

两道手撕的答法。 合并两个有序链表:递归写法是「取较小的头节点,让它的 next 等于剩下的合并结果」,基准情形是任一链表为空;边界要覆盖两个都为空、只有一个为空、相等时取哪边(结果都对,但要说明稳定性)、以及递归深度为 O(m+n) 可能栈溢出——生产代码里用迭代加哨兵节点更稳。第二题题干只有「小于 n 的最大值」一句,实际面试里第一步是澄清输入形态(数字数组、数字字符串还是整数)和限制条件,再给贪心构造思路:从低位向前找到第一个可以「变小」的位置,把它减一,后面的位全取最大;如果不允许前导零或需要保持位数,还要额外处理。这类题考的是沟通与边界意识,不是背一道原题。

凉经复盘。 原帖的时间线是周六一面、面完二十分钟约二面、次日下午收到感谢信——面试节奏极快,说明一面表现足够进二面,挂点在二面。二面的问题几乎全部围绕优惠券的平台券/商家券设计、分桶定位、并发上限和用户动线,属于「你到底有没有真正设计过这套系统」的深挖,同一件事从业务、数据、缓存、并发四个角度反复问;一面八股答得出来但项目细节撑不住,是这类面试最常见的挂法。准备时的正确姿势是:给简历上每个项目准备一条「业务目标 → 数据模型 → 关键链路 → 容量与瓶颈 → 踩过的坑」的自述,并且能在任何一点被追问三层。