超聚变 FDE 一面:重试超时、落库去重与分库分表
- 轮次
- 一面
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
- 自我介绍。
- 实习中最难的技术难点是什么?怎么和团队沟通的?最后结果如何?
- 失败重试、超时是怎么设计的?
- 数据落库怎么保证不会丢失以及去重?
- 锁粒度怎么优化的?
- 压测请求用的什么工具?
- 分库分表怎么设计的?
- DDD 八股。
《参考解析》
重试与超时的设计。 超时要分层设置:客户端超时、网关超时、服务内部调用超时、数据库与缓存超时,逐层递减(外层必须大于内层,否则外层先超时、内层还在跑,重试会放大)。重试只对「可重试错误」生效(超时、限流、5xx、连接失败),参数校验与业务拒绝不重试;次数与总时长都要有上限,退避用指数加随机抖动,尊重下游的 Retry-After,并用熔断器在连续失败时快速失败。幂等是所有重试的前提:写操作要带业务幂等键,服务端用唯一索引或状态机保证重复请求不产生副作用。
落库不丢与去重。 不丢的链路要端到端:生产端本地消息表或事务消息(先写业务库再投递,保证「业务成功则消息一定发出」)、消息队列持久化与副本、消费端手动 ACK(处理成功才确认)、失败进重试队列与死信队列、定时对账(业务库与消息表按业务键比对,补齐缺失)。去重靠业务唯一键(订单号、请求 ID)+ 数据库唯一索引,插入冲突时按语义处理(忽略或更新),消费端再维护一份去重表(键 + 过期时间)做前置拦截。要注意「至少一次」投递下重复不可避免,所以消费逻辑必须幂等,而不是指望消息不重复。
锁粒度优化。 先定位锁竞争:看慢查询、锁等待时间、死锁日志,确认是行锁升级为表锁、长事务持锁、还是热点行更新。优化手段:缩小事务范围(把非数据库操作移出事务)、按业务键分片加锁(本地锁用分段锁,分布式锁按 key 加而不是全局锁)、用乐观锁替代悲观锁(版本号 CAS)、热点账户用「拆分 + 汇总」或排队串行化。还要注意分布式锁的续期与误删(用唯一 value + Lua 删除),以及锁顺序一致避免死锁。
分库分表的设计。 先判断是否真的需要(索引优化、读写分离、缓存、归档往往能解决大部分问题)。需要时选分片键:要能均匀分布、且大多数查询都带这个键(用户 ID、租户 ID、订单号),避免跨库 JOIN 与广播查询。分片算法用哈希取模(均匀但扩容要迁移)或一致性哈希/范围分片(扩容方便但可能倾斜)。全局唯一 ID 用雪花算法或号段模式。跨分片的分页、排序、聚合是主要痛点,通常用「冗余表 + 异步同步」或引入搜索引擎解决。扩容方案要提前设计(双写迁移、影子表、灰度切流)。
压测。 工具上 JMeter、Locust、wrk、k6 都可以,关键是场景要贴近真实:按线上流量比例构造请求、参数化数据、加思考时间、逐步加压找拐点,同时监控服务端(CPU、内存、GC、连接池、慢查询)与下游(数据库、缓存、第三方接口)。压测环境要与生产同规格或按比例折算,避免压测机自身成为瓶颈;结果看 P95/P99 而不是平均值,并记录瓶颈定位过程。
DDD 的核心概念。 领域模型分实体(有身份、生命周期)、值对象(无身份、不可变)、聚合(一致性边界,聚合根是唯一入口)、领域服务(跨聚合的逻辑)、仓储(持久化抽象)、限界上下文(业务边界,上下文之间用防腐层隔离)。落地时先划限界上下文再设计聚合,聚合要小(一个事务只改一个聚合),跨聚合用领域事件最终一致。DDD 不是必选项:业务复杂度不高时用简单的分层架构更划算,它的价值在复杂业务的语言统一与边界清晰。
FDE 岗位的特点。 前向部署工程师介于研发与交付之间:要能直接面对客户、理解现场问题、快速改代码或配置把产品落地,同时把现场需求反馈给产品团队。回答项目难点时,除了技术方案,要突出「怎么和客户/团队沟通、怎么在信息不全时做决策、最后交付了什么结果」,这正是这个岗位最看重的。