面灵AI→

星辉互娱游戏服务端一面:聊天通知链路、RabbitMQ 可靠性、MySQL 满载与十万级长连接

轮次
一面
时间
2026-10
来源
牛客网

《面试题目》

  1. 自我介绍。
  2. 你在实习里做了一个游戏内聊天与通知服务,如果让你从连接接入、消息转发、异步落库到故障恢复完整讲一遍,你会怎么设计?
  3. 为什么使用 RabbitMQ 去做异步的落盘?
  4. RabbitMQ 已经开启消息持久化了,为什么服务仍然可能丢消息或者产生重复消息?
  5. 如果数据库挂了怎么办,你怎么做消息的持久化?
  6. 游戏服务器发现 MySQL CPU 已经接近满载,但当前在线人数还在持续上涨,你会怎样定位究竟是 SQL、锁竞争还是架构问题?
  7. 如果游戏业务大量使用 Redis 缓存,某个热点 Key 突然失效导致请求全部打到数据库,你会怎么处理?
  8. 为什么消息的转发用 WebSocket?如果连接数量比较大的话,怎么管理连接比较好?
  9. 一个 Gateway 要支撑十万级长连接时,为什么不能简单地把所有连接都塞进一个线程?你会怎样设计线程模型?
  10. TCP 四次挥手是什么?

《参考解析》

聊天通知服务的链路:每一环都要说清失败怎么办

按数据流答,而不是按技术栈罗列。连接接入:客户端用 WebSocket 连到网关,网关鉴权(token 换 uid)、把连接注册进本地连接表,并向路由层写一条「uid 在哪台网关」。消息转发:上行消息先做协议解析与合法性校验,私聊按目标 uid 查路由直接投递,世界频道按订阅关系扇出;在线走网关推送,离线落离线消息表。异步落库:聊天记录不必同步写库,投一条到 MQ 由消费者批量写,最近 N 条放 Redis 供快速拉历史。故障恢复:网关掉线后客户端重连到任意一台网关、重新注册路由,服务端按 uid 拉断线期间的离线消息补推;消息带客户端序号,接收方按序号去重排序。这题真正被追问的是「哪一环崩了会怎样」:网关挂了靠多实例加退避重连、路由表过期靠登录覆盖写加 TTL、消费者挂了看队列深度和消费延迟。

为什么用 RabbitMQ,以及持久化为什么还不保险

同步写库会把数据库延迟直接叠到请求链路上,峰值时连接池和磁盘 IO 瞬间打满。MQ 起三个作用:削峰(把突发流量摊平到数据库能承受的速率)、解耦(落库、推送、统计各自订阅)、批量(消费者攒一批再写,事务和网络开销都降)。选 RabbitMQ 而非 Kafka,理由通常在消息量级与路由灵活性(交换机、routing key、死信、延迟能力),不在吞吐。

「开了持久化为什么还会丢」要分三段。生产端:basic_publish 只是写进 TCP 缓冲区就返回,进程这时崩掉 Broker 可能没收到,所以要开 publisher confirm;Broker 端:队列要 durable、消息要设持久化属性,两者缺一个重启就丢;消费端最大的问题其实是重复——事务提交后、ack 之前宕机,Broker 会重新投递,业务就执行两次。所以端到端只能做到 at-least-once,幂等必须自己做:用消息 ID 或业务唯一键建唯一索引,重复写入转成幂等成功。关键消息可以用 Quorum Queue 提升单节点故障下的可靠性,代价是复制与确认路径更长,按消息等级分级而不是全部上最高可靠。

数据库挂了:停止硬重试,让消息等在队列里

最危险的动作是让消费者疯狂重试 SQL——原本只是 DB 故障,很快演变成消费线程、连接池全部堵死,恢复后还要面对雪崩式重连。正确做法是先降速或暂停消费,消息留在持久化队列不丢;已取出的消息用 nack 加延迟重试(TTL 队列加死信交换机),而不是立即 requeue 形成热循环;超过最大重试次数进人工队列并告警。恢复阶段同样要克制:按当前 QPS 和连接池水位逐步提高消费速率,先恢复核心业务;业务表用唯一索引或幂等表防止重复消费。这题的重点其实是「故障期间怎么不把事情搞得更糟」。

MySQL CPU 满载:先定位忙在哪,再谈加机器

看到 CPU 高就扩容是第一个坑。第一步看证据:慢查询日志找执行时间长、扫描行数大的 SQL;performance_schema 按总耗时排序找执行频率高的语句(单条 1ms 但每秒十万次,比单条 1s 更致命);EXPLAIN ANALYZE 对比预估行数与实际行数,判断是统计信息失真还是缺索引。第二步区分 SQL 与锁:单条不慢但 TPS 一上来延迟就飙,要查锁等待和长事务(information_schema.innodb_trx、data_lock_waits),游戏场景的典型是热点行——同一玩家、同一公会、同一全局计数被并发更新,瓶颈在行锁排队而不在查询,解法是拆桶、合并写入或把强一致降级成异步累加。第三步才看架构:排行榜、在线状态、房间状态这类高频数据不该实时压 MySQL,读走 Redis、非强一致写走 MQ、日志批量落盘。优化目标是减少数据库必须承担的工作量,不是让某条 SQL 快 10%。

热点 Key 失效:击穿、穿透、雪崩要分开答

热点 Key 突然过期、请求全打到数据库,这是缓存击穿,加 TTL 只能降低概率。两种解法:只放一个请求回源(singleflight 或分布式锁),其余等待或返回旧值;逻辑过期——缓存不真删,值里带业务过期时间,发现过期后由一个线程异步重建,其余继续用旧数据。要主动切开三个概念:查大量不存在的 ID 是穿透(空值缓存或布隆过滤器);大批 Key 同时过期是雪崩(TTL 加随机抖动,配限流降级);击穿是单个热点失效。补一句「重建动作也要限流」,是做过线上的人才想到的。

WebSocket 与十万连接:瓶颈不是「存不下 fd」

用 WebSocket 是因为服务端要主动推:聊天、组队邀请、世界事件都要求双向实时,HTTP 请求响应做不到,轮询又有延迟和无效请求。连接管理要维护 uid → connection、fd → connection 两张索引,连接对象有明确生命周期(建立、鉴权、心跳、关闭),心跳用来清半开连接。规模上来后真正的危险是慢客户端:某个玩家网络差,服务端还不断往它的发送队列塞消息,一条连接就能吃掉大量内存,所以每条连接要有独立发送缓冲上限和背压——超过阈值丢低优先级消息(比如世界频道广播),再严重直接断开。多机部署还要解决「玩家在哪台网关」,登录时注册路由,业务服务按 uid 查网关再投递。

十万连接的线程模型:epoll 能监听十万个 fd,不代表一个线程能处理这些连接的所有工作。网络事件本身很轻,但协议解析、序列化、加解密、业务调用一旦塞进事件循环,任何一次耗时操作都会阻塞同一条线程上的其它连接。常见设计是少量 I/O 线程各自持有 epoll、每条连接固定归属某个 I/O 线程(避免 fd 和发送缓冲区跨线程操作),收齐完整业务包后投给逻辑线程池或 Actor,处理完把待发数据回投给连接所属 I/O 线程。线程不是越多越好,更好的思路是按玩家、房间、地图做逻辑分片,让同一实体始终在同一执行上下文串行处理,从根上减少锁。

TCP 四次挥手:为什么不能像建连一样三次

TCP 是全双工,两个方向要分别关闭,所以是四次:主动方发 FIN 表示「我没数据要发了」,被动方回 ACK(此时它还能继续发,这就是半关闭),等它也发完再发自己的 FIN,主动方回最后一个 ACK。主动方不会立刻删连接,而要 TIME_WAIT 等 2MSL——保证最后一个 ACK 丢了还能重发,也让旧报文在网络中消散,不污染复用同一四元组的新连接。工程上的落点是:短连接堆积 TIME_WAIT 会吃端口,解法是用长连接与连接池,而不是简单调小等待时间。