面灵AI→

字节业务中台二面:RPC 注册发现、CAS 队列、QPS/P99 与 Protobuf

轮次
二面
时间
2026-11
来源
牛客网

《面试题目》

开场与项目

  1. 请先做一个简单的自我介绍。
  2. 介绍一下你做的 Reactor 服务器和 RPC 框架项目。
  3. 你为什么要自己实现 RPC 框架?
  4. 你觉得一个 RPC 框架最核心的能力有哪些?
  5. 你的 RPC 框架整体架构是怎样的?

服务注册与发现

  1. 服务注册与发现主要解决什么问题?
  2. 服务注册与发现具体是怎么实现的?
  3. 服务端启动后,会向注册中心注册哪些信息?
  4. 客户端是如何发现服务的?
  5. 你为什么选择 Zookeeper 作为注册中心?
  6. Zookeeper 和 etcd 都可以作为注册中心,它们有什么区别?
  7. 如何保证注册中心本身的高可用?
  8. Zookeeper 集群部署 3 个节点,其中一个挂掉,还能继续工作吗?
  9. Zookeeper 集群为什么通常部署奇数个节点?
  10. 客户端每次进行服务发现,都需要远程访问注册中心吗?
  11. 客户端本地缓存的服务列表什么时候更新?
  12. 如果某个服务节点宕机,Zookeeper 是如何感知的?
  13. Zookeeper 的临时节点、心跳和 Watch 机制分别有什么作用?
  14. 服务节点失效后,客户端是如何收到通知并更新本地缓存的?
  15. 客户端和 Zookeeper 之间使用什么协议通信?
  16. 如果客户端访问注册中心时发生网络超时,应该怎么处理?
  17. 如果某个业务服务节点调用失败,客户端应该怎么处理?
  18. 重试机制应该设置重试几次?是否需要退避?
  19. 如果一个服务节点一直失败,是否应该对它进行熔断?

Zookeeper 一致性与并发

  1. Zookeeper 和 etcd 的一致性协议主要解决什么问题?
  2. Zookeeper 的 ZAB 协议是怎么工作的?
  3. Zookeeper 中 Leader 和 Follower 分别负责什么?
  4. Zookeeper 的写请求是如何提交的?
  5. 为什么要使用多数派确认?是不是必须所有节点都确认成功?
  6. Zookeeper 的一致性会不会影响请求延迟和可用性?
  7. 如果多个请求同时到达注册中心,如何保证数据的一致性?
  8. 如果所有请求都进入队列一个一个处理,会不会影响系统性能?
  9. Zookeeper 是如何在保证一致性的同时处理并发请求的?

高性能服务器与并发

  1. 你的项目中高性能主要体现在哪些方面?
  2. 你的任务队列是怎么设计的?
  3. 原来为什么使用锁?锁带来了什么性能问题?
  4. 为什么后来改成 CAS?
  5. CAS 和互斥锁有什么区别?
  6. CAS 是否一定比锁快?
  7. 多个线程同时操作任务队列时,如何保证线程安全?
  8. CAS 操作失败之后应该怎么处理?
  9. 你的队列属于哪一种类型?SPSC、MPSC 还是 MPMC?
  10. 你的项目使用了哪些线程模型?
  11. 任务是如何在线程之间分发的?
  12. 如果多个请求同时到达,系统如何处理?
  13. 如果任务处理速度跟不上请求速度,队列满了怎么办?

性能指标与验证

  1. 衡量一个服务器性能的指标有哪些?
  2. QPS 和 P99 分别表示什么?
  3. P99 为什么比平均响应时间更有参考价值?
  4. 你是如何验证优化前后性能变化的?
  5. 优化前后的 QPS 分别是多少?
  6. 你的 QPS 从 3 万提升到 5 万,具体优化了什么?
  7. 你是如何定位到锁竞争或者热点函数的?
  8. 你使用 perf 观察到了什么结果?
  9. 除了 QPS 以外,你有没有关注 P99?
  10. 你的性能测试是在本地还是服务器上进行的?
  11. 测试时使用了多少并发连接和多少个线程?
  12. 测试请求的数据大小是否一致?

序列化与 Protobuf

  1. 序列化主要解决什么问题?
  2. 网络序列化和磁盘序列化有什么区别?
  3. 常见的序列化协议有哪些?
  4. JSON、XML 和 Protobuf 有什么区别?
  5. 为什么你的项目选择 Protobuf?
  6. Protobuf 为什么通常比 JSON 传输效率更高?
  7. Protobuf 序列化之后的数据结构是什么样的?
  8. Protobuf 的字段编号有什么作用?
  9. 如何衡量不同序列化协议之间的性能差异?
  10. 序列化协议应该从哪些方面进行选择?
  11. Protobuf 如何保证前后兼容性?

《参考解析》

注册中心选型:注册中心要提供「服务实例的注册、健康检测、变更通知」。Zookeeper 用临时节点表达存活(会话断开节点自动删除),用 Watch 通知变更,天然适合;etcd 用 lease + watch,基于 Raft,接口更现代(gRPC、HTTP API),运维相对简单。差异在一致性协议(ZAB vs Raft,思路相近但有细节差异)、临时节点/租约模型、Watch 的可靠性与生态。选 Zookeeper 常见理由是成熟、与 Java 生态集成好;选 etcd 的理由是部署轻、API 友好、Kubernetes 生态。

高可用与奇数节点:3 节点容忍 1 台故障(多数派 2 个仍在);多数派机制要求过半确认,所以 4 节点与 3 节点的容错能力相同却多一台成本,5 节点容忍 2 台。这就是奇数部署的原因。注册中心还应有客户端本地缓存(避免每次调用都查注册中心)、多集群或异地容灾、以及注册中心不可用时的降级(用最后一次已知列表继续调用)。

会话、心跳与 Watch:客户端与服务端保持长连接会话,周期性心跳(ping)维持会话;会话超时后临时节点被删除,其他客户端收到 Watch 通知并刷新本地列表。Watch 是一次性触发的,需要重新注册;通知可能丢失或延迟,所以客户端还要定期全量拉取做兜底。节点宕机感知依赖会话超时,超时时间要权衡:太短会因网络抖动误判,太长会导致故障节点被发现得慢。

ZAB 与并发写:ZAB 保证集群内所有节点的状态机按相同顺序应用事务。写请求由 Leader 处理,先广播 Proposal 给 Follower,收到多数派 ACK 后提交并广播 Commit;读请求可以由 Follower 本地处理(默认可能读到略旧的数据,需要线性一致读时用 sync 再读)。多数派确认是容错与一致性的折中:全部确认会因单点故障阻塞,多数派保证任意两个多数派集合有交集,从而不会出现两个 Leader 同时提交。Zookeeper 的写是串行化的(单 Leader 顺序广播),并发能力靠批量(pipeline)与多客户端并行提交,因此写吞吐有限、读扩展性好。

锁改 CAS 与队列类型:互斥锁在竞争激烈时会让线程休眠与唤醒,带来上下文切换与优先级反转;CAS 在用户态自旋,无系统调用,适合临界区极短的场景。但 CAS 不总是更快:高竞争下大量失败重试会空耗 CPU,ABA 问题需要版本号,且多变量操作无法用单个 CAS 完成。任务队列若每个工作线程有自己的队列、由同一线程生产消费就是 SPSC,可用环形缓冲 + 原子下标做到无锁;多生产者单消费者是 MPSC,需要原子入队或分段;多对多(MPMC)通常用有界队列加锁或更复杂的算法。队列满时的策略是背压:阻塞生产者、拒绝并返回错误、丢弃最旧任务,或把任务转移到磁盘/上游限流。

性能指标与优化归因:QPS 衡量吞吐,P99 衡量尾部延迟,平均值会被大量快请求拉低而掩盖少数极慢请求,用户体验由尾部决定。验证优化要固定测试条件(并发连接数、线程数、请求大小、数据分布、机器配置),用同一压测工具跑多轮取稳定值,同时记录 CPU、内存、上下文切换、GC。3 万到 5 万的提升要能归因:是减少了锁竞争、减少了内存分配、减少了系统调用、还是提高了批处理。perf top/perf record 看热点函数与锁的 futex 等待,pidstat、vmstat 看上下文切换与 CPU 利用率;若瓶颈在 IO,优化 CPU 无用。

零拷贝:sendfile、splice、mmap 减少用户态与内核态之间的数据拷贝;网络传输大文件时用 sendfile 直接从页缓存发到 socket。零拷贝不是万能的:小消息收益有限,且会绕过应用层对数据的处理(如加密、压缩)。

Protobuf 与 JSON:Protobuf 用字段编号 + 变长编码(varint)+ TLV 结构,不需要传输字段名,体积小、解析快、有强类型 schema;JSON 是文本、可读、弱类型、体积大、解析慢。Protobuf 的字段编号是兼容性的关键:编号一旦使用不可更改,新增字段用新编号,删除字段要保留编号(reserved)防止被复用,未知字段在反序列化时保留。前后兼容的规则是「不改编号、不改类型、只增不删」。选择序列化协议要看:跨语言支持、可读性需求、性能、schema 演进能力、是否便于调试。衡量性能要测序列化/反序列化耗时、字节大小、CPU 占用,并区分网络与磁盘场景(磁盘更看重压缩比与随机读)。