字节推荐架构一面：召回并行化与两级缓存

《面试题目》

1. 请做自我介绍。上一段实习是否已经结束、已经离职？
2. 介绍第二个经历，重点讲与推荐架构更匹配的工作。
3. 怎样发现召回链路问题，并给出什么解决方案？
4. 原先的调用之间是否有依赖，为什么可以并行？
5. 实际有多少数据源、分区和 RPC，原先哪些调用串行？
6. 底层调用的是什么服务或存储？存储中的 Key 怎样区分场景，不同用户是否读取不同数据？
7. 默认词是什么业务，怎样决定给用户展示什么？
8. 为什么每个数据源使用独立线程池，能否共享一个召回线程池？
9. ThreadPoolExecutor 怎样接收和调度任务，队列顺序是什么？
10. I/O 型与 CPU 型任务哪个需要更多线程，线程池参数怎样确定？
11. 并发后是否仍要等全部结果，最终耗时由什么决定？
12. 主链路耗时较长，为什么并行改造后只优化了一小段？
13. 这次改造是否降低 CPU、提高吞吐，压测结果是多少？
14. 串行改并行后是否应调整各 RPC 和整条分支的超时？
15. 介绍 Guava + Tair 两级缓存架构及命中率。
16. 本地缓存怎样处理一致性？集群部署后，本地缓存是否最终会覆盖大部分数据？
17. 使用本地缓存对发布、冷启动和日常运维有什么影响？
18. 本地缓存对 GC 和单实例内存的影响是多少？
19. 简单介绍第一个 Agent 实习。AI 工具具体在哪项开发中带来改进？请举一个例子。
20. AI 能否自动部署、发 Debug 请求、修改并验证，当前缺口是什么？
21. 怎样求二叉树两节点最近公共祖先，递归解法复杂度是多少？
22. 每个节点有父指针时，怎样把 LCA 优化到 O(1) 额外空间？

《参考解析》

召回串行改并行：先确认”可并行”的依据——多个数据源的召回彼此不依赖、结果在最后融合，这才是并行的前提；如果后一步要用前一步的输出，并行就是错的。改造的完整链路是：定位（监控显示某几个 RPC 串行叠加占了主链路大头）→ 分段（把串行的 N 次调用改成并发提交）→ 汇总（CompletableFuture.allOf 或 invokeAll 等待全部完成，失败的按降级策略给空结果）→ 复测（P99 与吞吐对比）。

为什么每个数据源独立线程池：隔离故障与保护下游。共享一个池的话，一个慢数据源会把池里所有线程占住（线程饥饿），导致其他数据源也一起超时——本来是局部慢，变成整体雪崩。独立池的代价是线程总数变多、内存与上下文切换开销上升，所以要给每个池设上限并在监控里看队列长度与拒绝次数。

线程池参数怎么定：I/O 密集型任务线程数可以远大于 CPU 核数（常见经验是 核数 × (1 + 等待时间/计算时间)），因为线程大部分时间在等网络；CPU 密集型则接近核数（核数 + 1）。但经验公式只是起点，真正的参数要靠压测调——先设保守值，观察 CPU 利用率、队列积压、P99 和拒绝率，再逐步调整。队列必须有界，拒绝策略要能触发降级（返回空结果或走兜底数据源），而不是无限排队把延迟拖成雪崩。

为什么只优化了一小段：并发改造只压缩了”可并行部分”，按 Amdahl 定律，整体加速比受限于串行部分。如果主链路里还有一段强串行（如入口鉴权、特征获取、最终排序）占比很大，那么召回段即使从 200ms 压到 30ms，总耗时的改善也有限。要提升就得继续找下一个串行大头，或者把部分串行逻辑也改成可重叠执行。

超时要不要跟着改：必须改，而且要成体系。串行时整条链路的超时是各段之和，并行后如果保持原来的单段超时，最坏情况的分支会把总等待时间拖回串行水平；但也不能把超时砍得太短，那会让正常慢请求被误杀、降级率上升。合理做法是自上而下分配预算：先定整条链路的 SLA，再按段分配并留出余量，同时每个分支设独立超时并配降级结果。

Guava + Tair 两级缓存：L1 是进程内的 Guava Cache（纳秒级读取、网络零开销），L2 是 Tair/Redis（跨实例共享）。读路径是先查 L1，未命中查 L2 并回填 L1，L2 也没有才回源。收益是把热点数据挡在进程内，网络调用量和 L2 压力大幅下降。代价是一致性变难——本地缓存各自一份，更新时其他实例看不到。

本地缓存一致性：常见做法有三档：① 设一个很短的过期时间（如 1-5 秒），接受最终一致，适合对一致性要求不高的数据；② 通过消息广播失效通知（发布订阅），各实例收到后删除本地 key，注意消息丢失要有兜底（过期时间 + 定期全量刷新）；③ 版本号/时间戳校验，读的时候比对版本，旧的就丢弃。要注意”广播更新本地缓存”本身不可靠（消息可能丢、实例可能离线），所以必须有 TTL 兜底。

本地缓存对发布、冷启动与运维的影响：① 发布时实例重启，本地缓存全空，会有一段时间大量请求穿透到 L2/DB，需要有预热机制或发布时的流量保护；② 集群规模大时，本地缓存让”每个实例各存一份”，内存总量被放大，需要评估单实例内存上限；③ GC 上要注意缓存的量级和对象大小，用软引用/权重上限避免把堆撑爆（Guava 的 maximumSize + weigher）；④ 运维上要能观测命中率——如果本地命中率很高，说明大部分请求根本没到 L2，L2 的容量可以重新规划。

LCA：普通二叉树用递归——lowestCommonAncestor(root, p, q) 返回自身（若等于 p 或 q）或左右子树的非空结果；左右都非空说明当前节点就是 LCA，只有一边非空就上抛。时间 O(n)、空间 O(h)（递归栈）。如果有父指针，可以先各自上溯求两个链表的交点（类似”两个链表相交”）：先求两节点深度差，深的先走差值的步数，再一起走直到相遇，空间 O(1)、时间 O(h)。