高标科技后端一面：MQTT 数据完整性、消费顺序与知识库引用

《面试题目》

1. 自我介绍。
2. 项目里用了 MQTT，你们是怎么保证数据不被篡改的？
3. 你们的数据量大概是多大？怎么保证数据消费的时候出现后来先消费的情况？具体是怎么做的？
4. 无人机这个项目里你们和设备有进行直接的数据交互吗，用的什么通信协议？
5. 这些项目里有没有让你最抓耳挠腮困扰你的经历？你觉得这个项目的数据链路有哪些可以优化的地方？
6. 我看你有介绍说在软件里嵌入知识库问答服务，你们是怎么保证回答的结果是正确或者说引用正确的？
7. 有了解 CAN 协议吗？你们机器人比赛里的通信是怎么做的？
8. 反问。

《参考解析》

MQTT 数据完整性：先分清「传输安全」和「数据可信」两件事。传输层用 MQTTS（TLS）保证机密性与完整性，客户端双向认证（客户端证书或 token）防止伪造设备接入；应用层再加消息级完整性——每条 payload 带设备 id、时间戳、序号和签名（HMAC 或设备私钥签名），服务端校验签名与时间窗（防重放，配合 nonce 或单调序号）。真正的边界在设备端：密钥存在哪里（安全芯片 vs 明文 flash）、固件能不能被刷。回答时把「我们能做到什么、做不到什么」说清，比宣称「绝对安全」可信。

消费乱序与数据量：MQTT 本身有 QoS 分级（0 至多一次、1 至少一次、2 恰好一次），但顺序不跨 topic 保证。业务上防乱序的做法：消息体带设备侧单调递增序号或采集时间戳，消费端维护「每个设备的最新序号」，收到更旧的直接丢弃或入迟到缓冲区；需要严格顺序的场景按设备 id 分区，同一设备的消息进同一分区单线程消费。另外要处理时钟不同步——设备时间不可全信，服务端收到时补一个服务端时间。数据量估算要能给出量级（设备数 × 采样频率 × 单条大小），并说明存储策略（原始数据保留时长、降采样后长期留存）。

知识库回答的引用正确性：三个动作。一是约束生成：只允许依据检索到的片段作答，并在输出里带片段 id。二是校验引用：生成后逐条比对「这句话的论断」与「引用片段」是否真的支持，用规则（关键实体/数字必须出现在片段里）+ 模型双重检查，不通过就重写或降级为「未找到依据」。三是数据源治理：文档版本、更新时间、失效内容要能下架，否则检索到对的片段也是过时的答案。还要承认边界：多跳推理和跨文档汇总天然更容易错，应该在界面上提示「仅供参考，请核对原文」。

CAN 协议：CAN 是差分总线（CAN_H/CAN_L），多主竞争、基于优先级的仲裁（ID 越小优先级越高），有 CRC 校验与自动重传，适合车载与机器人内部的总线通信。数据帧最多 8 字节（CAN FD 到 64 字节），所以上层通常自己定应用层协议（分帧、序号、校验）。机器人比赛中常见的是 CAN 连电机驱动器（伺服、轮毂电机）、RS485/串口连传感器、主控之间用以太网或 WiFi。讲的时候最好能说到「为什么选它」：抗干扰、实时性、布线简单、驱动器生态成熟。

数据链路的可优化点：这是开放题，答得好不好看有没有「量化意识」。可以从四个角度讲：采集侧（采样率是否过高、能否边缘预处理降数据量）、传输侧（批量上报 vs 逐条、断网缓存与补传、压缩）、存储侧（冷热分离、降采样归档、时序库替代关系库）、消费侧（背压、幂等、乱序处理）。最好挑一个真做过的小优化并给出前后对比。