面灵AI→

利星能 Go 后端一面:Saga、gRPC 拦截器与 GMP 调度十七问

轮次
一面
时间
2026-11
来源
牛客网

《面试题目》

项目与架构

  1. 做一下自我介绍。
  2. 五个微服务分别负责什么,边界是怎么划分的?
  3. 讲讲 Saga 模式,你们的项目里哪里用了它?
  4. 要给一万个用户发消息,怎么实现?
  5. 一次支付调用阻塞住了,第二次调用进来怎么处理?
  6. gRPC 透传 JWT 后,验证的完整流程是什么?
  7. gRPC 调用链很长时,怎么收集整条链路的日志,中间件(Interceptor)的底层实现逻辑是什么?

Go 并发与运行时

  1. 一个请求发生 panic,另一个协程来访问会怎样;有 recovery 时另一个请求能不能正常处理?
  2. 讲讲 GMP 调度模型。
  3. slice 和 map 是值传递还是引用传递?

Go 语言细节

  1. make 和 new 的区别?
  2. 往 nil channel 里收发消息会怎样;往已关闭的 channel 收发消息会怎样?
  3. select 语法加上 default 是否就永不阻塞?
  4. 如何判断两个 error 是否相等?
  5. 在长循环里逐个打开文件并用 defer 关闭,会发生什么?

工程与算法

  1. 常见的负载均衡算法有哪些?
  2. AI token 计费中涉及 7、8 位小数,如何保证计算不丢精度?

《参考解析》

微服务边界与 Saga。边界按业务能力与数据所有权划分,不按技术分层:一个服务独占自己的库表,跨服务只走接口或事件,避免共享库;典型拆法是网关 / 用户与鉴权 / 订单 / 支付 / 通知这类「各自有一份状态、变更频率不同」的切分。Saga 用于跨服务的长事务:把一个大事务拆成一串本地事务,每一步配一个补偿动作,正向失败就按逆序补偿。两种协调方式——编排式(一个协调者按状态机逐步调用)与协同式(各服务监听事件自行推进)。它保证的是最终一致性,不是原子性:中间态对外可见,所以要配合幂等键、补偿重试与人工兜底;金额类操作还要在补偿前先查对方是否已经成功,避免「补偿了一次实际已成功的扣款」。项目里适合用在「下单 → 扣库存 → 扣款 → 发券」这种跨库链路,而不是单库内的转账(那种用本地事务更简单)。

一万个用户发消息。不能在一个请求里同步循环调用下游:先落一张待发消息表(或用 MQ),用分片 + 并发 worker 消费,每个消费者按用户分批拉取、限制并发与 QPS,失败进入重试队列并带退避,超过次数进死信。要做到可重入:每条消息带唯一键,下游按唯一键去重。调用方只负责写库 + 投递事件并立即返回,发送进度与结果异步回写。

支付调用阻塞时的第二次请求。核心是幂等 + 状态机:业务单号作为幂等键,落库时唯一约束挡住重复创建;状态走「待支付 → 支付中 → 成功 / 失败」,第二次请求进来先读状态,若已是「支付中」就直接返回处理中让客户端轮询,而不是再发起一次扣款。并发进来时要靠分布式锁或数据库行锁把「检查状态 + 置为支付中」做成原子操作;对外部支付网关的调用要设超时(context deadline),超时后状态置为「未知」,由对账任务按商户单号去查真实结果,避免「我方以为失败、实际已扣款」的重复支付。

JWT 透传与 gRPC 拦截器。链路是:HTTP 网关校验一次令牌、把原始 JWT 放进 gRPC metadata(authorization: Bearer <token> 或只放 token);服务端一元拦截器在进入 handler 前从 metadata.FromIncomingContext 取出令牌,校验签名与算法(只允许预期算法,挡住 alg=none 与算法混淆)、过期时间、签发者,再用公钥或共享密钥验签,解析出 subject / 角色放进 context;业务 handler 只从 context 读身份,不自己解析。需要往下一跳传时,客户端拦截器把 context 里的令牌写回 metadata,注意不要重复加 Bearer 前缀、也不要无脑透传到外部不可信服务。

长调用链的日志。靠 trace/span:入口生成 trace id(或从上游取),每次跨进程调用把 trace id 与 span id 塞进 metadata,客户端与服务端拦截器负责注入与提取,日志里统一带 trace id 与当前 span,就能把一条链路串起来。服务端拦截器底层就是 gRPC 的 middleware 机制:grpc.UnaryServerInterceptor 是一个 func(ctx, req, info, handler) 形式的函数,拦截器链在注册时按顺序包一层,调用 handler(ctx, req) 继续向内,所以「进 handler 前」与「handler 返回后」都能插逻辑,正好用来打日志、计时、上报 metrics、做鉴权与限流;流式接口对应 StreamServerInterceptor,要在 RecvMsg / SendMsg 的包装里做。

panic 与 goroutine 隔离。Go 里 panic 只沿发起它的那个 goroutine 的调用栈展开,不会传播到别的 goroutine,所以 A 请求 panic 不会直接让 B 请求失败;但如果没有 recover,A 所在 goroutine 崩溃会让整个进程退出,进程一死所有请求都没了。服务端每请求一个 goroutine,handler 层用 defer + recover 兜住,把 panic 转成 500 并打印堆栈,其他请求照常处理;recover 只对当前 goroutine 有效,写在别的 goroutine 里的 defer 拦不住本 goroutine 的 panic,所以每个自行 go func() 的地方都要自带 recover、不能让它逃出去。

GMP 调度。G 是 goroutine(栈、指令位置、状态),M 是操作系统线程(真正执行代码的实体),P 是逻辑处理器(持有本地可运行队列与内存分配缓存,数量默认 GOMAXPROCS)。M 必须绑定 P 才能执行 G;本地队列空了会从全局队列取,或从其他 P 的本地队列偷一半(work stealing);遇到阻塞系统调用时 M 会与 P 解绑,P 交给其他 M 继续跑,阻塞返回后 G 重新排队。channel 操作、mutex、syscall 等会让 G 让出;网络 IO 靠 netpoller 唤醒,不占一个线程空转。所以 goroutine 的创建成本远低于线程(初始栈 2KB,按需增长),但也因此不能把「一个 goroutine 一个数据库连接」这种设计随意堆量。

slice 与 map 的传递。Go 只有值传递。slice 是一个三字段的描述符(指针、长度、容量),传参复制的是描述符:函数内修改已有元素会影响调用方(共享底层数组),但 append 导致扩容后只改本地描述符,调用方看不到新长度;想在函数内改长度要传 *[]T 或返回新切片。map 是「指向 hmap 的指针」,传参复制的就是这个指针,所以增删改都作用在同一份数据上;但 map 不能原地替换成另一个 map,重新赋值同样只改本地变量。

make 与 new。new(T) 分配一块 T 的零值内存并返回 *T,只做分配、不做初始化;make 只用于 slice / map / channel,返回的是类型本身(不是指针),并完成内部结构初始化(slice 的长度容量、map 的桶、channel 的缓冲区)。所以 *new([]int) 是一个指向 nil 切片的指针,而 make([]int, 3) 是一个长度为 3 的切片。

nil 与已关闭 channel。往 nil channel 收发都会永久阻塞(select 里这一支永远不选中,可用来动态关掉某个分支);向已关闭的 channel 发送会 panic(send on closed channel),从已关闭的 channel 接收不会阻塞,会立刻拿到剩余缓冲数据,取完后一直返回零值与 ok=false。所以关闭 channel 只能由发送方做,且要保证没有其他发送者;多个发送者时用 sync.Once 或单独的关闭信号 channel。

select 加 default。不一定永不阻塞:select 在所有 case 都不可达时才走 default;加了 default 后,如果没有 case 就绪会立刻执行 default 而不是等待,所以在「轮询 + 非阻塞尝试」时表现为不阻塞。但如果某个 case 已经就绪(缓冲 channel 有数据、有 goroutine 在等),仍然会执行那个 case,甚至可能在多个就绪 case 中随机选一个。要真正不阻塞地尝试发送用 select { case ch <- v: default: },注意它可能丢消息。

error 比较。优先用 errors.Is 判断「是不是某个哨兵错误」(它沿 Unwrap 链逐层比对,包装过的错误也能命中),用 errors.As 取出具体类型再读字段;直接 == 只对同一个错误值或未包装的哨兵错误成立,fmt.Errorf("%w") 包装之后 == 就失效了。不要用字符串比较判断错误类型;自定义错误要实现 Is / As 时注意 nil 与指针接收者的语义。

长循环里 defer 关闭文件。defer 是压进当前函数的 defer 栈,函数返回时才按后进先出执行,所以在循环里写 defer f.Close() 会让所有文件句柄一直开到这个函数结束,长循环直接耗尽文件描述符,后续 Open 报 too many open files。正确做法是把「打开 → 处理 → 关闭」收进一个函数(或用闭包 / 匿名函数)让 defer 在每轮结束时执行,或者显式 Close 并检查错误。

负载均衡算法。轮询与加权轮询(按权重平滑调度,如平滑加权轮询避免突发)、随机与加权随机、最少连接 / 最少请求(按当前负载选最闲的,需要实时统计)、一致性哈希(同一 key 固定落到同一节点,节点增减只影响邻近区间,配虚拟节点摊平)、最快响应时间(按 RT 或 EWMA 动态选)、以及带健康检查与熔断的复合策略。服务端侧的「负载均衡」还包括客户端侧的服务发现 + 本地负载均衡,配合重试要注意别把重试打到已过载的节点上。

token 计费的小数精度。金额与单价都不能用 float64:二进制浮点无法精确表示 0.1 这类十进制小数,7、8 位小数相乘累加后误差会累积到分位,对账就对不上。做法是整数化——把单价按最小计价单位(如 1e-8 美元或「厘」)存成整数,token 数也是整数,乘法用 int64 或 big.Int(超出 64 位时),只在展示时做一次除法与四舍五入;Go 里可以用 decimal 库(定点十进制)或直接把 1e-8 单位当整数记账。累计时避免「每笔先四舍五入再求和」,应保留高精度累加、结算时统一取整,否则大量小额请求会系统性地少算或多算。