面灵AI→

清程极智一面:HTTP 服务怎么判断压到极限、K8s 扩容看什么指标、RPC 与 Protobuf 怎么管

轮次
一面
时间
2026-11
来源
牛客网

《面试题目》

项目与线程池

  1. 请先做一个简短的自我介绍。
  2. 你最近做的两个项目都一段时间没更新了,可以先介绍一下比较近的项目吗?
  3. 这个项目实现了什么服务?你主要做了哪些工作?
  4. 线程池中的任务是如何通知和同步的?为什么选择这种方案?

HTTP 服务器与性能压测

  1. 你怎么判断这个服务已经达到性能极限?
  2. 怎么判断 CPU 利用率已经打满,还是请求开始排队?
  3. 如果部署在 K8s 上,遇到短时间流量高峰,你会怎么配置横向扩展策略?
  4. 你了解 K8s 场景下的横向扩展吗?有哪些实践经验?
  5. 业务增长时,判断是否需要扩容的关键指标是什么?
  6. 如果有三个实例,怎么判断应该扩到六个,还是缩到两个或一个?
  7. CPU 利用率很高,但其他资源指标比较低,可能是什么原因?
  8. CPU 利用率比较低,但压测时请求大量失败或排队,应该怎么排查?

Redis、RPC 与 Protobuf

  1. 你了解 Redis 吗?用过什么场景?
  2. 你知道 Redis 数据更新和过期的机制吗?
  3. 你做 RPC 框架的主要目的是什么?它解决什么问题?
  4. 团队里应该如何维护 Protobuf 文件和字段?
  5. 多人同时修改 Protobuf 时,如何避免字段编号冲突?

ZooKeeper

  1. ZooKeeper 在你的项目里负责什么?实现了哪些功能?
  2. 为什么选择 ZooKeeper?它的树形结构如何对应你的服务和方法?
  3. 你了解 ZooKeeper 底层的原子广播协议吗?
  4. 注册中心存在单点故障风险时,应该如何设计和维护?
  5. 如果部署三节点或五节点集群,节点故障时如何保证服务?

《参考解析》

线程池任务的通知与同步:常见三种模型——提交后返回 future,调用方阻塞等待(condition_variable + 完成标志,简单但占线程);回调 / 完成队列(worker 执行完把结果推进无锁队列,由 IO 线程统一收割,适合事件驱动);协程或 Promise(把等待变成挂起,不占线程)。选择依据是「谁在等、等多久、并发量多大」:高并发短任务用回调或协程避免线程膨胀,低并发或需要顺序语义时用 future 更直观。要说明同步原语的选择(mutex + condvar 的惊群、无锁队列的 ABA、内存序)。

怎么判断到了性能极限:先定义指标——吞吐(QPS)、延迟分位(P50/P95/P99)、错误率、资源利用率(CPU、内存、网络、磁盘 IO)。做阶梯加压,画「并发数—QPS—P99」曲线:QPS 不再随并发上升、P99 开始陡增、错误率抬头,三者同时出现的拐点就是容量上限。单看 CPU 不够,还要看是否已排队(runqueue 长度、load average、CPU 的 steal、线程池队列长度)。

CPU 打满还是请求排队:CPU 打满看 us(用户态)与 sy(内核态)是否长期接近 100%、runqueue 是否大于核数、上下文切换是否暴涨;请求排队看线程池活跃线程与队列长度、连接等待数、P99 是否在 CPU 未满时就已升高(说明瓶颈在别处,如锁竞争、下游、GC)。工具上 top/pidstat、vmstat、perf、eBPF 火焰图能区分「算得慢」与「等得久」。

K8s 横向扩容:HPA 按指标扩副本,最常用 CPU / 内存利用率,进阶用自定义指标(QPS、队列长度、延迟)或外部指标(消息积压)。配置要点:minReplicas/maxReplicas、目标利用率(CPU 60%~70% 留缓冲)、behavior 里的扩容与缩容窗口(扩容要快、缩容要慢,避免抖动)、scaleUp 每次最多加多少。局限是 HPA 只能扩副本,扩不了单机容量;冷启动慢的服务要配预热与就绪探针,或提前扩容(cron 定时)。集群层面还有 Cluster Autoscaler 负责加节点,扩容链路要端到端打通。

三个实例扩到六个还是缩到一两个:看「单实例容量 × 副本数」与「流量曲线 + 冗余要求」。先算出单实例在目标 P99 下的安全 QPS,再用当前峰值除以它得到所需副本数,向上取整并留一个冗余(N+1)。缩容要满足两个条件:缩后单实例负载仍在安全线内、且缩容窗口内不会因流量波动触发再次扩容。还要考虑最小副本数(高可用至少 2)、发布时的滚动更新余量、以及有状态服务的分片约束。

CPU 高但其他指标低:典型是「算得太多」——死循环或忙等(自旋锁、轮询)、正则回溯、序列化/压缩、加密、GC 线程占 CPU(此时看 GC 日志与堆)、频繁系统调用或上下文切换(sy 高)、日志同步刷盘、容器 CPU limit 导致的 throttling(cpu.stat 里的 nr_throttled)。排查顺序是火焰图看热点函数,再看是否被限流、是否有锁自旋。

CPU 低但大量失败或排队:说明瓶颈不在计算,而在「等待」或「拒绝」。可能原因:连接数或文件描述符耗尽(ulimit、TIME_WAIT 堆积)、线程池队列满触发拒绝、下游依赖超时(数据库连接池耗尽、RPC 超时)、锁竞争导致线程挂起、DNS 解析慢、网络丢包与重传、容器内存 limit 触发 OOMKill。排查用「分层看指标 + 抓包 + 日志错误码」,别只盯 CPU。

Redis 的更新与过期:更新是单线程顺序执行命令,SET 覆盖旧值;过期策略是「惰性删除 + 定期删除」——访问时检查过期时间,后台每秒若干次随机抽样删除,因此过期键不保证立刻释放内存。淘汰策略 maxmemory-policy 决定内存满时怎么处理(allkeys-lru、volatile-lru、allkeys-lfu、noeviction 等)。持久化有 RDB 快照与 AOF 日志(appendfsync 三档),主从复制是异步的,故障切换可能丢少量数据。

RPC 框架解决什么:把「跨进程调用」伪装成本地方法调用,统一处理序列化、网络传输、服务发现、负载均衡、超时重试、熔断限流、链路追踪。自研的目的通常是「可控」——协议与序列化可定制、能嵌进现有治理体系、减少对重量级框架的依赖;代价是要自己维护兼容性、可观测性与多语言支持。回答时要说清「哪些是自研的、哪些复用了现成组件」。

Protobuf 的维护:字段编号一旦发布就不能改、不能复用(删掉的编号要 reserved),新增字段用新编号并保证向后兼容(老客户端忽略未知字段);不要改字段类型(除非兼容的类型变更);用独立的 proto 仓库或目录 + CI 做 breaking change 检查(buf breaking);版本化包名(v1、v2);生成代码随构建产出,不手工改。多人协作时按文件或服务划分 owner,编号段按模块预分配,冲突在 CI 阶段就拦下。

ZooKeeper 的定位与树形结构:ZK 提供强一致的分布式协调能力——临时节点做服务注册(会话断开自动删除)、顺序节点做队列与选主、Watcher 做变更通知、分布式锁与配置管理。树形路径可以设计成 /service/{serviceName}/{instanceId},方法级可以用 /service/{service}/{method}/{provider},但要注意节点数量与 Watcher 风暴。ZK 不适合存大量数据(每个节点建议小于 1MB),也不适合高频写。

原子广播(ZAB):ZAB 分两个阶段——崩溃恢复(选主,保证已提交事务不丢)与消息广播(Leader 收到写请求生成事务提案,广播给 Follower,超过半数 ACK 后提交并通知)。它保证顺序性与线性一致性写,读可以从 Follower 读(可能读到旧数据,需要 sync)。与 Raft 的区别是 ZAB 偏「主备 + 广播」,Raft 的日志复制与选主更统一,工程上两者解决的问题高度重叠。

注册中心的单点故障:客户端侧要缓存服务列表(本地快照)并支持「注册中心不可用时继续用旧列表」,避免整体不可用;服务端部署奇数节点(3 或 5)组成 quorum,容忍 (n-1)/2 个节点故障;跨机房部署要考虑脑裂与延迟,用 observer 节点扩展读能力;配合健康检查与摘除(临时节点 + 心跳),以及变更通知的兜底轮询。三节点挂一个仍可写(2/3 多数),挂两个则只读不可写;五节点容忍两个。要点是「注册中心挂了不能导致业务挂」,所以客户端容错比集群规模更重要。