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
- 请先做一个简短的自我介绍。
- 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?
- 这个项目实现了什么服务?你主要做了哪些工作?
- 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
- 你怎么判断这个服务已经达到性能极限?
- 怎么判断 CPU 利用率已经打满,还是请求开始排队?
- 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?
- 你了解 K8s 场景下的横向扩展吗?有哪些实践经验?
- 业务增长时,判断是否需要扩容的关键指标是什么?
- 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?
- CPU 利用率很高,但其他资源指标比较低,可能是什么原因?
- 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
- 你了解 Redis 吗?用过什么场景?
- 你知道 Redis 数据更新和过期的机制吗?
- 你做 RPC 框架的主要目的是什么?它解决什么问题?
- 团队里应该如何维护 Protobuf 文件和字段?
- 多人同时修改 Protobuf 时,如何避免字段编号冲突?
ZooKeeper
- ZooKeeper 在你的项目里负责什么?实现了哪些功能?
- 为什么选择 ZooKeeper?它的树形结构如何对应你的服务和方法?
- 你了解 ZooKeeper 底层的原子广播协议吗?
- 注册中心存在单点故障风险时,应该如何设计和维护?
- 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。