杭州有赞Java一面面经
《面试题目》
- 请你总结一下自己负责的工作，包括你在项目中承担的角色、对负责模块 / 整个系统的理解；给不了解系统的人，介绍下你做的产品 / 系统是什么、解决什么问题、核心架构是怎样的。
- 你做的分布式链路异步化改造，背景是什么？为什么要做？你是怎么落地的？
- 这次异步化改造后，提升了系统的扩展性与容错能力，容错能力主要体现在哪些方面？
- 失败重试 / MQ 重试，会不会导致多发券？你怎么保证不重发、不多发券？
- 你做的营销模块高并发优化，解决了什么核心问题？为什么要做这个优化？
- 你是怎么解决单用户优惠券超领问题的？
- 你是怎么解决高并发下优惠券库存超发为负数的问题的？
- 高并发场景下，用这个乐观锁方案会不会有性能问题？为什么？如果并发量持续上涨，如何优化？
- 你在项目中有没有遇到过性能瓶颈 / 做过压测与性能优化实践？具体是什么场景，遇到了什么问题，怎么解决的？
- 请分享一下你的 AI 相关实践，包括你对 AI 的使用、好用的工具 / 方法，怎么用 AI 能达到更好的效果？
《参考解析》
关于MQ重试与防幂等（第4题）： 核心是实现接口幂等性。可采用“全局唯一ID+Redis记录”或“数据库唯一索引”方案。在发券前判断流水号是否存在，确保即便MQ重复投递，逻辑也只执行一次。
关于高并发库存超发（第7题）：
常用方案包括：1. 数据库层面利用 UPDATE table SET stock = stock - 1 WHERE id = ? AND stock > 0 保证原子性；2. Redis原子递减（Lua脚本），将库存预热至Redis，抗住高并发流量。
关于乐观锁性能瓶颈（第8题）： 乐观锁在高并发竞争激烈时会导致大量重试，CPU消耗高。优化方案：1. 分段锁（将库存拆分到多个记录）；2. 引入限流降级措施；3. 将库存扣减逻辑由数据库同步转为Redis异步削峰填谷。
关于系统异步化改造（第2-3题）： 核心是提升响应速度与解耦。容错性体现在：通过MQ实现失败重试和死信队列处理，避免因下游服务抖动导致主业务流程失败，增强了系统应对突发流量的稳定性。