场景题

⋯
  • 用Redis集群存储核心数据,以商品ID为key,库存数量为value。

  • 同时缓存商品静态信息,减少数据库查询。

  • 库存扣减使用Lua脚本,确保原子操作。

  • 设置库存售罄标记 sold_out:商品ID。

  • 秒杀结束后,通过异步任务将最终库存同步到数据库。

  • 限流:前端限流,比如按键置灰,nginx限流,令牌桶或漏桶算法;

  • 消息队列:削峰填谷;

  • 流量控制:限流、消息队列削峰填谷;

  • 缓存预热:提前存到缓存里面,减少查数据库次数;

  • 库存扣减原子化:redis缓存+lua脚本防超卖,实现库存的原子性扣减;

  • 分层架构:静态资源通过CDN加速,页面静态化,减少动态请求。

  • 应用层:业务逻辑处理,使用本地缓存Caffeine缓存热点商品信息,执行用户级别限流。

  • 缓存层:Redis集群预存库存,并提供原子扣减操作。

  • 消息队列:削峰填谷,将订单创建异步化,保护数据库。

  • 数据库层:MySQL主从架构,库存表使用乐观锁或行锁保证最终一致性,订单表设置唯一索引。

核心:

  1. 缓存预热:秒杀开始前将商品库存加载到Redis。

  2. 库存预扣减(Redis原子操作):使用Lua脚本判断库存>0并执行DECR,同时记录用户已抢标记SET NX。若成功则返回“排队中”并发送MQ消息,否则返回“已售罄”。

  3. 异步订单处理:消费者从MQ拉取消息,生成订单并执行数据库最终库存扣减。若失败则回滚Redis库存。

如何防止超卖:

  • 前端限流:按钮置灰、验证码

  • 用户级限流:Redis记录用户请求频率,防止单用户高频刷单。

  • Redis预扣减:使用Lua脚本原子性地检查并扣减库存

  • 数据库乐观锁:更新库存时使用行锁或带版本号的乐观锁,确保最终扣减不超过实际库存。

  • 订单唯一索引:订单表设置用户+商品的联合唯一索引,防止同一用户重复下单。

  • 消息队列异步处理:通过MQ削峰,消费者单线程处理,避免数据库并发冲突。

  • 补偿机制:若数据库扣减失败,通过消息或定时任务回滚Redis库存,保证最终一致性。

  • 水平扩展:增加服务实例,负载均衡分发流量。

  • 缓存优化:引入多级缓存本地Caffeine + Redis,减少数据库压力。

  • 数据库优化:索引优化、读写分离、分库分表、使用NoSQL替代复杂查询。

  • 异步化:将非核心流程比如说日志、统计之类的啊,改为消息队列异步处理。

  • 代码优化:减少循环、并行流、池化技术、JVM调优。

  • CDN加速:静态资源CDN,减少后端带宽。

  1. 分析监控:CPU、内存、DB连接数、慢SQL、GC情况。

  2. 优化数据库:加索引、SQL重写、分库分表、读写分离。

  3. 引入缓存:热点数据(商品信息)缓存到Redis。

  4. 异步解耦:订单创建后,后续处理(库存、物流)用MQ异步执行。

  5. 限流降级:Sentinel或Hystrix保护系统,超时快速失败。

  6. 扩容:增加应用实例和DB从库。

  7. 线程池调优:调整核心线程数、队列大小,避免任务堆积。

  • 覆盖索引:只查询索引字段,再根据id回表:SELECT * FROM user INNER JOIN (SELECT id FROM user ORDER BY id LIMIT 100000,10) AS tmp ON user.id=tmp.id。

  • 子查询优化:先查出起始id:SELECT * FROM user WHERE id >= (SELECT id FROM user ORDER BY id LIMIT 100000,1) ORDER BY id LIMIT 10。

  • 禁用深分页:业务上限制最多查看前100页,或使用搜索引擎(Elasticsearch)的 search_after。

接口 QPS 突增 10 倍怎么优化?

  1. 加缓存,减少 DB 访问。

  2. 异步化:非核心逻辑丢 MQ 异步处理。

  3. 扩容服务器,集群部署。

  4. 接口限流、熔断、降级,保护核心链路。

  5. DB 读写分离、分库分表,加索引优化 SQL。

  6. 静态资源放 CDN,网关层做缓存。

CPU 100%或者出现OOM 怎么排查?

CPU 100%

  1. top 找到高 CPU 进程

  2. printf %x 转线程 ID

  3. jstack 查线程栈,定位死循环、频繁 GC、锁竞争

OOM

  1. 开启 -XX:+HeapDumpOnOutOfMemoryError

  2. MAT 分析 dump,看大对象、内存泄漏

  3. 检查线程池、缓存、连接池是否无界增长

  1. 全局唯一ID:客户端生成请求ID(UUID),服务端通过Redis或数据库记录已处理ID,处理前检查SET NX,若存在则拒绝。

  2. 数据库唯一约束:订单号设为唯一索引

  3. 状态机:订单状态流转,只有待支付状态才能扣款,避免重复处理。

  4. 去重表:建立一个去重表,利用主键或唯一索引防重。

  5. 分布式锁:使用Redis或ZooKeeper对业务key加锁,保证同一时刻只有一个请求处理。

  6. Token机制:下单前先获取token,下单时携带并删除token,保证一次有效。

  • 原子性:使用 SET key value NX PX 30000 同时设置锁和过期时间。

  • 唯一标识:value设为请求唯一ID,解锁时校验,防止误删其他线程的锁。

  • 锁续期:使用Redisson的看门狗机制,定时续期防止业务未完成锁过期。

  • 可重入:记录线程持有次数,可用ThreadLocal+Redis hash实现。

注意点:

  • 过期时间需大于业务执行时间,否则需续期。

  • 解锁使用Lua脚本保证原子性。

  • 避免死锁:设置过期时间。

  • 性能:避免大key,减少网络开销。

  • UUID:简单,但无序、太长,不适合做数据库主键。

  • 数据库自增:使用数据库自增ID,但单点性能瓶颈,可设步长实现多实例。

  • Redis INCR:基于Redis原子自增,性能高,但需考虑持久化。

  • 雪花算法Snowflake:64位长整型,由时间戳(41位)+机器ID(10位)+序列号(12位)组成。优点:趋势递增、高性能。需解决时钟回拨问题(等待或记录上次时间戳)。

  • 美团Leaf:基于雪花算法和数据库号段模式,提供高可用。

如何设计一个短链系统(短网址服务)

  1. 发号器:生成唯一短码。可用自增ID(数据库)或哈希(MD5截取,需处理冲突)。

  2. 存储:使用Redis做缓存(key=短码,value=长链接),持久化到MySQL。

  3. 重定向:访问短链接时,查Redis,若不存在则查DB,返回302或301跳转长链接。

  4. 防攻击:限流、黑名单、验证码。

  5. 统计:记录点击次数、IP、时间等,异步写入消息队列。

  6. 过期:设置过期时间,定时清理。

  1. 请求携带唯一流水号(订单号+请求序列),服务端用Redis的 SET NX 记录该流水号,若已存在则拒绝。

  2. 数据库订单表增加唯一约束(支付流水号),重复插入会报错,事务回滚。

  3. 使用分布式锁:对订单ID加锁,处理完释放。

  4. 状态机:订单状态从“待支付”到“支付中”到“已支付”,更新时加乐观锁(update order set status='PAID' where id=xx and status='PENDING')。

  1. 查询条件未遵循最左前缀(只查b或c)。

  2. 使用范围查询(>、<、between)后,后续列索引失效(如 a>10 and b=5,b不会走索引)。

  3. 对索引列使用函数或计算。

  4. 隐式类型转换(如字符串字段查数字)。

  5. LIKE以通配符开头(%abc)。

  6. OR条件中有非索引列。

  7. 数据分布:优化器认为全表扫描比索引更快(表中大部分数据满足条件)。

  1. 异步化:使用 CompletableFuture.supplyAsync 将调用放入独立线程池,避免阻塞主线程。

  2. 线程池隔离:为外部接口单独创建线程池,设置最大线程数、队列大小,防止耗尽容器线程。

  3. 超时设置:HTTP客户端设置连接超时、读取超时(如2秒)。

  4. 熔断降级:使用Sentinel或Hystrix,当失败率达到阈值时快速失败,返回默认值。

  5. 缓存:对非实时数据缓存结果。

  6. 重试机制:设置重试次数,但需配合幂等和退避策略。

  7. 限流:限制对第三方接口的访问频率。

在MySQL中,对字段(name, school)建立唯一联合索引与普通联合索引相比,普通联合索引的写入效率更高。原因在于:

  • 唯一索引在每次插入或更新时,需要额外检查唯一性约束,即判断是否存在相同键值的记录。这通常涉及一次索引查找操作,可能还会引入锁(间隙锁)来防止幻读,增加了开销。

  • 普通索引则无需进行唯一性检查,只需直接插入或更新索引条目,因此写入速度更快。

  • 在并发写入场景下,唯一索引的检查还可能引发更多的锁竞争,进一步降低性能。

因此,从写入性能角度,普通联合索引优于唯一联合索引。但实际选择需结合业务需求如果字段组合必须唯一,则必须使用唯一索引以保证数据完整性,不能为了性能而牺牲正确性。

令牌桶:以固定速率向桶中放令牌,请求需获取令牌才能处理,桶满则丢弃令牌。可应对突发流量(桶内令牌积累)。

漏桶:以固定速率处理请求,请求进入桶中排队,桶满则丢弃。流量整形平滑。

实现:

  • 单机:Guava RateLimiter(令牌桶),基于内存。

  • 分布式:Redis + Lua脚本,存储桶状态(令牌数、最后更新时间),保证原子性。

区别:

  • 单机限流:仅针对单个实例,无法控制集群总流量,容易因负载不均导致局部超限。

  • 分布式限流:所有实例共享限流状态,精确控制集群总QPS,但依赖Redis等中心存储,有网络延迟和单点风险(可集群化)。实现复杂,需考虑时钟同步和原子性。

复盘手记

搜索笔记

输入关键词,搜索所有主题与问答。