謝飛機(jī)面試大廠Java崗從音視頻到AI大模型一場“水”與“火”的較量面試官端坐在會(huì)議室里面前放著一臺(tái)筆記本電腦屏幕上已經(jīng)打開了在線面試系統(tǒng)。他抬眼看了看走進(jìn)來的年輕人——謝飛機(jī)穿著一件印著“Hello World”的T恤背著一個(gè)雙肩包看起來還算精神。但面試官隱約感到這位求職者可能不簡單?！罢堊x飛機(jī)同學(xué)。我們開始吧先做一下自我介紹”面試官語氣平淡但眼神犀利?！懊嬖嚬倌梦医兄x飛機(jī)三年Java開發(fā)經(jīng)驗(yàn)熟悉Spring全家桶會(huì)用Redis緩存也會(huì)寫點(diǎn)JUnit測試平時(shí)喜歡研究JVM調(diào)優(yōu)比如-Xmx和-XX:UseG1GC這些參數(shù)我都能背出來?！敝x飛機(jī)搓了搓手自信滿滿。面試官點(diǎn)點(diǎn)頭翻開簡歷開始了第一輪提問。第一輪音視頻場景下的基礎(chǔ)功“既然你提到熟悉Spring全家桶那我們結(jié)合一個(gè)實(shí)際業(yè)務(wù)場景比如一個(gè)短視頻App用戶上傳視頻后需要轉(zhuǎn)碼、生成縮略圖還要支持彈幕實(shí)時(shí)推送。你會(huì)怎么設(shè)計(jì)后端技術(shù)架構(gòu)”面試官拋出了問題。謝飛機(jī)心想這還不簡單我背過八股文?！斑@個(gè)嘛首先用Spring Boot搭個(gè)服務(wù)然后接收上傳用線程池異步處理。轉(zhuǎn)碼的話可以用FFmpeg不過我是Java工程師一般調(diào)用命令行。生成縮略圖可以用Java的ImageIO。彈幕推送嘛用WebSocket就行Spring支持得特別好?！敝x飛機(jī)回答得很流暢。面試官追問“那如果上傳量特別大比如像抖音那樣每秒有幾千個(gè)視頻上傳你的線程池和單機(jī)服務(wù)扛得住嗎你考慮過消息隊(duì)列削峰嗎還有視頻轉(zhuǎn)碼是個(gè)CPU密集任務(wù)你怎么做資源隔離”謝飛機(jī)愣住了支支吾吾“啊……這個(gè)……消息隊(duì)列我聽說過Kafka但自己沒真正在線上用過。不過我知道Kafka是分布式消息隊(duì)列吞吐量特別高資源隔離的話……Docker容器算不算”面試官微微皺眉又問“那么視頻轉(zhuǎn)碼完成后用戶要知道狀態(tài)。你打算怎么通知客戶端是輪詢還是長連接”“用……用WebSocket剛才說了可以推給用戶。”謝飛機(jī)趕緊答道。面試官不置可否繼續(xù)問“那如果轉(zhuǎn)碼失敗需要重試。你怎么保證消息不丟失Kafka的ack機(jī)制和offset提交你了解嗎”謝飛機(jī)額頭冒汗“呃……這個(gè)……我大概知道Kafka有ackall能保證不丟但具體怎么配置我得查一下文檔。offset……是消費(fèi)的位置吧我一般是自動(dòng)提交的?！泵嬖嚬俪聊藥酌霌Q了個(gè)問題“那緩存方面視頻的元信息、點(diǎn)贊數(shù)這些熱點(diǎn)數(shù)據(jù)你會(huì)怎么設(shè)計(jì)緩存Redis具體用什么數(shù)據(jù)結(jié)構(gòu)”謝飛機(jī)稍稍松了口氣“Redis用String存點(diǎn)贊數(shù)用Hash存視頻元信息。過期時(shí)間可以設(shè)置成熱點(diǎn)視頻永久不過期普通視頻24小時(shí)。用Spring Cache的Cacheable注解非常方便?！泵嬖嚬僮穯枴澳蔷彺娲┩?、擊穿、雪崩你分別怎么解決”謝飛機(jī)終于來了精神“緩存穿透用布隆過濾器緩存擊穿用互斥鎖或者邏輯過期緩存雪崩就是加隨機(jī)過期時(shí)間還有限流降級。這個(gè)我熟”他差點(diǎn)把“九陽真經(jīng)”背出來。面試官點(diǎn)點(diǎn)頭但沒夸他而是問了一個(gè)更實(shí)際的問題“好那如果Redis集群中某個(gè)節(jié)點(diǎn)掛了主從切換時(shí)數(shù)據(jù)會(huì)不會(huì)丟你怎么配置Redisson的分布式鎖”“這個(gè)……”謝飛機(jī)卡殼了“主從切換……可能會(huì)丟一點(diǎn)數(shù)據(jù)因?yàn)楫惒綇?fù)制。但Redisson鎖默認(rèn)是用的看門狗續(xù)期嗯……只要設(shè)置他的主從節(jié)點(diǎn)都加鎖就不會(huì)有點(diǎn)問題但我不太記得具體API了?！泵嬖嚬倏戳丝磿r(shí)間說“第一輪先到這里。我們進(jìn)入第二輪。”謝飛機(jī)擦了擦汗心想這面試官怎么總問細(xì)節(jié)我那些模板答案怎么不管用了第二輪電商與本地生活服務(wù)的微服務(wù)挑戰(zhàn)面試官調(diào)整了一下坐姿說道“我們公司除了音視頻還有電商和本地生活業(yè)務(wù)。假設(shè)你現(xiàn)在要做一個(gè)外賣下單系統(tǒng)涉及訂單服務(wù)、庫存服務(wù)、優(yōu)惠券服務(wù)、支付服務(wù)。你如何做微服務(wù)拆分服務(wù)間怎么通信”謝飛機(jī)這次學(xué)乖了先想了想“用Spring Cloud Alibaba服務(wù)發(fā)現(xiàn)用Nacos服務(wù)間用OpenFeign。每個(gè)服務(wù)獨(dú)立數(shù)據(jù)庫用Seata處理分布式事務(wù)。”他偷偷看了一眼面試官的臉色好像沒剛才那么嚴(yán)肅了?！班潘悸窙]錯(cuò)。那如果用戶下單時(shí)先扣庫存再減優(yōu)惠券最后創(chuàng)建訂單但支付環(huán)節(jié)超時(shí)了庫存已經(jīng)扣了怎么辦”面試官追問?！斑@個(gè)……可以用本地消息表就是先在一個(gè)事務(wù)里更新庫存和寫消息表然后通過消息隊(duì)列通知其他服務(wù)。或者用Seata的Saga模式補(bǔ)償性事務(wù)?！敝x飛機(jī)記得這些名詞但解釋起來有點(diǎn)亂。面試官?zèng)]有深究接著問“那高并發(fā)下比如秒殺活動(dòng)瞬間有十萬用戶搶購。你的訂單服務(wù)和庫存服務(wù)怎么扛限流怎么做”謝飛機(jī)來了勁“用Redis預(yù)減庫存先把庫存加載到Redis里請求先走Redis判斷是否還有庫存有的話再異步發(fā)送消息到Kafka然后由訂單服務(wù)消費(fèi)創(chuàng)建訂單。限流可以用Sentinel或者Resilience4j支持滑動(dòng)窗口、令牌桶算法?！薄澳荢entinel的限流和熔斷規(guī)則你具體配置過嗎FlowRule和DegradeRule的參數(shù)怎么設(shè)”“呃……我一般是在控制臺(tái)配的那比如設(shè)置QPS每秒100超了直接拒絕。熔斷就是錯(cuò)誤率超過50%主動(dòng)降級?！泵嬖嚬偎坪趺銖?qiáng)接受繼續(xù)問“支付結(jié)果通知是異步回調(diào)。你怎么保證冪等性”“冪等性……用唯一訂單號做唯一索引回調(diào)的時(shí)候先查一下狀態(tài)如果已經(jīng)是已支付就不處理?；蛘哂肦edis的SETNX鎖設(shè)置一個(gè)處理中標(biāo)記?！薄澳侨f一回調(diào)重復(fù)發(fā)送第一個(gè)請求處理到一半第二個(gè)請求也進(jìn)來了怎么辦你用的是數(shù)據(jù)庫唯一約束還是Redis鎖如果Redis鎖過期了呢”面試官連環(huán)追問。謝飛機(jī)有點(diǎn)暈“那……我就用數(shù)據(jù)庫唯一約束插入一個(gè)支付流水如果主鍵沖突就說明已經(jīng)處理過了。Redis鎖過期就在續(xù)期用Redisson的看門狗……但具體源碼我沒深入。”面試官不置可否轉(zhuǎn)個(gè)方向“我注意到安全方面你們的支付服務(wù)怎么簽名的OAuth2和JWT分別用在什么場景”“JWT是無狀態(tài)token用在登錄認(rèn)證。OAuth2是授權(quán)框架第三方登錄用比如微信登錄就是OAuth2。簽名的話我們是用MD5加鹽或者RSA私鑰簽名然后對方用公鑰驗(yàn)簽?！敝x飛機(jī)這次回答總算沒太跑偏。面試官終于點(diǎn)了點(diǎn)頭“嗯JWT和OAuth2的區(qū)別你說得大致對。那Spring Security的過濾器鏈你用過嗎比如在網(wǎng)關(guān)層的Token校驗(yàn)怎么實(shí)現(xiàn)”謝飛機(jī)遲疑了幾秒說“Spring Security的過濾器鏈……我大概知道有UsernamePasswordAuthenticationFilter、JwtAuthenticationFilter這些但讓我自己寫一個(gè)我可能需要查一下。網(wǎng)關(guān)用的Spring Cloud Gateway可以寫GlobalFilter去校驗(yàn)token。”面試官說“行那我們就最后一輪吧。”謝飛機(jī)心里一緊還有一輪第三輪AIGC與智能推薦——面試官終于露出了獠牙“你已經(jīng)扛過兩輪了。最后一輪結(jié)合當(dāng)前熱點(diǎn)我們做AIGC內(nèi)容社區(qū)。用戶輸入一段文字后端調(diào)用大模型生成圖片同時(shí)根據(jù)用戶行為做個(gè)性化推薦。你的技術(shù)選型”面試官眼神中閃過一絲興奮。謝飛機(jī)深吸了一口氣“這個(gè)我了解最近很火。大模型調(diào)用可以用OpenAI的API或者用HuggingFace的模型。Java的話調(diào)用Python服務(wù)可以用gRPC或者HTTP接口。推薦的話……用協(xié)同過濾算法但我沒實(shí)際寫過?！薄安豢紤]Python服務(wù)純Java生態(tài)。你了解Spring AI框架嗎或者LangChain4j如果不用這些你怎么實(shí)現(xiàn)和模型交互”面試官步步緊逼。“Spring AI哦好像是一個(gè)新項(xiàng)目。我沒實(shí)際用過不過我們知道它是用來對接OpenAI、Azure這些模型API的。LangChain4j也聽說但沒深入。純Java的話我可以直接用RestTemplate調(diào)用HTTP接口把prompt發(fā)過去然后接收生成的文本或圖片URL。”謝飛機(jī)勉強(qiáng)擠出幾句?！澳巧傻膱D片用戶可能會(huì)頻繁生成比如一天幾十次。這些數(shù)據(jù)量怎么存入數(shù)據(jù)庫圖片的元信息、模型參數(shù)、提示詞你如何設(shè)計(jì)表結(jié)構(gòu)如何做分庫分表”謝飛機(jī)有點(diǎn)崩潰“這個(gè)……我雖然知道分庫分表有ShardingSphere但沒真實(shí)搞過。就先用MySQL存然后加索引唄。如果量太大再用ES存”他自己都覺得不靠譜。面試官笑了笑“那內(nèi)容推薦怎么做比如用戶A收藏了一幅賽博朋克風(fēng)格的圖片用戶B也喜歡。你怎么在Redis里存儲(chǔ)他們的偏好然后推薦相似內(nèi)容”“可以……用Redis的Set存用戶偏好標(biāo)簽然后做交集找到相似用戶再推薦他們喜歡的圖片。用ZSet存圖片熱度按分?jǐn)?shù)排序。還可以用Caffeine做本地緩存減少Redis壓力?！敝x飛機(jī)居然說出了一個(gè)可行的思路。面試官追問“那把熱門圖片的詳情放Caffeine冷數(shù)據(jù)放Redis再底層內(nèi)存MySQL你如何保證Caffeine和Redis一致如果后臺(tái)更新了圖片怎么讓Caffeine失效”“用Spring Cache的CacheEvict在更新圖片后調(diào)用一下就會(huì)刪除緩存。Caffeine可以設(shè)置一個(gè)很短的過期時(shí)間比如幾秒這樣不一致窗口很小?！敝x飛機(jī)回答得倒是挺快。面試官點(diǎn)了點(diǎn)頭又拋出一個(gè)殺手锏“大模型生成的Prompt用戶可能輸入惡意文本。你需要做內(nèi)容安全過濾。你如何用Java實(shí)現(xiàn)一個(gè)敏感詞過濾如果調(diào)用第三方審核API超時(shí)了怎么辦熔斷降級怎么做”“敏感詞……用AC自動(dòng)機(jī)把敏感詞庫加載到內(nèi)存構(gòu)建Trie樹匹配效率是O(n)。如果第三方API超時(shí)我可以設(shè)置HttpClient的連接超時(shí)和讀取超時(shí)比如2秒如果超過就用Resilience4j的TimeLimiter和CircuitBreaker熔斷直接返回默認(rèn)審核結(jié)果或者人工審核?！泵嬖嚬俳K于露出了一點(diǎn)贊賞之色“你居然知道AC自動(dòng)機(jī)。那你能手寫一個(gè)嗎”謝飛機(jī)撓了撓頭“手寫……我只能寫個(gè)大概就是先建Trie樹然后失敗指針然后匹配。但具體代碼我記不全了?！泵嬖嚬傩α恕昂弥x飛機(jī)同學(xué)今天的面談就到這里吧。你的知識(shí)面還可以但很多技術(shù)細(xì)節(jié)掌握得不夠扎實(shí)。我們需要一個(gè)能深入原理、解決實(shí)際問題的工程師。你先回去等通知吧。”謝飛機(jī)站起來心想“果然是大廠問得真細(xì)。雖然我涼了但學(xué)到了不少?；厝サ冒袺afka和Redisson源碼啃一遍?！彼鲩T面試官又叫住他“對了你簡歷上寫的‘熟悉分布式事務(wù)’能說說Seata的AT模式具體怎么實(shí)現(xiàn)的嗎”謝飛機(jī)愣住了張了張嘴“那個(gè)……就是……通過全局事務(wù)管理器呃……生成前后鏡像然后……嘿嘿面試官您等著我回去一定把答案整理出來下次再來”面試官默默關(guān)閉了面試房間。附完整答案詳解——每一輪的技術(shù)點(diǎn)和業(yè)務(wù)場景梳理為了讓像謝飛機(jī)一樣的小白能真正學(xué)到東西我們把面試中的問題一一拆解結(jié)合業(yè)務(wù)場景給出清晰的答案。第一輪音視頻場景場景描述短視頻App用戶上傳視頻后端需要轉(zhuǎn)碼格式轉(zhuǎn)換、壓縮、生成縮略圖支持彈幕實(shí)時(shí)推送。涉及高并發(fā)上傳、異步處理、緩存熱點(diǎn)數(shù)據(jù)。問題1怎么設(shè)計(jì)后端技術(shù)架構(gòu)答案上傳服務(wù)使用Spring Boot構(gòu)建一個(gè)HTTP接口接收multipart文件但不要把大文件直接給后端。通常采用分片上傳斷點(diǎn)續(xù)傳客戶端把文件切成5MB左右的分片上傳完成后由服務(wù)端合并。分片信息存在Redis中比如用Hash記錄uploadId - 分片序號 - ETag。異步處理因?yàn)檗D(zhuǎn)碼是耗時(shí)任務(wù)收到完整文件后把轉(zhuǎn)碼任務(wù)包括視頻路徑、分辨率、碼率等參數(shù)發(fā)送到Kafka。Kafka的Topic可以叫video-transcode消費(fèi)者端部署獨(dú)立的轉(zhuǎn)碼服務(wù)可以單獨(dú)用Docker容器或K8s Pod資源與Web服務(wù)隔離。轉(zhuǎn)碼實(shí)現(xiàn)Java調(diào)用FFmpeg命令行或者構(gòu)建微服務(wù)用ProcessBuilder執(zhí)行ffmpeg -i input.mp4 -c:v libx264 -preset fast -b:v 2000k output.flv。生成縮略圖可以用FFmpeg的-ss 1 -vframes 1提取某一幀。彈幕推送使用WebSocketSpring Boot支持ServerEndpoint但在高并發(fā)下需要做集群解決連接會(huì)話在哪個(gè)節(jié)點(diǎn)的問題?？梢杂肦edis發(fā)布訂閱或Kafka將彈幕消息廣播到所有WebSocket節(jié)點(diǎn)的內(nèi)存隊(duì)列再推給連接在本節(jié)點(diǎn)的用戶。問題2上傳量大消息隊(duì)列有什么用如何資源隔離答案消息隊(duì)列削峰上傳請求先進(jìn)入網(wǎng)關(guān)寫入Kafka然后立即返回“上傳成功正在處理”。轉(zhuǎn)碼服務(wù)按自身消費(fèi)能力拉取消息即使瞬間產(chǎn)生十萬條轉(zhuǎn)碼請求也不會(huì)打垮轉(zhuǎn)碼服務(wù)。資源隔離Docker容器限制CPU和內(nèi)存比如--cpus2 --memory4g。Kubernetes里給轉(zhuǎn)碼服務(wù)設(shè)置resources.limits.cpu: 4。這樣Web服務(wù)堆積也不會(huì)影響轉(zhuǎn)碼服務(wù)反過來轉(zhuǎn)碼服務(wù)高負(fù)載也不會(huì)拖垮Web服務(wù)。問題3轉(zhuǎn)碼進(jìn)度如何通知客戶端答案推薦使用WebSocket主動(dòng)推送?？蛻舳私⑦B接時(shí)帶上videoId后端在轉(zhuǎn)碼的每個(gè)階段已上傳、轉(zhuǎn)碼中、轉(zhuǎn)碼成功、轉(zhuǎn)碼失敗通過WebSocket發(fā)送消息消息體包含狀態(tài)碼和進(jìn)度百分比。另外可以提供一個(gè)REST APIGET /videos/{id}/status供客戶端輪詢但輪詢有延遲且浪費(fèi)資源。優(yōu)先使用WebSocket若客戶端不支持則降級為輪詢。問題4Kafka消息不丟失ack和offset怎么配置答案生產(chǎn)者不丟消息設(shè)置acksall或者-1只有分區(qū)所有ISR副本都收到消息才返回成功。同時(shí)設(shè)置retries3和enable.idempotencetrue冪等性。消費(fèi)者不丟消息關(guān)閉自動(dòng)提交enable.auto.commitfalse在業(yè)務(wù)邏輯處理完成后手動(dòng)提交offset。比如消費(fèi)轉(zhuǎn)碼消息先執(zhí)行FFmpeg命令然后consumer.commitSync()。如果執(zhí)行失敗不提交offset下一條消息拉取時(shí)會(huì)重新消費(fèi)。Broker不丟消息復(fù)制因子replication.factor3min.insync.replicas2避免leader故障時(shí)數(shù)據(jù)丟失。問題5Redis緩存設(shè)計(jì)穿透、擊穿、雪崩答案緩存結(jié)構(gòu)視頻元信息用Hash存儲(chǔ)字段如video:123- {title, author, coverUrl, duration}。點(diǎn)贊數(shù)用String存整數(shù)字符串用Redis的INCR/DECR操作。也可以把點(diǎn)贊數(shù)寫成video:likes:123。緩存穿透查詢一個(gè)不存在的videoId緩存和數(shù)據(jù)庫都沒有。解決布隆過濾器把所有存在的videoId提前放入或緩存空值設(shè)置短過期時(shí)間如5分鐘。緩存擊穿某個(gè)熱點(diǎn)視頻過期大量請求同時(shí)打到數(shù)據(jù)庫。解決互斥鎖SET lock:video:123 NX EX 10、熱點(diǎn)數(shù)據(jù)邏輯過期在value中設(shè)置邏輯過期時(shí)間異步刷新。緩存雪崩大量key同時(shí)過期。解決過期時(shí)間加隨機(jī)數(shù)比如300~600秒之間或使用多級緩存本地緩存Redis或?qū)?shù)據(jù)庫限流降級。問題6Redis集群主從切換數(shù)據(jù)丟失Redisson分布式鎖如何設(shè)置答案主從切換丟數(shù)據(jù)問題在Redis主從復(fù)制是異步的若主節(jié)點(diǎn)故障未同步到從節(jié)點(diǎn)的數(shù)據(jù)會(huì)丟失。使用Redisson的RedissonMultiLock聯(lián)鎖可以同時(shí)鎖主節(jié)點(diǎn)和所有從節(jié)點(diǎn)只要全部加鎖成功才算成功。配置方法創(chuàng)建多個(gè)RLock然后multiLock.lock()。但實(shí)際生產(chǎn)更推薦使用Redlock算法實(shí)現(xiàn)于Redisson它建議對5個(gè)獨(dú)立Redis節(jié)點(diǎn)加鎖超過3個(gè)成功才算獲取鎖。確實(shí)能提高安全性但也不能100%保證存在時(shí)鐘漂移等場景。簡答時(shí)可以說“使用Redisson的聯(lián)鎖并對關(guān)鍵操作結(jié)合Zookeeper或數(shù)據(jù)庫樂觀鎖做兜底”。第二輪電商與本地生活服務(wù)場景描述外賣下單系統(tǒng)包含訂單、庫存、優(yōu)惠券、支付服務(wù)。典型的微服務(wù)分布式事務(wù)問題、高并發(fā)秒殺問題、支付冪等性問題、安全認(rèn)證問題。問題1微服務(wù)拆分與服務(wù)間通信答案按業(yè)務(wù)域拆分為order-service、inventory-service、coupon-service、payment-service、user-service。每個(gè)服務(wù)獨(dú)立數(shù)據(jù)庫避免跨庫關(guān)聯(lián)查詢。服務(wù)間通信同步調(diào)用用OpenFeign Spring Cloud LoadBalancer或Ribbon異步調(diào)用用Kafka/RabbitMQ。比如下單時(shí)訂單服務(wù)調(diào)用庫存服務(wù)扣減庫存同步扣減成功后再向訂單狀態(tài)變更Topic發(fā)送消息由支付服務(wù)監(jiān)聽觸發(fā)支付流程。分布式事務(wù)優(yōu)先使用最終一致性方案如本地消息表、事務(wù)消息RocketMQ或Seata的AT/TCC模式。嚴(yán)格一致性場景如支付扣款用TCC或Saga。問題2支付超時(shí)庫存已扣了怎么辦答案本地消息表方案在訂單服務(wù)里將“扣庫存”和“寫消息表”放在同一個(gè)本地事務(wù)中步驟更新庫存扣減量插入一條狀態(tài)為NEW的消息。然后后臺(tái)任務(wù)把消息發(fā)送給MQ消費(fèi)者處理后續(xù)邏輯如果處理失敗MQ重試重試多次失敗則調(diào)用補(bǔ)償接口如釋放庫存。Seata Saga模式定義正向服務(wù)扣庫存、減優(yōu)惠券、創(chuàng)建訂單和反向補(bǔ)償服務(wù)回滾庫存、恢復(fù)優(yōu)惠券、取消訂單。通過狀態(tài)機(jī)編排任何一步失敗自動(dòng)執(zhí)行已經(jīng)完成步驟的補(bǔ)償操作。實(shí)際面試時(shí)不能說“用Seata就完事”要具體說Saga適合長事務(wù)但無隔離性需要業(yè)務(wù)層防臟讀。例如扣庫存時(shí)加“凍結(jié)庫存”支付超時(shí)后解凍。問題3秒殺場景高并發(fā)限流怎么做答案四層防護(hù)前端按鈕置灰、隨機(jī)延時(shí)、驗(yàn)證碼。網(wǎng)關(guān)Sentinel或Spring Cloud Gateway全局限流按用戶ID限流如每秒1次、按IP限流如每秒10次。Redis預(yù)減庫存秒殺前把庫存預(yù)熱到RedisSET seckill:stock:1 100。請求進(jìn)入時(shí)執(zhí)行Lua腳本原子性操作if redis.call(GET, key) 0 then return 0 end return redis.call(DECR, key)如果返回0直接返回“已搶光”。減庫存成功后再把用戶ID和數(shù)據(jù)寫入Kafka異步創(chuàng)建訂單和扣減DB庫存。數(shù)據(jù)庫限流防止超賣UPDATE inventory SET stock stock - 1 WHERE id ? AND stock 0影響行數(shù)為1才成功。Sentinel配置FlowRule設(shè)置資源名、QPS閾值例如200和拒絕策略直接拒絕或預(yù)熱。DegradeRule設(shè)置熔斷條件如異常比例超過0.2熔斷10秒。問題4支付回調(diào)的冪等性答案支付平臺(tái)如微信、支付寶會(huì)多次異步回調(diào)同一訂單可能最多發(fā)幾十次通知。服務(wù)端必須冪等。方案在payment_notify表創(chuàng)建唯一索引(order_id, transaction_id)?；卣{(diào)處理器首先查詢該表如果存在說明已處理直接返回“SUCCESS”。如果不存在則嘗試插入若插入成功則繼續(xù)更新訂單狀態(tài)若插入時(shí)發(fā)生主鍵沖突并發(fā)重復(fù)請求到了則回滾并進(jìn)行查詢確認(rèn)已經(jīng)處于處理狀態(tài)后返回成功。也可以使用Redis的SET order:pay:123 1 NX EX 120但Redis鎖過期可能造成并發(fā)問題最好持久化唯一約束作為兜底。問題5JWT、OAuth2和簽名答案JWT一種無狀態(tài)Token由Header.Payload.Signature組成。適合單點(diǎn)登錄但無法主動(dòng)失效因此需要配合黑名單或短過期時(shí)間。用于認(rèn)證“你是誰”。OAuth2授權(quán)框架解決第三方應(yīng)用如何獲得用戶授權(quán)。比如微信登錄用戶跳轉(zhuǎn)微信授權(quán)頁微信返回code后端用code換取access_token。用于授權(quán)“允許誰訪問”。兩者關(guān)系OAuth2可以用JWT作為access_token的格式。Spring Security OAuth2里JwtBearerTokenAuthenticationConverter可以解析JWT。API簽名商戶平臺(tái)對接支付網(wǎng)關(guān)時(shí)通常用私鑰對請求參數(shù)按字典序拼接加nonce和時(shí)間戳做RSA簽名支付網(wǎng)關(guān)用公鑰驗(yàn)簽防止篡改和重放。MD5加鹽更弱推薦RSA/SHA256withRSA。問題6Spring Security過濾器鏈和網(wǎng)關(guān)Token校驗(yàn)答案Spring Security的過濾器鏈核心是FilterChainProxy常見過濾器有SecurityContextPersistenceFilter恢復(fù)上下文、UsernamePasswordAuthenticationFilter處理表單登錄、JwtAuthenticationFilter自定義解析Token、ExceptionTranslationFilter、AuthorizationFilter鑒權(quán)?？梢宰约簩?shí)現(xiàn)一個(gè)OncePerRequestFilter在doFilterInternal里解析HTTP Header中的Authorization: Bearer xxx把Authentication對象保存到SecurityContext。在微服務(wù)網(wǎng)關(guān)Spring Cloud Gateway中可以使用GlobalFilterOrdered。實(shí)現(xiàn)思路獲取請求頭token調(diào)用用戶服務(wù)校驗(yàn)或本地JWT解析如果合法則把用戶ID寫入請求頭轉(zhuǎn)發(fā)給下游不合法則返回401。同時(shí)網(wǎng)關(guān)也可以做白名單校驗(yàn)如/login、/register不用token。第三輪AIGC與智能推薦場景描述AIGC內(nèi)容社區(qū)用戶輸入prompt后端調(diào)用大模型生成圖片同時(shí)根據(jù)用戶行為做個(gè)性化推薦。涉及調(diào)用外部AI服務(wù)、內(nèi)容安全、緩存一致性、推薦算法基礎(chǔ)。問題1Java如何調(diào)用大模型Spring AI和LangChain4j是什么答案Spring AISpring官方提供的AI框架類似Spring生態(tài)的AI客戶端。支持ChatModel、TextToImageModel等。比如Service public class AiService { private final OpenAiChatModel chatModel; public String generateImage(String prompt) { return textToImageModel.call(prompt); } }通過自定義RestTemplate或WebClient調(diào)用OpenAI的/v1/images/generations接口把prompt和參數(shù)size、n放進(jìn)JSON請求體解析返回的圖片URL。LangChain4jJava版LangChain支持面向AI模型的可組合能力、RAG、記憶等但實(shí)際生產(chǎn)中也還是走HTTP。如果不用框架可以用RestClient來發(fā)HTTP請求再配合Jackson解析JSON。需要注意超時(shí)連接超時(shí)2秒、讀超時(shí)30秒因?yàn)閳D片生成慢。為了不阻塞主線程應(yīng)該用異步WebClient調(diào)用或者把請求拋出到消息隊(duì)列由專門的工作線程池處理再由WebSocket推送生成結(jié)果給用戶。問題2數(shù)據(jù)量大、分庫分表怎么設(shè)計(jì)答案表設(shè)計(jì)prompt_record提示詞記錄id、user_id、prompt_text、model_name、parameters_json、create_time。image_record生成圖片記錄id、record_id、object_keyOSS地址、width、height、size、status生成中/成功/失敗、audit_status未審核/通過/拒絕、create_time。分庫分表用戶量大后按user_id對數(shù)據(jù)庫分片比如32個(gè)庫每個(gè)庫64張表庫號 user_id % 32表號 (user_id / 32) % 64。同時(shí)create_time作為二級索引的分頁查詢?nèi)绻肊S就能避免跨庫分頁問題。不要用SELECT *盡量只查熱點(diǎn)字段。元信息放MySQL大文本prompt原文、生成參數(shù)JSON可以存到MongoDB或OSSMySQL只存關(guān)聯(lián)ID。問題3基于Redis做個(gè)性化推薦答案用戶偏好標(biāo)簽用戶收藏圖片時(shí)給圖片打標(biāo)簽如“賽博朋克”、“落日”、“機(jī)械姬”在Redis中維護(hù)一個(gè)Setuser:tags:123里添加cyberpunk、anime等。相似用戶用SINTER user:tags:123 user:tags:456獲取共同標(biāo)簽定義相似度為交集大小。然后找最相似用戶的喜歡圖片也存成Setuser:likes:456。候選推薦把相似用戶喜歡的圖片ID取出來過濾掉當(dāng)前用戶已看過的可以用SISMEMBER然后給圖片分?jǐn)?shù)排序。分?jǐn)?shù)可以用ZSetrecommend:images:123中每個(gè)圖片的分?jǐn)?shù)按喜歡人數(shù)×0.6 標(biāo)簽匹配度×0.4計(jì)算。本地緩存熱門的圖片詳情用Caffeine緩存冷數(shù)據(jù)和用戶行為用Redis底層MySQL落庫。注意Caffeine緩存和Redis之間的數(shù)據(jù)一致性在更新圖片時(shí)使用CacheEvict刪除本機(jī)Caffeine同時(shí)發(fā)布Redis消息其他服務(wù)監(jiān)聽到后刪除各自的Caffeine緩存?；蛘咴O(shè)置Caffeine很短的過期時(shí)間比如5秒降低不一致窗口。問題4敏感詞過濾和第三方審核API熔斷答案敏感詞過濾使用AC自動(dòng)機(jī)Aho-Corasick。將敏感詞庫建立Trie樹每個(gè)節(jié)點(diǎn)有fail指針指向失配時(shí)跳躍的位置。匹配時(shí)遍歷文本字符根據(jù)fail指針跳轉(zhuǎn)可以在O(n)時(shí)間內(nèi)找出所有敏感詞。Java實(shí)現(xiàn)偽代碼class AcNode { MapCharacter, AcNode children new HashMap(); AcNode fail; boolean isEnd; // 是否為一個(gè)敏感詞的結(jié)尾 int length; // 詞長 } public boolean containsSensitive(String text) { AcNode cur root; for (char ch : text.toCharArray()) { while (cur ! root !cur.children.containsKey(ch)) { cur cur.fail; } cur cur.children.containsKey(ch) ? cur.children.get(ch) : root; for (AcNode p cur; p ! root; p p.fail) { if (p.isEnd) return true; } } return false; }實(shí)際可結(jié)合第三方審核如阿里云內(nèi)容安全做圖片和文本的機(jī)審人工審核。超時(shí)熔斷使用HttpClient時(shí)設(shè)置connectTimeout(2s)、readTimeout(2s)。使用Resilience4jTimeLimiter設(shè)置最大調(diào)用時(shí)間2秒CircuitBreaker設(shè)置滑動(dòng)窗口大小比如10秒內(nèi)50%請求失敗則熔斷熔斷后返回本地默認(rèn)結(jié)果比如auditResultpass低風(fēng)險(xiǎn)場景或轉(zhuǎn)人工審核隊(duì)列。Bulkhead隔離限制并發(fā)調(diào)用數(shù)量比如最大并發(fā)10個(gè)超出就排隊(duì)或快速失敗。問題5AC自動(dòng)機(jī)能手寫嗎答案面試官不要求你立刻寫500行代碼但你需要說出構(gòu)建過程構(gòu)建Trie樹插入每個(gè)敏感詞路徑上的字符作為分支。構(gòu)建失敗指針BFS遍歷Trie樹。根節(jié)點(diǎn)的孩子fail指向root其他節(jié)點(diǎn)假設(shè)當(dāng)前節(jié)點(diǎn)為p父節(jié)點(diǎn)為fp是f的孩子字符為c。則看f.fail有沒有字符為c的孩子有則p.fail f.fail.children.get(c)否則繼續(xù)向上。直到root。匹配從root開始遍歷文本字符如果當(dāng)前節(jié)點(diǎn)有該字符的子節(jié)點(diǎn)就往下走否則跳到fail直到找到匹配路徑或回到root。每次到達(dá)節(jié)點(diǎn)從該節(jié)點(diǎn)沿fail鏈檢查是否有isEnd如果有則說明命中敏感詞?？偨Y(jié)用空間換時(shí)間適用于敏感詞量不大的場景幾千條。如果幾百萬詞條則考慮更高效的雙數(shù)組TrieDouble-Array Trie。面試官最后一句“回家等通知”說明了什么謝飛機(jī)雖然表現(xiàn)了不少亮點(diǎn)能說出AC自動(dòng)機(jī)、Respire4j但總體深度不足。面試官在結(jié)束時(shí)補(bǔ)充的那個(gè)問題其實(shí)就是一種含蓄的否決“你簡歷上寫的熟悉分布式事務(wù)但我一問細(xì)節(jié)你就答不上來?！?所以大家在校招或社招面試時(shí)不要背干巴巴的八股文一定要掌握技術(shù)背后的原理并且結(jié)合項(xiàng)目/場景去說清楚。否則下一輪謝飛機(jī)就是你。不過沒關(guān)系謝飛機(jī)回去之后把這些問題都整理成了文檔又買了幾本《Kafka權(quán)威指南》《Redisson源碼解析》開始扎扎實(shí)實(shí)地啃源碼。下次面試他一定能挺進(jìn)最后一輪祝他好運(yùn)。