蚂蚁-C++开发-二面 面经

1. 介绍一下你做过的最有挑战性的项目，重点说说系统设计和性能优化。

答案要点：

• 项目背景：业务规模、技术挑战、为什么有挑战性
• 系统架构： 整体架构图：模块划分、数据流技术选型：为什么选择这些技术设计模式：使用了哪些设计模式，解决什么问题
• 性能优化： 瓶颈分析：如何定位性能瓶颈优化方案：具体的优化手段和效果量化指标：QPS、延迟、资源占用的改善
• 技术难点： 并发控制、数据一致性、容错处理如何权衡性能、可靠性、可维护性
• 个人成长：技术深度、架构思维、问题解决能力

2. 如何设计一个分布式限流系统？需要考虑哪些问题？

答案：

• 限流算法：固定窗口：简单但有突刺问题滑动窗口：更平滑，但内存占用大漏桶（Leaky Bucket）：平滑流量，固定速率令牌桶（Token Bucket）：允许突发流量
• 分布式实现：Redis + Lua脚本： 原子性操作，避免竞态条件使用INCR + EXPIRE实现固定窗口使用ZSET实现滑动窗口本地限流 + 全局限流： 本地：单机限流，快速响应全局：定期同步，防止整体超限分布式计数器： 每个节点维护本地配额配额用完向中心节点申请
• 架构设计：限流规则配置中心限流执行层（网关、服务端）监控告警：实时统计限流情况降级策略：限流后的处理逻辑
• 优化策略：多级限流：用户级、接口级、系统级动态调整：根据系统负载自动调整阈值预热机制：系统启动时逐步提升限流阈值优先级：重要请求优先通过
• 容错设计：限流服务故障时的降级策略本地缓存限流规则熔断机制：连续失败后快速失败

3. 手写代码：实现一个线程安全的单例模式，要求支持延迟初始化和参数传递。

答案：

#include <mutex>
#include <memory>

// 方案1：Meyers Singleton（C++11推荐）
template<typename T>
class Singleton {
public:
    template<typename... Args>
    static T& getInstance(Args&&... args) {
        static T instance(std::forward<Args>(args)...);
        return instance;
    }
    
    Singleton(const Singleton&) = delete;
    Singleton& operator=(const Singleton&) = delete;
    
protected:
    Singleton() = default;
    virtual ~Singleton() = default;
};

// 方案2：支持参数传递的单例（更灵活）
template<typename T>
class ParameterizedSingleton {
private:
    static std::unique_ptr<T> instance;
    static std::once_flag initFlag;
    
public:
    template<typename... Args>
    static T& getInstance(Args&&... args) {
        std::call_once(initFlag, [&]() {
            instance.reset(new T(std::forward<Args>(args)...));
        });
        return *instance;
    }
    
    static void destroyInstance() {
        instance.reset();
    }
    
    ParameterizedSingleton(const ParameterizedSingleton&) = delete;
    ParameterizedSingleton& operator=(const ParameterizedSingleton&) = delete;
    
protected:
    ParameterizedSingleton() = default;
    virtual ~ParameterizedSingleton() = default;
};

template<typename T>
std::unique_ptr<T> ParameterizedSingleton<T>::instance = nullptr;

template<typename T>
std::once_flag ParameterizedSingleton<T>::initFlag;

// 使用示例
class DatabaseConnection {
private:
    std::string host;
    int port;
    
public:
    DatabaseConnection(const std::string& h, int p) 
        : host(h), port(p) {
        // 初始化连接
    }
    
    void query(const std::string& sql) {
        // 执行查询
    }
};

// 使用
// auto& db = Singleton<DatabaseConnection>::getInstance("localhost", 3306);

4. 如何实现一个高性能的内存池？需要解决哪些问题？

答案：

• 设计目标：减少malloc/free调用次数减少内存碎片提高分配和释放速度线程安全
• 实现方案：固定大小内存池： 预分配大块内存，切分成固定大小块使用空闲链表管理适合大量相同大小对象分级内存池： 多个不同大小的内存池（8B、16B、32B...）根据请求大小选择合适的池类似tcmalloc的设计Slab分配器： 按对象类型分配缓存热对象，提高cache命中率
• 核心数据结构：

class MemoryPool {
private:
    struct Block {
        Block* next;
    };
    
    Block* freeList;        // 空闲链表
    char* memoryStart;      // 内存起始地址
    size_t blockSize;       // 块大小
    size_t blockCount;      // 块数量
    std::mutex mtx;         // 线程安全
    
public:
    MemoryPool(size_t blockSize, size_t blockCount);
    
    void* allocate() {
        std::lock_guard<std::mutex> lock(mtx);
        if (!freeList) {
            // 扩展内存池
            expand();
        }
        Block* block = freeList;
        freeList = freeList->next;
        return block;
    }
    
    void deallocate(void* ptr) {
        std::lock_guard<std::mutex> lock(mtx);
        Block* block = static_cast<Block*>(ptr);
        block->next = freeList;
        freeList = block;
    }
    
private:
    void expand();
};

• 优化策略： 线程本地缓存：每个线程维护本地内存池，减少锁竞争批量分配：一次分配多个块延迟释放：批量归还到全局池内存对齐：提高访问效率大对象直接malloc：避免内存浪费

5. 设计一个分布式ID生成器，需要满足哪些要求？如何实现？

答案：

• 需求分析：全局唯一性趋势递增（便于索引）高性能（百万级QPS）高可用（无单点故障）时间有序（可选）
• 方案对比：UUID： 优点：本地生成，无依赖缺点：无序、占用空间大（128bit）数据库自增ID： 优点：简单、有序缺点：性能瓶颈、单点故障Redis INCR： 优点：性能好缺点：依赖Redis、持久化问题Snowflak