北京药帮忙科技有限公司-Java 二面 面经

1. 针对高并发系统，你会从哪些维度进行架构优化？

• 多级缓存：利用浏览器缓存、CDN 边缘计算、本地缓存（Caffeine）和分布式缓存（Redis）减轻数据库压力。
• 异步解耦：引入消息队列（RocketMQ/Kafka）处理非核心逻辑，实现流量削峰填谷。
• 扩容与分流：通过 Nginx 负载均衡实现水平扩展；数据库层面进行读写分离或分库分表。
• 服务治理：设置合理的超时时间，配置熔断、降级和限流策略（Sentinel），防止雪崩效应。

2. 深入谈谈 ConcurrentHashMap 的扩容机制（Java 8+）

• 触发条件：当任意一个桶（Bucket）的链表长度超过 8 且数组长度小于 64，或总元素量超过阈值时触发。
• 多线程协作：扩容不是单线程完成的。当一个线程发现正在扩容时，会调用 helpTransfer 方法协助搬运数据。
• 分段搬运：将整个数组分成多个“步长”（Stride），每个线程负责一部分桶的迁移。
• 数据一致性：迁移过程中，原数组的桶会被标记为 ForwardingNode。读请求会转发到新数组，写请求则会阻塞或参与扩容。

3. 如何设计一个秒杀系统？重点解决什么问题？

• 前端防抖：对按钮进行置灰处理，限制单个用户的请求频率。
• 库存预热：秒杀开始前，将库存同步到 Redis 中，通过 Lua 脚本实现扣减，保证原子性。
• 排队机制：使用 MQ 异步处理订单。请求进入队列后立即返回“排队中”，由后端异步落库。
• 风控过滤：接入黑名单系统，过滤掉脚本和职业抢购手。
• 数据库优化：秒杀表单独存放，使用唯一索引防止超卖。

4. 谈谈你对微服务中“三板斧”（限流、熔断、降级）的理解

• 限流 (Rate Limiting)：保护自己。限制进入系统的请求速率，防止被瞬间大流量冲垮（如令牌桶、漏桶算法）。
• 熔断 (Circuit Breaker)：保护调用方。当下游服务出现故障或延迟过高，主动断开调用，快速返回错误，避免线程耗尽。