Fullstack_System 面试专题手册
💡 本章节共收录 1494 道面试真题，建议每天复习 10-20 题。
Q1: Redis在你两次同步到数据库里突然挂了怎么办？
【核心解析】 Redis持久化机制（RDB、AOF）；数据丢失风险评估；故障恢复流程（从持久化文件恢复、主从切换）；同步重试与幂等性设计；监控与告警策略
Q2: 项目中流式通信是如何实现的？SSE和WebSocket有什么区别？
【核心解析】 流式通信常用SSE或WebSocket；SSE单向服务器推送，基于HTTP，更轻量；WebSocket全双工，适合高频双向通信；根据场景选择，如对话流式输出多用SSE。
Q3: 如何为大模型设计一个数据加载器？请说出你的思路。
【核心解析】 需求分析：支持多种数据格式（文本、图像、音频）、大规模数据高效加载、与训练框架集成；核心设计：数据读取（并行I/O、内存映射）、预处理（tokenization、图像变换）、批处理（动态padding、bucketing）、数据增强；性能优化：多进程/多线程加载、预取（prefetch）、缓存机制、分布式数据分片（DistributedSampler）；易用性：配置化（YAML/JSON）、插件化支持自定义处理、监控（数据加载耗时、吞吐量）；容错：异常数据跳过、断点续训支持
Q4: 如果设计一个大型Agent系统，整体架构你会怎么分层设计？
【核心解析】 通常分为接入层（API网关、身份验证）、调度层（任务分发、负载均衡）、核心层（LLM推理、记忆管理、工具调用）、数据层（向量数据库、关系数据库、缓存）；各层解耦，通过消息队列异步通信；考虑多租户隔离、弹性伸缩和容灾；引入监控和日志系统用于调试和审计。
Q5: 如果让你设计智能体与大模型相关的分布式系统，会从哪些方面进行综合考量？
【核心解析】 系统架构（微服务划分、API网关）；可扩展性（水平扩展、负载均衡）；数据一致性（分布式缓存、消息队列）；容错与高可用（重试机制、降级策略）；监控与日志（追踪LLM调用链、性能指标）；成本控制（缓存策略、模型选择）
Q6: 传统高并发和Agent高并发设计
【核心解析】 传统高并发：线程池、异步IO、负载均衡；Agent高并发：LLM推理的延迟与吞吐量权衡；请求队列与批处理策略；模型服务化与弹性伸缩；状态管理在并发下的挑战；缓存与预计算优化
Q7: 上下文窗口怎么设计？如何降低 token 消耗？怎么评测设计的质量？
【核心解析】 设计滑动窗口、摘要压缩、记忆分级等机制；降低 token 可通过 prompt 精简、选择性上下文注入、使用更高效的 tokenizer；评测质量需关注任务完成度、响应相关性、延迟与成本。
Q8: SSE连接很多时，后端为什么容易出问题，怎么做连接治理？
【核心解析】 SSE长连接对文件描述符、线程/协程、内存缓冲等资源的消耗；慢客户端导致写缓冲积压与内存拖垮；连接数限制、心跳、超时、断开感知、消息队列缓冲上限和任务取消等治理手段；网关超时、关闭代理缓冲、按用户或租户限流等生产实践
Q9: RabbitMQ的消息确认、持久化和幂等分别解决什么问题？
【核心解析】 消息确认解决消费者处理完成与否的可靠性，手动ack与nack/reject的机制；消息持久化解决Broker重启时消息不丢，需队列持久化、消息持久化及刷盘策略；幂等解决消息重复投递问题，通过业务唯一键或消费日志去重；三者边界清晰，生产系统按至少一次投递设计
Q10: IoC和AOP分别解决什么问题，它们在Spring里是怎么落地的？
【核心解析】 IoC解决对象创建与依赖管理问题，通过容器管理Bean的生命周期与依赖注入；AOP解决横切逻辑复用问题，将日志、事务等织入目标方法；Spring中IoC基于BeanDefinition和BeanFactory，AOP通过JDK动态代理或CGLIB实现；事务注解是典型AOP场景
Q11: 为什么 RAG 项目在生产后端主链路选择 Java 而不是 Python？
【核心解析】 Java 在服务治理、线程池隔离、连接池、限流、监控、事务、权限和工程规范上更成熟；与公司现有 Spring Cloud、MySQL、Redis、MQ、网关等体系集成更容易；生产 RAG 链路不仅包括 embedding 和向量检索，还涉及文档解析、切分、索引构建、权限过滤、召回融合、rerank、prompt 组装、模型调用、流式返回和结果审计；Java 负责主链路更易做稳定性治理；Python 可保留在离线清洗、模型实验或特征处理侧
Q12: 线程池在 Agent 项目中用于哪些场景？参数如何设置？
【核心解析】 线程池用于模型调用、文档切分、向量索引构建、规则解释生成、异步审计落库和消息消费等场景；参数设置需区分 CPU 密集型和 IO 密集型任务；CPU 密集型线程数接近核心数，IO 密集型可设更高但需配合队列长度、超时和拒绝策略；按任务类型拆分线程池（如模型调用池、检索池、审计落库池、消息消费池）以避免相互影响；示例中模型调用池核心线程 16、最大线程 64、队列 500、拒绝策略为 CallerRunsPolicy
Q13: TransmittableThreadLocal 解决了什么问题？在项目中如何使用？
【核心解析】 普通 ThreadLocal 在线程池场景下因任务提交线程和执行线程不同导致上下文丢失；InheritableThreadLocal 对线程池不可靠，因为线程池线程预先创建，不会每次继承父线程变量；TransmittableThreadLocal 解决线程池任务提交时上下文捕获和执行时恢复的问题；可将提交线程的上下文包装进 Runnable 或 Callable，执行时恢复，执行后清理，避免上下文串号；示例中用于传递 traceId
Q14: Spring Boot自动配置原理是什么？Starter为何能引入依赖即生效？
【核心解析】 核心是条件装配；Starter包含依赖和自动配置类；自动配置类通过@AutoConfiguration、@ConditionalOnClass、@ConditionalOnMissingBean、@ConditionalOnProperty等注解判断环境；早期通过spring.factories加载，新版使用META-INF/spring/org.springframework.boot.autoconfigure.AutoConfiguration.imports。
Q15: Redis 是单线程的，为什么它还能支持高并发？
【核心解析】 Redis 核心命令执行主要是单线程，基于内存操作和高效数据结构，配合 IO 多路复用处理大量连接事件，避免锁竞争，命令执行路径短；新版本在网络 IO、持久化、异步释放、集群同步等方面使用多线程或后台线程；高并发能力关键在于避免阻塞事件循环，如大 key、慢 Lua、全量扫描、复杂集合运算和持久化抖动都会导致延迟飙升。
Q16: 在实际业务场景中，你怎么判断什么时候需要加缓存，为什么不能只用 MySQL？
【核心解析】 加缓存通常因访问频率高、读多写少、计算代价高、数据允许短暂不一致或下游承载不了高并发；适合缓存的数据如商品基础信息、类目规则、运营 SOP、用户短期会话、Agent 任务状态和热点榜单；MySQL 适合事务和持久化，但不擅长高频低延迟热点读、分布式限流、临时会话状态和短期幂等标记；只用 MySQL 易导致热点 SKU 或活动期间连接池打满；缓存设计需考虑过期时间、穿透、击穿、雪崩、一致性和降级。
Q17: SSE是怎么实现的，服务端和客户端分别要做什么
【核心解析】 SSE基于HTTP长连接，服务端推送文本事件流；客户端使用EventSource API发起连接；服务端设置Content-Type: text/event-stream；消息格式：event、id、data字段，空行分隔；适用场景：AI流式输出、进度推送；与WebSocket的对比；Nginx代理需关闭缓冲
Q18: Redis为什么性能强？请讲解Redis的单线程模型。
【核心解析】 基于内存操作，避免磁盘I/O；单线程避免上下文切换和锁竞争；IO多路复用机制（epoll）；高效数据结构设计；单线程模型下的注意事项（如耗时操作阻塞）
Q19: 为什么选择RocketMQ？有没有了解过其他消息队列？如何进行消息队列的选型？
【核心解析】 RocketMQ特性（高吞吐、低延迟、事务消息）；与其他MQ对比（Kafka、RabbitMQ、ActiveMQ）；选型考虑因素（性能、可靠性、功能、社区、运维成本）；业务场景匹配（如金融级可靠性）
Q20: RocketMQ和Kafka的区别有哪些？
【核心解析】 架构设计差异（如Kafka的partition vs RocketMQ的queue）；消息可靠性（同步刷盘、主从复制）；功能特性（事务消息、延迟消息）；适用场景（日志处理 vs 业务消息）；性能与扩展性对比
Q21: MySQL的原子性和持久性底层是如何保证的？
【核心解析】 原子性通过undo log实现回滚；持久性通过redo log和binlog保证；WAL（Write-Ahead Logging）机制；两阶段提交（2PC）保证redo log和binlog一致；崩溃恢复流程
Q22: 在一个事务中，执行读写读操作，哪里需要加锁？什么时候解锁？为什么写完不能立即解锁？
【核心解析】 读操作加共享锁（S锁），写操作加排他锁（X锁）；两阶段锁协议（2PL），锁在事务结束时释放；写完不能解锁是为了保证可重复读和避免幻读；MVCC机制减少锁冲突
Q23: MySQL中text字段（如10000个字符）如何处理？字段长度在1000-10000之间如何选择类型？
【核心解析】 VARCHAR与TEXT的区别（存储位置、索引限制）；VARCHAR最大长度65535字节，需考虑字符集；TEXT类型存储溢出页，影响性能；根据实际长度和查询需求选择合适类型；前缀索引优化
Q24: 什么时候需要分库分表？除了减少数据库连接数，分库还有什么好处？
【核心解析】 数据量过大、高并发写入瓶颈；分库分表策略（垂直拆分、水平拆分）；分库好处：分散存储压力、提高可用性、隔离业务；分库带来的问题（分布式事务、跨库查询）；中间件如ShardingSphere
Q25: 线程池的好处是什么？ThreadLocal的原理及内存泄露原因？异步线程除了导致ThreadLocal丢失，还会有什么问题？
【核心解析】 线程池优点：复用线程、控制并发、管理生命周期；ThreadLocal实现线程隔离，底层ThreadLocalMap；内存泄露原因：key为弱引用，value强引用未清理；异步线程问题：上下文传递丢失、数据污染、OOM风险
Q26: 请介绍Java中的NIO及其核心组件。
【核心解析】 NIO与BIO的区别及非阻塞特性；Buffer、Channel、Selector三大核心组件；多路复用的工作原理；NIO在网络编程中的应用场景。
Q27: 请介绍分布式事务的实现原理。
【核心解析】 分布式事务的CAP与BASE理论；两阶段提交（2PC）与三阶段提交（3PC）；TCC、Saga等柔性事务方案；分布式事务在微服务中的实践与挑战。
Q28: 前端、后端与Agent开发三者的职能差异是什么？
【核心解析】 前端关注用户界面与交互；后端关注业务逻辑、数据存储与API；Agent开发关注智能决策、工具调用与自主任务执行；三者协作模式（Agent作为后端服务或独立层）；Agent开发需融合AI模型与工程化
Q29: 如何保证Redis分布式锁的可靠性，节点宕机怎么办？
【核心解析】 Redis分布式锁的实现（如SETNX+过期时间）；Redlock算法原理；节点宕机时的锁安全性问题（如主从切换导致锁丢失）；使用Redisson等客户端处理续期与容错
Q30: 为什么用Redis Set去重？
【核心解析】 Redis Set的数据结构特性（无序、唯一）；去重场景（如消息队列幂等、爬虫URL去重）；与布隆过滤器的对比；内存占用与性能考量
Q31: Redis + Token的分布式会话如何实现的？
【核心解析】 Token生成与验证流程；Redis存储会话信息（如用户ID、权限）；会话过期与续期机制；分布式环境下的会话一致性保证
Q32: SSE和WebSocket的区别，SSE具体怎么实现的，后端什么时候推送，前端如果断连怎么处理？
【核心解析】 SSE与WebSocket的对比（单向/双向、协议、适用场景）；SSE实现原理（HTTP长连接、事件流格式）；后端推送时机（数据更新、事件触发）；前端断连处理（自动重连、事件ID、错误处理）；SSE的浏览器兼容性与局限性
Q33: 请描述一个完整的RAG系统离线链路和在线链路的技术架构。
【核心解析】 离线链路：文档抓取、OCR、正文抽取、表格解析、标题树构建、chunk切分、embedding计算、倒排索引和向量索引构建；在线链路：query清洗、意图识别、多路召回（如制度问答、历史工单、接口文档）、权限过滤、去重、rerank、上下文压缩、LLM生成、引用校验、敏感信息过滤、结构化字段提取、日志与反馈回流；技术栈：Python、FastAPI、Elasticsearch、Milvus、Redis、PyTorch、Transformers、vLLM。
Q34: 在RAG系统中，不同数据如何存储？如原始文档、向量索引、会话状态等。
【核心解析】 原始文档和附件使用对象存储以保留版本和回溯；向量索引存储在Milvus等向量数据库；会话状态、热点缓存、prefix cache等业务侧key存储在Redis；存储选型需考虑访问模式、延迟、成本等因素。
Q35: 讲讲乐观锁在 Redis 和 MySQL 中的实现，以及数据读写顺序问题。
【核心解析】 乐观锁基于版本号或 CAS 操作，假设冲突少，提交时检查；Redis 可使用 WATCH + MULTI/EXEC 事务或 Lua 脚本实现乐观锁；MySQL 通过版本号字段或时间戳实现乐观锁；读写顺序：先读数据，业务处理，再带条件写回；读写不一致可能因并发导致，需原子操作或锁机制。
Q36: Redisson 分布式锁的原理是什么？
【核心解析】 基于 Redis 的 SETNX 和过期时间实现互斥锁；使用 Lua 脚本保证加锁和设置过期的原子性；通过看门狗机制自动续期，防止业务超时锁释放；利用 Redis 的发布订阅实现锁释放通知；支持可重入、公平锁等高级特性。
Q37: 为什么选择 RocketMQ 而不是 RabbitMQ 或其他消息中间件？它有什么优势？
【核心解析】 RocketMQ 支持高吞吐、低延迟，适合大规模数据处理；支持事务消息和顺序消息，保证分布式事务一致性；原生支持分布式集群，扩展性强；RabbitMQ 基于 AMQP，功能丰富但吞吐量较低；RocketMQ 更适用于电商、金融等场景。
Q38: 如果发生了超卖问题，该怎么处理？
【核心解析】 使用分布式锁或数据库乐观锁控制并发扣减库存；引入消息队列异步处理订单，削峰填谷；设置库存缓存，通过 Lua 脚本原子扣减；增加库存校验和回滚机制；监控报警，及时人工介入。
Q39: 生产者消费者模型中，如果消费者获取信息失败该怎么办？
【核心解析】 消费者捕获异常，根据业务决定重试或丢弃；重试需设置最大次数和退避策略，避免雪崩；将失败消息发送到死信队列，后续人工处理；记录日志并监控，及时发现问题；保证消费者幂等性，避免重复消费。
Q40: 了解LangChain和LangGraph吗？它们有什么区别？
【核心解析】 LangChain是用于构建LLM应用的框架，提供链、代理、工具等抽象；LangGraph专注于构建有状态、多步骤的代理工作流，支持循环和条件分支；LangGraph基于图结构定义流程，更灵活地处理复杂交互；两者可结合使用，LangChain提供组件，LangGraph编排流程。
Q41: RocketMQ和LLM应用对JVM GC的压力有什么不同？
【核心解析】 RocketMQ对低延迟和高吞吐的要求，GC调优侧重避免长暂停；LLM应用常驻大对象多，GC压力在于堆外内存和直接缓冲区管理；两者在内存分配模式和对象生命周期上的差异
Q42: 有没有对JVM进行过调优？请分享经验。
【核心解析】 GC日志分析与监控工具；堆大小与代比例调整；GC收集器选择（如G1、ZGC）；内存泄漏排查；JIT编译优化
Q43: Redis的安全问题有哪些？Redis是否有无密码的情况，这种情况有什么安全问题？
【核心解析】 Redis默认无密码，暴露在公网易被未授权访问；无密码可能导致数据泄露、篡改、删除；攻击者可利用Redis写入SSH公钥或计划任务获取服务器权限；安全措施包括设置强密码、绑定内网IP、启用ACL、禁用危险命令、使用TLS加密通信；定期审计配置和日志。
Q44: Redis为什么快？过期数据如何自动删除？
【核心解析】 基于内存操作，避免磁盘I/O；单线程模型避免上下文切换和锁竞争；高效的数据结构（如跳表、压缩列表）；IO多路复用机制；过期键删除策略：惰性删除、定期删除、定时删除
Q45: 场景题：如果用二级缓存做一个展示商品信息的业务，那么本地缓存和Redis中分别存什么数据？
【核心解析】 本地缓存：存储热点数据、访问频率极高的商品基本信息，减少网络开销，如商品标题、价格；Redis缓存：存储全量商品数据或相对冷门的数据，作为分布式缓存保证数据一致性；缓存更新策略：采用旁路缓存模式，先更新数据库再删除缓存；数据一致性：通过设置合理的过期时间或使用消息队列通知更新；本地缓存与Redis的协作：本地缓存未命中时查询Redis，Redis未命中则回源数据库。
Q46: 前后端之间怎么解决消息延迟，高并发下如何避免用户接收消息不及时的问题
【核心解析】 使用WebSocket长连接；消息队列异步解耦；服务端推送技术；负载均衡与水平扩展；客户端轮询降级策略
Q47: 如果推理时出现 OOM，你会怎么排查？
【核心解析】 分析显存占用来源：模型参数、激活值、KV Cache、临时张量；区分训练/推理阶段，推理常见原因：上下文过长、batch 过大、KV Cache 管理不当；排查步骤：缩 batch、缩 context、关闭 profiling，逐步定位具体层；理解调度策略对显存峰值的影响
Q48: 介绍一下 vLLM 的 page attention 原理。
【核心解析】 将 KV Cache 切分为固定大小的 page 进行管理，类似操作系统分页；提高显存利用率，减少碎片，支持灵活调度和连续批处理；解决变长序列缓存管理问题，避免长短请求互相阻塞；提升在线推理的吞吐和资源利用率
Q49: 讲讲JVM垃圾回收机制，重点说对象什么时候进入老年代
【核心解析】 对象分配策略：优先在Eden区分配，大对象可能直接进入老年代；晋升条件：经过多次Minor GC仍存活，年龄达到阈值（默认15），或Survivor区空间不足；动态年龄判断：若Survivor中相同年龄对象大小总和超过Survivor空间一半，则年龄大于等于该年龄的对象直接晋升；老年代GC：Full GC触发条件，常见回收器（CMS、G1）的特点与停顿模型；线上问题：晋升过快导致老年代频繁GC，碎片化引发分配失败，需结合日志分析
Q50: 消息积压怎么排查？
【核心解析】 定位瓶颈：区分生产过快还是消费过慢，检查是否存在热点分区或key导致局部积压；消费耗时分析：拆解消费链路，判断耗时在数据库、RPC、锁、重试或序列化等环节；重试与死信：检查重试风暴、死信队列堆积，消费者线程池状态；实例分布：消费者实例数量、负载均衡情况；解决方案：扩消费者、优化消费逻辑、限流、降级、增加重试策略
Q51: 说一下MySQL索引最左前缀原则，什么情况下看起来用了联合索引，实际还是全表扫描
【核心解析】 最左前缀原则：联合索引的命中取决于查询条件是否从最左列开始且连续匹配；索引失效场景：中间列缺失、范围查询过早、函数或类型转换、排序不匹配；即使key命中也可能低效：优化器可能因回表成本高、选择性差而选择全表扫描；判断方法：通过EXPLAIN的rows、filtered、Extra字段分析实际执行计划；优化建议：合理设计索引列顺序，避免索引失效操作
Q52: MySQL里为什么B+树比红黑树更适合做索引？
【核心解析】 磁盘IO优化：B+树扇出大，树高更低，减少随机IO次数；范围查询高效：叶子节点形成有序链表，支持顺序扫描；数据存储：非叶子节点只存键值，叶子节点存完整数据，提高缓存命中率；红黑树局限：二叉结构导致树高较高，磁盘IO次数多，不适合大规模数据存储；B+树设计目标：针对磁盘块读取优化，一次IO加载多个键值
Q53: 在高并发系统里，Redis除了缓存还能做什么？
【核心解析】 分布式锁：使用SETNX实现，需注意锁超时、可重入、Redlock算法；限流与计数器：基于INCR实现固定窗口或滑动窗口限流；延迟队列：使用ZSET按时间戳排序，实现延迟任务；排行榜：ZSET的ZADD和ZRANGE实现实时排名；状态存储：会话管理、幂等控制、临时数据存储，尤其适合Agent系统中的任务中间状态
Q54: 如何设计缓存高可用方案，防止缓存失效导致数据库压力过大？
【核心解析】 缓存穿透：布隆过滤器、缓存空值；缓存击穿：互斥锁（synchronized+双重检查）、逻辑过期；缓存雪崩：过期时间随机化、多级缓存、限流降级；本地缓存兜底：结合Guava Cache或Caffeine，减少Redis压力；有序退化：确保缓存失效后系统仍能通过限流、降级、熔断保持稳定
Q55: redis 如何实现高可用高并发？
【核心解析】 高可用：主从复制、哨兵模式、集群模式；高并发：单线程模型、IO 多路复用、数据分片、管道技术；持久化策略（RDB/AOF）平衡性能与数据安全；分布式锁、缓存穿透/雪崩等问题的处理；结合实际场景说明配置与优化。
Q56: 如何实现零拷贝？
【核心解析】 零拷贝的概念与目的；常见实现方式（如sendfile、mmap、splice等）；零拷贝在操作系统层面的原理；零拷贝在网络传输中的应用与性能优势
Q57: epoll中的LT和ET模式有什么区别？
【核心解析】 LT（水平触发）与ET（边缘触发）的工作机制；LT模式下事件通知的重复性；ET模式下必须非阻塞I/O的原因；两种模式的应用场景与性能差异
Q58: select和epoll的区别是什么？
【核心解析】 select和epoll的I/O多路复用机制；select的轮询方式与文件描述符限制；epoll的事件驱动与回调机制；epoll在高并发场景下的性能优势
Q59: MySQL的慢查询如何定位和优化？
【核心解析】 慢查询日志的开启与配置；使用EXPLAIN分析查询计划；常见优化手段（索引优化、SQL重写、表结构优化）；慢查询阈值设置与监控
Q60: Redis有哪些常用命令？
【核心解析】 Redis的数据类型（String、Hash、List、Set、ZSet）及对应命令；键管理命令（DEL、EXPIRE、TTL等）；事务与管道命令；发布订阅相关命令
Q61: 如果开发一个Agent，在WebSocket和另一种通信方式之间如何选择？
【核心解析】 理解WebSocket的特点（全双工、低延迟）及适用场景；对比其他通信方式（如HTTP轮询、SSE）的优缺点；能够根据Agent的实时性需求、资源消耗做出选择；考虑扩展性与兼容性
Q62: Redis 分布式锁的原理是什么？如何处理服务宕机导致的锁异常？
【核心解析】 基于 SETNX 和过期时间的加锁机制；锁续期（watchdog）防止业务未完成锁过期；Redlock 算法在集群中的实现；服务宕机时锁自动过期释放；更健壮的锁方案（如 Redisson、ZooKeeper）
Q63: 在红包系统中为什么选择 RocketMQ？它的顺序消息、普通消息、事务消息分别适合什么场景？为什么不能混用？
【核心解析】 RocketMQ 的高吞吐、低延迟、事务消息特性；普通消息适合最终一致场景（日志、通知）；顺序消息适合按业务键严格顺序的场景（订单状态）；事务消息适合本地事务与消息投递的原子性；三者消费模型、失败恢复和成本模型不同，不能混用
Q64: 在缓存设计中，如果Redis中没有数据，你会如何处理？会去查询数据库吗？
【核心解析】 缓存穿透的应对策略（如布隆过滤器、缓存空值）；缓存击穿的解决方案（互斥锁、永不过期）；缓存雪崩的预防（过期时间随机化、多级缓存）；数据库查询的降级与限流
Q65: 如何保证Redis和数据库的数据一致性？
【核心解析】 Cache Aside Pattern（旁路缓存）的读写流程；延迟双删策略；基于binlog的异步更新（如Canal）；分布式事务与最终一致性；强一致性与性能的权衡
Q66: 写入Redis的订单信息会设置过期时间吗？为什么？
【核心解析】 缓存过期时间的作用（防止内存溢出、数据时效性）；订单信息的业务特性（可能需要持久化、状态变更）；缓存与数据库的更新策略；淘汰策略与内存管理
Q67: 你提到引入了本地缓存、Redis和数据库，这三者之间的一致性如何保证？
【核心解析】 多级缓存的更新顺序与失效策略；本地缓存的同步机制（如广播、消息队列）；数据变更时的最终一致性方案；缓存穿透与击穿的联合防护；监控与兜底策略
Q68: 为什么不能全部使用RocketMQ？Kafka和RocketMQ的主要区别是什么？
【核心解析】 Kafka的高吞吐量、持久化与分布式设计；RocketMQ的事务消息与顺序消息支持；适用场景差异（日志收集vs业务消息）；运维复杂度与社区生态；技术选型的权衡因素
Q69: MySQL的InnoDB引擎为什么强制要求建表时必须有一个主键？
【核心解析】 InnoDB的索引组织表特性（数据按主键顺序存储）；主键作为聚簇索引的唯一标识；若无显式主键，InnoDB会选择唯一非空索引或自动生成隐藏主键；主键对插入性能、空间碎片的影响
Q70: Redis是单线程还是多线程？
【核心解析】 Redis核心网络IO和命令执行是单线程的（基于Reactor模式）；Redis 6.0引入多线程IO处理网络读写；单线程模型避免锁竞争和上下文切换开销；多线程仅用于特定场景（如异步删除、IO线程）
Q71: Redis+Lua怎么应对百万级的队列式并发限流
【核心解析】 利用Redis的单线程特性保证Lua脚本原子执行；Lua脚本实现令牌桶或滑动窗口限流逻辑；队列式限流的概念（如有序集合实现延迟队列）；高并发下Redis的性能瓶颈与集群方案；如何保证限流算法的准确性和低延迟
Q72: Redis里的信息是怎么跟MySQL做同步的
【核心解析】 缓存旁路模式（Cache Aside）的读写流程；延迟双删策略保证一致性；基于binlog的异步同步（如Canal）；消息队列实现最终一致性；同步失败的重试与补偿机制
Q73: 如果消费队列扣减失败或订单写入MySQL失败，导致数据不一致，你有什么自动化机制（校验+补偿）来解决
【核心解析】 分布式事务方案（如TCC、Saga）；本地消息表+定时任务补偿；对账机制定期校验数据一致性；死信队列处理失败消息；幂等性设计防止重复消费
Q74: 对于智能客服Agent服务，在电商大促流量尖刺场景下如何解决高并发问题？
【核心解析】 弹性伸缩与自动扩容；缓存策略与热点数据预加载；限流降级与熔断机制；异步处理与消息队列；服务无状态化与负载均衡
Q75: SSE和WebSocket的区别是什么？
【核心解析】 SSE 是单向服务器推送，WebSocket 是全双工通信；SSE 基于 HTTP 协议，WebSocket 是独立协议；SSE 自动重连，WebSocket 需手动实现；SSE 仅支持文本数据，WebSocket 支持二进制；适用场景差异（实时通知 vs 实时交互）
Q76: Redisson分布式锁的过程、原理
【核心解析】 基于Redis的分布式锁实现原理；Redisson的看门狗机制自动续期；可重入锁的实现与锁标识；红锁算法解决主从切换问题；与SETNX+过期时间的简单锁对比
Q77: MySQL事务隔离级别、MVCC原理、流程
【核心解析】 四种事务隔离级别（读未提交、读已提交、可重复读、串行化）及解决的问题；MVCC通过undo log和ReadView实现多版本并发控制；ReadView的生成时机与可见性判断；可重复读级别下如何避免幻读（间隙锁与MVCC结合）；MVCC在读写并发时的性能优势
Q78: MySQL的索引
【核心解析】 索引的数据结构（B+树、哈希等）及原理；聚簇索引与非聚簇索引的区别；索引的最左前缀原则与覆盖索引；索引的优缺点及创建原则；索引失效的常见场景
Q79: 了解语言特性吗？Java 的 JVM 和 Python 的协程讲讲看。
【核心解析】 JVM 内存模型、垃圾回收机制、类加载过程；Python 协程原理（async/await、事件循环）；并发编程模型对比（线程 vs 协程）；语言特性对 Agent 系统性能的影响。
Q80: 你的横向课题用的什么数据库？MySQL 了解吗？高并发场景下如何处理？
【核心解析】 MySQL 的存储引擎（InnoDB）、索引优化、事务隔离级别；高并发场景下的解决方案（连接池、读写分离、分库分表）；数据库在 Agent 系统中的应用（存储记忆、日志）；性能调优与监控。
Q81: vLLM 启动推理服务时常见的配置参数有哪些？
【核心解析】 模型路径、张量并行大小、流水线并行大小、显存利用率上限、最大模型长度、GPU 数量、量化方法等；需了解参数对资源分配和性能的影响；体现对推理引擎系统化配置的理解。
Q82: Redis缓存击穿、缓存穿透、缓存雪崩分别是什么？如何解决？
【核心解析】 缓存击穿：热点key过期，大量请求直接打到数据库，解决方案包括互斥锁、逻辑过期；缓存穿透：查询不存在的数据，请求穿透缓存直接访问数据库，解决方案包括布隆过滤器、缓存空对象；缓存雪崩：大量key同时过期或Redis宕机，导致数据库压力骤增，解决方案包括过期时间加随机值、高可用架构、限流降级。
Q83: Spring中事务管理的方式和原理？
【核心解析】 声明式事务（@Transactional）和编程式事务（TransactionTemplate）；事务传播行为（如REQUIRED、REQUIRES_NEW）；隔离级别与数据库锁机制；事务管理器（PlatformTransactionManager）的作用；AOP代理实现原理。
Q84: Redis分布式锁的实现方式？
【核心解析】 基于SETNX命令加锁，配合过期时间防止死锁；Redisson等客户端封装的看门狗机制自动续期；Redlock算法解决单点故障问题；锁释放时需验证持有者身份（Lua脚本原子操作）；分布式锁的可靠性与性能权衡。
Q85: 创建一个线程池需要考虑哪些参数？
【核心解析】 核心线程数（corePoolSize）、最大线程数（maximumPoolSize）；空闲线程存活时间（keepAliveTime）和时间单位；工作队列（BlockingQueue）类型和容量；线程工厂（ThreadFactory）自定义线程创建；拒绝策略（RejectedExecutionHandler）如AbortPolicy、CallerRunsPolicy。
Q86: 事务隔离级别有哪些？分别解决了什么问题？
【核心解析】 读未提交（Read Uncommitted）：存在脏读、不可重复读、幻读；读已提交（Read Committed）：解决脏读，存在不可重复读、幻读；可重复读（Repeatable Read）：解决脏读、不可重复读，存在幻读（InnoDB通过间隙锁部分解决）；串行化（Serializable）：解决所有问题，但并发性能最低。
Q87: Java内存泄露问题及排查
【核心解析】 常见原因：长生命周期对象持有短生命周期对象引用；未关闭的资源（如连接、流）；静态集合类无限增长；排查工具：jmap、jstack、MAT、VisualVM；分析堆转储文件定位泄漏对象与GC Root引用链。
Q88: vLLM 为什么可以加速推理？其原理、收益和代价是什么？
【核心解析】 vLLM 使用 PagedAttention 管理 KV 缓存，减少内存碎片，提高吞吐量；原理是通过分页机制动态分配显存，支持更大批处理；收益是显著提升推理速度，降低延迟；代价是实现复杂度高，需要额外显存管理开销。
Q89: 超出 128K token 的序列如何在合理内存下进行推理？
【核心解析】 使用分块注意力机制，如 Ring Attention 或 FlashAttention 分片处理；采用 KV 缓存压缩或量化技术减少显存占用；利用模型并行或流水线并行将序列分布到多卡；使用递归或记忆机制分段处理长序列。
Q90: 你的Redis+Lua脚本实现预扣减的具体逻辑是怎样的？数据最终是放在Redis吗？
【核心解析】 预扣减场景：如秒杀库存扣减，先扣Redis再异步同步DB；Lua脚本保证原子性：检查库存、扣减、记录预扣信息；Redis作为缓存，最终数据持久化到数据库；考虑并发竞争、超时回滚、数据一致性；解释Redis与DB的数据同步策略。
Q91: 你有了解过Redis的可靠性吗？
【核心解析】 Redis持久化机制（RDB/AOF）；主从复制与哨兵模式；集群分片与数据一致性；故障恢复与数据丢失场景；缓存穿透/击穿/雪崩的应对
Q92: 如果让你重新设计这套系统，你会先拆哪几个边界，而不是先画微服务图？为什么先拆交易主链路和旁路能力？
【核心解析】 识别核心业务域与支撑域；主链路聚焦强约束动作（下单、库存冻结、支付确认、履约状态推进）；旁路能力异步化（优惠、积分、营销、通知）；边界划分原则：数据一致性要求、可用性要求、变更频率；避免过度同步阻塞，提升系统弹性
Q93: 为什么很多高并发系统最后会死在“局部强一致执念”上？
【核心解析】 同步阻塞导致资源耗尽；并非所有链路都需要强一致；核心事实（资金、库存、资格）先落稳，副作用异步扩散；最终一致性的接受与设计；局部强一致需克制，只放在关键约束位置
Q94: 如果消息队列突然从“稳定削峰”变成“放大故障”，你会优先怀疑什么？
【核心解析】 优先怀疑消费逻辑的副作用扩散，而非Broker本身；消费端下游依赖变慢或失败；重试机制缺乏退避；批量消费中混入慢消息；分区热点导致局部积压；消息模型未隔离高价值与低价值事件
Q95: 多仓、多渠道、多状态库存系统如何解决口径不一致问题？
【核心解析】 不能仅靠加锁处理，锁只能解决瞬时竞争，无法解决异步回流、消息延迟和状态对账；主库存收口，预占库存独立建模；异步回补加审计；定时对账清理脏数据；使用原子校验并扣减库存（如Redis Lua脚本）。
Q96: Kafka 除了高吞吐外，还有哪些优势？它适合什么场景？
【核心解析】 Kafka 适合日志型、事件型、可回放的流式场景；通过顺序追加写、分区并行、批量传输、页缓存和零拷贝实现高吞吐；天然支持消费位点、重放和多订阅者模型，类似分布式提交日志；适用于实时分析、事件总线、CDC、埋点流和异步解耦；但不适合复杂延迟消息、优先级和严格事务隔离的场景。
Q97: Kafka 为什么能做到高吞吐？线上瓶颈通常出现在哪里？
【核心解析】 高吞吐来自顺序写磁盘、批量发送与拉取、分区并行、操作系统页缓存、压缩和零拷贝，避免随机IO；瓶颈可能出现在Broker磁盘打满、分区倾斜、消费滞后、页缓存命中下降、网络带宽不足或副本同步延迟；性能优势依赖于访问模式和资源模型的匹配，需注意监控和调优。
Q98: 追踪订单状态变更链路时，如果发生数据丢失，如何定位？
【核心解析】 先确定丢失环节：未生产、未投递、未消费、消费失败未补偿或查询链路不可见；沿链路串联日志、traceId、消息key、数据库记录、消费位点和告警时间线；异步系统中需区分真实丢失与延迟或视图未更新；利用分布式追踪和监控工具定位具体失败点；最终一致性下需检查补偿逻辑是否正常执行。
Q99: Redis缓存击穿、穿透、雪崩的场景及解决方案是什么？
【核心解析】 缓存击穿：热点key过期，大量请求直达数据库，解决方案为互斥锁或永不过期；缓存穿透：查询不存在的数据，请求穿透缓存，解决方案为布隆过滤器或空值缓存；缓存雪崩：大量key同时过期或Redis宕机，解决方案为过期时间随机化、高可用架构、限流降级。
Q100: MySQL的存储引擎有哪些？它们的特点是什么？
【核心解析】 InnoDB支持事务、行级锁、外键，适合高并发OLTP；MyISAM不支持事务，表级锁，适合读多写少；Memory数据存储在内存，速度快但重启丢失；Archive适合归档，压缩比高，只支持插入和查询。