SystemDesign 面试专题手册
💡 本章节共收录 5831 道面试真题，建议每天复习 10-20 题。
Q1: 在网络不稳定的情况下，如何对文件分片进行校验以保证完整性和顺序？
【核心解析】 使用哈希校验（如MD5、SHA）验证分片完整性；通过分片序号或位图保证顺序；采用前向纠错（FEC）机制恢复丢失分片；结合HTTP3的QUIC协议减少重传；客户端与服务端协商校验策略。
Q2: 项目拷打：RAG检索流程，文件上传如何从8s优化到2s？为什么采用两阶段检索？为什么使用ES？WebSocket vs SSE？
【核心解析】 两阶段检索减少候选集；ES倒排索引加速；WebSocket全双工，SSE单向流；文件上传优化：分片、压缩、异步处理
Q3: 如何设计一个文件上传接口？
【核心解析】 考虑文件大小限制、类型校验、存储方式（本地或OSS）、断点续传、分片上传；使用multipart/form-data；生成唯一文件名；返回访问URL。
Q4: RAG（检索增强生成）的工作流分哪几步？
【核心解析】 索引阶段：文档切分、向量化、存储；检索阶段：用户查询向量化、相似度检索；生成阶段：检索结果与查询拼接、输入LLM生成回答；可结合重排序优化；支持多轮对话；知识库更新策略
Q5: 如何自测排查接口全链路？
【核心解析】 单元测试；集成测试；链路追踪（如Jaeger）；日志监控；模拟异常场景；压力测试；全链路压测；接口文档与契约测试
Q6: 从工程或技术角度来看，内容生成类和智能体（Chatbot，基于纯文本的大模型）有什么区别？
【核心解析】 内容生成类：一次性生成完整内容，无状态；智能体：多轮交互，有状态管理；智能体需维护对话历史；智能体可调用工具；智能体需规划与推理；内容生成类更注重质量；智能体更注重交互流程
Q7: 即梦和Sora2在接入和使用上有什么区别？
【核心解析】 即梦：文生图/视频，API调用；Sora2：文生视频，更复杂；Sora2需处理长视频生成；即梦响应更快；Sora2对算力要求更高；接入方式可能不同；使用场景差异
Q8: Sora2的生成效果有问题吗？接Sora2的时候有没有遇到什么问题？
【核心解析】 效果问题：物理规律不准确、细节模糊、时长限制；接入问题：API稳定性、延迟高、成本高、内容审核、模型版本迭代
Q9: 介绍策略引擎的整体思路，以及你做了哪些改造？
【核心解析】 整体思路：规则配置、决策树、评分卡、实时计算；改造：引入规则热更新、优化执行效率、支持复杂条件、增加监控告警、可视化配置
Q10: 关于用户是否访问过小红书上的广告，是如何收集数据的？
【核心解析】 前端埋点（曝光、点击）；后端日志记录；用户行为事件上报；数据清洗与ETL；存储到数据仓库；关联广告ID和用户ID；注意隐私合规
Q11: 从工程角度来看，如何监控特征质量（覆盖率：KV存储数据/广告点击流数据）？
【核心解析】 定义覆盖率指标；实时监控缺失率；数据质量校验规则；异常告警；定期数据对账；采样验证；可视化看板
Q12: 讲一下动态限流如何实现的，RateLimiter的原理是什么？
【核心解析】 动态限流：根据系统负载动态调整限流阈值；实现方式：令牌桶、漏桶、滑动窗口；RateLimiter原理：基于令牌桶算法，以固定速率生成令牌，请求需获取令牌才能执行；支持预热和突发处理。
Q13: 设计一个日志系统，支持控制台输出和文件输出，如何实现工厂模式？
【核心解析】 定义抽象基类LogSink，包含虚函数write；派生类ConsoleSink和FileSink实现具体写入逻辑；使用SinkFactory根据类型字符串创建对应的Sink对象，返回unique_ptr。
Q14: 如何设计一个统计页面独立访客（UV）和页面点击量（PV）的系统？
【核心解析】 UV使用Redis的Set存储，key为页面URL，value为user_id集合，保证唯一性；PV使用Redis的String，key为页面URL，value为计数，每次访问自增。
Q15: 如何保证缓存与数据库的一致性？请以文章热点数据为例说明。
【核心解析】 先更新数据库，再将变更信息投递到消息队列；消费者异步删除缓存；下次读取时重新加载缓存；保证最终一致性。
Q16: 如何设计一个高并发的点赞系统？如果必须将点赞数据持久化到数据库，如何优化？
【核心解析】 点赞数先保存在Redis中，利用RDB和AOF持久化；若需写入数据库，采用异步方式：点赞请求入消息队列（如RabbitMQ或Kafka），实现削峰限流；消费者批量拉取（如一次100条），聚合相同帖子的点赞请求，减少数据库写入次数。
Q17: 用户反馈后台系统一个查询列表接口响应很慢，可能的原因有哪些？如何定位和解决？
【核心解析】 网络层：网络延迟、带宽不足；应用层：服务器线程堆栈分析（jstack）、内存分析（jmap）排查GC问题；数据库层：开启慢查询日志，用explain分析SQL，检查索引使用情况，优化SQL或分批次查询；缓存层：检查缓存失效或重建，使用Lua脚本保证Redis操作原子性；事前压测：使用Prometheus+Grafana进行链路追踪。
Q18: 请介绍一个在线平台的数据流转过程。
【核心解析】 设备状态上报进入接入服务，经协议校验和字段标准化后放入内部消息队列；规则计算模块根据设备类型和规则模板实时判断，触发异常则进入告警链路；原始事件异步写入日志存储和时序数据存储；实时状态查询优先走缓存和聚合结果，历史轨迹或异常记录走落盘数据；设计核心是分离实时展示、告警触发、历史追溯三条路径，避免慢路径影响其他。
Q19: 加载数据IO卡顿优化
【核心解析】 使用缓存（本地缓存如Caffeine、分布式缓存如Redis）；异步IO（NIO、AIO）；批量读写减少IO次数；压缩数据减少传输量；使用SSD；调整系统参数（如文件系统缓存、IO调度器）。
Q20: 编译阶段优化多类多函数切换卡顿
【核心解析】 使用增量编译；模块化设计，减少依赖；预编译头文件；链接时优化（LTO）；使用更快的编译器（如Ninja）；代码生成优化（如模板实例化控制）。
Q21: 大模型接入、调优、原理及幻觉解决
【核心解析】 接入：API调用或本地部署；调优：微调（Fine-tuning）、Prompt Engineering、RAG（检索增强生成）；原理：Transformer架构、自注意力机制；幻觉解决：知识库约束、事实核查、温度参数调低、few-shot示例。
Q22: 如何替换LLM及处理大量数据
【核心解析】 替换LLM：抽象接口，适配不同模型API；数据量大：分片处理、流式处理、使用向量数据库存储和检索；数据预处理：清洗、去重、分块。
Q23: C++项目性能调优
【核心解析】 使用性能分析工具（perf、gprof、Valgrind）；优化热点代码：减少拷贝、使用移动语义、内联小函数；数据结构选择：map vs unordered_map；内存池；并行计算（OpenMP、TBB）。
Q24: 高并发场景下如何设计秒杀系统？
【核心解析】 前端限流（按钮置灰、验证码）；后端限流（令牌桶、漏桶）；削峰填谷（消息队列）；库存预热（Redis预减库存）；数据库乐观锁；异步下单；防重复提交（幂等性）。
Q25: 用户点击下单后，库存是什么时候扣的？如何设计库存扣减方案？
【核心解析】 常见方案：下单时预扣库存（防止超卖）、支付成功后再扣减；分布式场景需考虑原子性，可使用Redis缓存库存+数据库最终一致性；高并发下需防重扣，结合乐观锁或分布式锁。
Q26: 你对自己未来 3 年的职业规划是什么？为什么选择滴滴？
【核心解析】 短期提升技术深度，掌握核心系统设计；中期成为技术骨干，参与复杂项目；长期向架构师或技术管理发展；选择滴滴因其业务规模大、技术挑战多、能快速成长。
Q27: 给定一个4GB大小的文件，如何判断访问量最高的十个URL？
【核心解析】 分治思想：将大文件分割成小文件，使用哈希映射到不同文件；每个小文件内用哈希表统计URL频率；维护大小为10的小顶堆获取Top10。
Q28: 项目中最困难的部分是什么？如何解决的？
【核心解析】 描述具体技术挑战，如性能优化、分布式一致性、高并发等；解决思路：分析瓶颈、设计优化方案、测试验证。
Q29: 爬虫抓取文件，10个一批并发访问，用固定线程池实现。如果用消息队列如何做？滑动窗口是什么？如果有一万行任务，处理时间不同，该怎么办？
【核心解析】 消息队列：生产者将任务放入队列，消费者从队列拉取；滑动窗口：控制并发数量，窗口内任务数固定；处理时间不同：使用线程池+任务队列，或调整滑动窗口大小。
Q30: 怎么设计表容量？
【核心解析】 根据业务预估数据量，考虑增长趋势；设计合理的字段类型，使用分库分表；监控实际使用情况。
Q31: 场景：类似12306买车票，如何保证多个请求不会发生超卖？
【核心解析】 使用数据库行锁或乐观锁；Redis分布式锁（如Redlock）；库存预扣减+最终一致性；消息队列异步处理；限流和排队；数据库事务隔离级别（可重复读）。
Q32: 一个大型项目，你会怎么对代码分层？
【核心解析】 常见分层：Controller、Service、Repository；领域驱动设计（DDD）；接口隔离；依赖注入；模块化。
Q33: Facebook数据定时任务异步拉取轮询处理，定时任务的时间间隔怎么配的，为什么这样定义？
【核心解析】 根据数据更新频率和时效性要求；考虑系统负载；使用指数退避或动态调整；监控任务积压。
Q34: 定时任务异步处理任务的状态机怎么设计的，幂等，高可用怎么保证？
【核心解析】 状态定义：待处理、处理中、成功、失败；幂等通过唯一ID和去重；高可用通过分布式调度（如Quartz）和重试机制；持久化状态。
Q35: 异步任务失败怎么处理的（哪些可以重试哪些降级）？
【核心解析】 可重试：网络超时、临时错误；降级：非核心功能、数据不一致容忍；重试策略：指数退避、最大次数；记录失败原因。
Q36: 大文件分片上传如何实现？
【核心解析】 前端将文件切分为固定大小的分片；每个分片生成唯一标识（如MD5）；后端接收分片并暂存；所有分片上传完成后，后端合并分片；支持断点续传和并发上传；需处理分片顺序和完整性校验；可使用Redis记录上传进度。
Q37: JMeter压测主要看哪些数据？QPS是什么？
【核心解析】 QPS（每秒查询数）、响应时间、吞吐量、错误率、CPU/内存使用率；QPS衡量系统处理能力
Q38: 请解释令牌桶和漏桶算法的原理、实现方式及适用场景。
【核心解析】 令牌桶：以固定速率生成令牌，请求需获取令牌才能通过，允许突发流量；漏桶：请求以固定速率流出，超出则丢弃或排队，平滑流量；实现：令牌桶可用定时器+计数器，漏桶可用队列+定时器；适用场景：令牌桶适合允许突发，漏桶适合严格限流。
Q39: 怎么理解规则树？请具体讲一下规则树的流程。
【核心解析】 规则树是一种决策树结构，用于复杂规则匹配；流程：从根节点开始，根据条件分支，最终到达叶子节点得到结果；应用场景：风控、推荐、策略引擎
Q40: 请描述你最近解决的一个技术问题，包括如何发现问题、分析原因、制定方案并最终解决的过程。
【核心解析】 发现问题：通过监控告警或用户反馈；分析原因：日志排查、代码审查、性能分析；制定方案：设计多种候选方案并评估；解决过程：实施、验证、优化；总结：文档化并分享经验。
Q41: 请介绍MCP（Model Context Protocol）工具的概念，以及tool、MCP、skill之间的关系。
【核心解析】 MCP是模型上下文协议，用于标准化AI模型与外部工具的交互；tool是具体功能接口，如搜索、计算；MCP定义了tool的发现、调用和结果返回协议；skill是组合多个tool完成复杂任务的流程；开发MCP工具需实现协议接口，注册工具描述
Q42: 如何用4GB内存对64GB数据进行排序？
【核心解析】 外部排序：将数据分块，每块排序后写入磁盘；使用多路归并（如败者树）合并有序块；内存中维护一个最小堆，每次从各块读取一个元素；注意磁盘IO优化（预读、缓冲）；可考虑使用MapReduce（Hadoop）或Spark。
Q43: 如果线上接口延迟突然变高，你会怎么排查？
【核心解析】 查看监控指标（CPU、内存、IO、网络、GC）；分析慢查询日志、接口调用链；检查是否有突发流量、死锁、资源竞争；排查外部依赖（数据库、缓存、下游服务）是否异常；使用性能分析工具（如 Arthas、JProfiler）定位热点代码。
Q44: 混合检索 RRF 加权参数 K 怎么调？
【核心解析】 RRF（Reciprocal Rank Fusion）融合多个排序结果；参数 K 控制平滑程度，通常取 60；K 越小，高排名文档权重越大；通过交叉验证或网格搜索调整 K；根据业务场景和指标（如 NDCG、MAP）选择最优 K。
Q45: 设计一个Java程序，输入充电时段和价格配置、充电订单信息，计算并输出该订单的总费用。
【核心解析】 定义PriceRule类包含时段和价格；定义充电订单类包含充电起止时间；计算订单覆盖的时段；根据时段匹配价格规则；处理跨时段费用累加；考虑边界情况如跨天；输出总费用
Q46: 分层记忆机制怎么实现？
【核心解析】 将数据按访问频率分层；热数据存内存；温数据存SSD；冷数据存磁盘；使用LRU等淘汰策略；缓存预热；数据一致性保证；监控和动态调整
Q47: 反诈预警怎么实现？
【核心解析】 基于规则引擎；机器学习模型；实时数据流处理；特征提取如交易频率、金额；异常检测；多维度关联分析；告警和人工审核
Q48: skill和混合检索如何实现？
【核心解析】 skill检索：基于关键词或语义匹配；混合检索：结合全文检索和向量检索；使用Elasticsearch等搜索引擎；向量数据库如Milvus；融合排序算法；考虑性能与准确性平衡
Q49: 如果让你设计一个后端的新增或查询接口，你会考虑哪些方面？
【核心解析】 接口安全性：鉴权、防篡改；参数校验；幂等性设计；性能：缓存、索引；异常处理；日志记录；版本控制；文档；限流；数据一致性
Q50: 接口防抖有哪些解决方案？
【核心解析】 前端防抖：按钮禁用；后端防抖：基于Token或时间戳；使用分布式锁；幂等性设计；唯一请求ID；数据库唯一约束；缓存标记
Q51: 如果某个接口突然变慢了，你会怎么去排查？
【核心解析】 先确认是否所有接口都慢还是单个；检查服务器资源（CPU、内存、IO）；查看慢SQL和数据库连接池；分析日志和链路追踪；检查外部依赖（第三方API、缓存）；代码层面：循环、锁、序列化等
Q52: 接口优化有哪些方式？
【核心解析】 数据库层面：索引优化、SQL优化、分库分表；缓存：Redis缓存热点数据；异步：消息队列削峰；代码层面：减少循环、批量操作、连接池；架构：CDN、负载均衡、限流熔断
Q53: 你的项目是高并发的，QPS大概是多少？为什么要做分库分表？分库分表后如何实现跨库查询？
【核心解析】 QPS根据项目实际；分库分表原因：单库容量瓶颈、读写性能；跨库查询方案：全局表、冗余、中间件（ShardingSphere）、应用层聚合；考虑分片键选择
Q54: 购票软件如何解决超卖问题？
【核心解析】 数据库乐观锁（版本号）、悲观锁（行锁）；Redis原子操作（DECR）；消息队列串行化；库存预扣减；最终一致性
Q55: 本地缓存加令牌桶控制频率具体怎么做的？如何往令牌桶里放令牌？如果很多用户岂不是有很多令牌桶，按顺序放会不会很慢？
【核心解析】 每个用户或请求来源维护一个独立的令牌桶；使用定时任务或延迟队列定期向桶中添加令牌；多用户场景下可采用分段锁或无锁算法（如CAS）减少竞争；批量添加令牌可优化性能；考虑使用Redis等分布式缓存实现共享令牌桶
Q56: 大模型的滑动窗口和其他存储上下文的方法你知道哪些？
【核心解析】 滑动窗口：固定大小窗口，丢弃旧token；其他方法：压缩上下文（如KV缓存压缩）、摘要生成、外部存储（向量数据库）、分层记忆（如HuggingFace的Longformer）
Q57: 如何设计一个IP限流方案？移动网络NAT出口下如何避免误伤？
【核心解析】 IP限流可使用令牌桶或漏桶算法；NAT环境下可结合用户ID或Cookie标识；使用更细粒度的限流（如每用户、每API）；动态调整阈值或使用白名单。
Q58: 订单数据怎么做持久化？
【核心解析】 使用关系型数据库如MySQL存储订单核心数据；采用分库分表应对高并发；结合缓存如Redis提升读取性能；使用消息队列异步落库；定期备份和归档历史数据。
Q59: 如何设计幂等性的Web API？
【核心解析】 客户端生成唯一请求ID；服务端通过Redis或数据库记录请求ID；处理前检查是否已执行；使用乐观锁或分布式锁防止重复提交；返回相同结果。
Q60: CPU和内存暴涨时如何排查？
【核心解析】 使用top、htop查看进程资源占用；jstack分析线程堆栈；jmap导出堆内存快照；分析GC日志；检查代码死循环、内存泄漏、大对象等。
Q61: 在模型评估中，使用20%数据作为测试集，人工评判准确率的做法是否合理？请说明原因及替代方案。
【核心解析】 合理但需注意：测试集应独立于训练集；人工评判可验证模型效果但成本高；替代方案：交叉验证、自动化评估指标（如准确率、召回率）。
Q62: 商品秒杀系统设计相关问题。
【核心解析】 秒杀特点：高并发、库存有限、瞬间流量；方案：前端限流、CDN静态化、页面缓存；后端：Redis预减库存、消息队列异步下单、数据库乐观锁；分布式锁（Redisson）控制库存；限流算法（令牌桶、漏桶）；降级、熔断。
Q63: 请求全链路剖析：一次会话请求，从用户发出一句话，到最终模型返回，中间经历了什么样的过程？
【核心解析】 用户输入经前端预处理（如分词、纠错）；请求到达网关，进行路由、限流、鉴权；进入业务服务，进行上下文构建、提示词组装；调用大模型API或本地模型推理；模型返回结果后，经后处理（如过滤、格式化）返回给用户；全链路涉及负载均衡、缓存、日志、监控等。
Q64: 概念辨析1：提示词工程（Prompt Engineering）和上下文工程（Context Engineering）的区别是什么？
【核心解析】 提示词工程侧重于设计输入提示以引导模型输出，包括指令、示例、格式等；上下文工程侧重于管理和利用对话历史、用户信息、外部知识等上下文数据；提示词工程是上下文工程的一部分；上下文工程更关注数据获取、存储、检索和动态构建。
Q65: 概念辨析2：Skill和Tool / Function Call的区别是什么？
【核心解析】 Skill是更高层次的抽象，封装了完成特定任务的能力，可能包含多个Tool调用；Tool/Function Call是具体的函数或API调用，执行单一操作；Skill可组合多个Tool，并包含逻辑控制（如条件、循环）；Skill通常有状态管理，Tool无状态。
Q66: 底层替代逻辑拷问：Skill是怎么做到能够去替代Function Call的？
【核心解析】 Skill通过封装多个Function Call实现复杂任务；Skill内部维护状态和流程控制，可动态选择调用哪个Function；Skill支持参数传递和结果聚合；通过注册机制，模型可识别并调用Skill；Skill可包含错误处理和回退逻辑。
Q67: 除了库的建设和分片，RAG模块还有什么其他优化吗？
【核心解析】 优化包括：文档预处理（分块策略、元数据提取）；索引优化（向量索引如HNSW、量化）；检索增强（混合检索、重排序）；缓存机制（减少重复计算）；动态上下文窗口；查询改写和扩展；多模态支持。
Q68: 如何设计日志与配置系统？
【核心解析】 日志系统：分级（DEBUG、INFO、WARN、ERROR）、异步写入、滚动策略、格式化；配置系统：配置文件格式（INI、JSON、XML）、热加载、优先级、默认值；模块化设计；线程安全；性能考虑。
Q69: 视频直播中，高并发场景下的弹幕发送和显示如何设计？
【核心解析】 弹幕发送：使用消息队列削峰填谷；弹幕存储：Redis有序集合或时序数据库；弹幕分发：WebSocket推送或轮询；弹幕渲染：前端虚拟列表或Canvas；限流：用户级别限流。
Q70: 如何设计高并发场景下的Token校验机制，避免每次查数据库？
【核心解析】 使用JWT无状态Token；本地缓存Token黑名单；Redis缓存Token信息；定期刷新缓存；异步批量校验；限流降级
Q71: RAG作为知识库检索，和把知识库放到ES上让模型调用MCP接口有什么区别？
【核心解析】 RAG结合检索与生成，利用向量相似度检索相关文档片段；ES基于倒排索引进行关键词匹配；RAG能理解语义，ES依赖精确匹配；RAG通常使用嵌入模型，ES使用分词和TF-IDF/BM25；RAG适合开放域问答，ES适合结构化搜索；RAG可动态更新知识，ES索引更新成本高；MCP接口是模型调用外部工具，RAG是内部检索
Q72: 若自己实现包含ES检索和向量检索的搜索接口，和RAG有什么区别？
【核心解析】 ES检索基于关键词，向量检索基于语义相似度；混合搜索结合两者优势；RAG通常只使用向量检索；自己实现可灵活调整权重和融合策略；RAG更注重生成质量，搜索接口注重召回率；RAG需要生成模型，搜索接口只需检索；RAG端到端，自己实现可模块化
Q73: 请设计一个环形消息队列，使用 vector<char> 模拟连续内存，两个指针维护读写头，重点说明思路和实现细节。
【核心解析】 使用 vector<char> 作为底层存储；两个指针：读指针和写指针；写指针追上读指针表示满，读指针追上写指针表示空；支持单生产者单消费者；注意边界条件和指针回绕。
Q74: 设计一个文本生成HTTP接口，请设计请求与返回的关键字段（至少包含：输入上下文、模型参数、输出结构、错误码，以及用于追踪的一次调用ID）。另外，你会如何支持流式（Streaming）返回？
【核心解析】 请求字段：input_context（输入文本）、model_params（如temperature、max_tokens）、request_id（追踪ID）；返回字段：output（生成文本）、error_code（0成功，非0错误）、request_id；流式返回使用HTTP分块传输编码（Transfer-Encoding: chunked）或Server-Sent Events（SSE），逐块返回生成内容。
Q75: 页面置换算法有哪些？各有什么优缺点？
【核心解析】 FIFO（先进先出）、LRU（最近最少使用）、LFU（最不经常使用）、Clock算法；LRU性能较好但实现复杂，FIFO简单但可能抖动。
Q76: 有100000个数据需要调用API处理，但处理方QPS不固定，如何设计发送策略？
【核心解析】 参考TCP拥塞控制：慢启动、拥塞避免、快速重传；动态调整发送窗口大小；使用滑动窗口控制并发数；监控响应时间和错误率；使用消息队列缓冲。
Q77: 设计一个微信红包系统：10个红包，总额20元，需要考虑哪些问题？如何防止超发？如何保证总额恰好为20元？红包过期如何处理？请给出优化方案。
【核心解析】 防止超发：使用预生成随机金额数组和计数器，用户按顺序抢；保证总额：预设数组总和为20；优化：使用队列存储红包，计数器用Redis INCR命令；过期处理：定时任务或Redis过期回调，将未抢金额退回。
Q78: 如何设计高并发的数据查询接口？请结合CompletableFuture异步编排、过滤排序、Redis分布式锁和分库分表等策略进行说明。
【核心解析】 使用CompletableFuture异步调用提升并发能力；通过流式操作过滤违规内容并综合排序；利用Redis分布式锁实现限流保护；采用分库分表解决单库性能瓶颈。
Q79: 如何设计一个评论系统的热度排序算法？请给出综合排序公式。
【核心解析】 综合排序公式S = w1基础热度 + w2个性化分数 + w3热度潜力 + w4时间衰减；时间衰减使用指数函数；需考虑权重调整。
Q80: 如何设计一个高并发评论系统的整体架构？
【核心解析】 混合使用关系型数据库（MySQL）和NoSQL（Redis）；Redis有序集合存储热度排序，本地缓存减少Redis压力；热度计算采用异步计算+定期更新，公式为hot_score = log10(like_count×2 + reply_count) + (create_time - 固定基点时间戳)/衰减因子；评论写入同步数据库并异步MQ更新缓存；点赞/回复通过MQ异步重算热度；分页优化：热度排序用ZREVRANGE，时间排序用游标分页；缓存击穿用分布式锁保护；最终一致性通过MQ保证。
Q81: 核心接口P99延迟<100ms，请给出数据存储、缓存、热度计算与更新、分页查询的完整设计方案，并解决高并发写和‘深分页’的性能问题。
【核心解析】 存储：分库分表MySQL或TiDB，以video_id分片；缓存：Redis缓存热数据，使用ZSet存储评论ID和热度分；热度计算：基于点赞数、回复数、时间衰减，异步更新；分页查询：使用游标分页（cursor-based）避免深分页；高并发写：消息队列削峰，批量写入；缓存更新：使用LRU或LFU淘汰冷数据。
Q82: 布隆过滤器的原理是什么？除了布隆过滤器，还有哪些方案可以解决缓存穿透问题？
【核心解析】 布隆过滤器使用位数组和多个哈希函数判断元素是否存在，存在误判但节省空间；其他方案包括缓存空对象、使用Redis的bitmap、布谷鸟过滤器、布隆过滤器的变种等。
Q83: 请描述你设计过的系统架构，按数据流分层说明，并指出可能的瓶颈。
【核心解析】 入口层：网关、鉴权、限流；业务层：请求编排、规则判断、状态推进；异步层：MQ解耦高峰流量和补偿任务；存储层：MySQL、Redis、检索索引、对象存储；旁路：监控、日志、配置中心、任务调度；常见瓶颈：检索召回抖动、缓存热点倾斜、下游依赖变慢、消费积压、数据库回查索引失效。
Q84: 请解释RAG（检索增强生成）的原理及其在系统中的角色。
【核心解析】 RAG将外部知识注入生成过程，降低模型参数记忆的不确定性；流程：文档清洗、切块、向量化、索引构建、召回、重排、上下文组装、答案生成；落地时作为知识访问层，而非答案本身；好的RAG系统让模型在证据边界内作答，无证据时拒答。
Q85: 请解释冷热数据分离的概念，并描述如何设计一个定时任务系统来处理冷热数据。
【核心解析】 冷热数据：热数据是近期频繁访问的数据（如近2小时），冷数据是历史数据；热数据存入Redis，使用适当数据结构（如有序集合）检查是否到点执行；冷数据存入数据库，由迁移服务定期生成后续任务；定时任务每小时/每分钟执行，只关注热数据。
Q86: 当任务量巨大时，如何设计分库分表方案？请结合具体组件和阈值说明。
【核心解析】 调研美团、阿里组件，但自研分库分表能力；治理服务监控表大小，超过400万（阿里推荐500万，取缓冲值）时重新分表；新任务写入新表，旧表保留执行记录；冷数据归档，热数据使用Elasticsearch解决大表查询；增加worker机器提升并行处理能力。
Q87: 项目的权限设计（用户、管理员、商户等）以及相关的数据库表设计是怎样的？
【核心解析】 基于RBAC模型：用户表、角色表、权限表、用户角色关联表、角色权限关联表；用户与角色多对多，角色与权限多对多
Q88: 在项目中哪些地方使用了Redis缓存？
【核心解析】 热点数据缓存、分布式锁、计数器、会话管理、排行榜、消息队列
Q89: 向量数据库的作用是什么，它和普通检索系统的边界在哪里？
【核心解析】 向量数据库主要解决语义相似检索问题，适合处理问法不稳定、表达多样但语义相近的场景；将文本映射为高维向量，使用ANN索引进行近似最近邻搜索；不是全文检索的替代品，精确关键词、结构字段过滤、时间约束和强规则查询仍依赖传统倒排索引；实际系统常混合使用向量召回、关键词召回和规则过滤。
Q90: 为什么有些场景会选择多智能体而不是单智能体？
【核心解析】 多智能体适用于任务边界可清晰拆分的情况，如规划、执行、审计、复核等不同职责；拆开后上下文更短，行为更易约束；单智能体链路短、调试简单、状态集中，但多阶段推理加工具调用易导致上下文污染；多智能体的代价包括通信成本、错误放大和治理复杂度；仅在职责边界足够清晰时值得采用。
Q91: 如果让你现场展示项目代码，你会重点讲哪一部分才能体现深度？
【核心解析】 不展示controller或CRUD，选择体现系统复杂度的部分：检索编排层、工具路由、消息幂等消费、缓存一致性控制、任务状态机；这些位置能体现对数据流、故障场景和边界控制的理解；展示时说明实现解决的问题、为何不用更简单方案、上线后踩过的坑。
Q92: 平常主要用什么系统写代码？Windows 和 Linux 分别适合做什么？
【核心解析】 Windows：GUI、IDE 调试、编码兼容性；Linux：网络服务、脚本、构建、系统调用分析；跨平台项目常混合使用
Q93: 你常用过哪些 IDE？分别有什么优缺点？
【核心解析】 Visual Studio：Windows C++ 调试强；VS Code：轻量、插件丰富；Qt Creator：Qt 项目友好；CLion：跨平台 C++；大型工程更关注编译系统等
Q94: 如果 VS 里看到中文正常，但程序运行后界面或控制台乱码，怎么排查？
【核心解析】 确认乱码层：源码编码、编译字面量、控件显示、IO 编码；控制台看代码页；界面看字符串类型；文件看编码和 BOM；统一 UTF-8，显式转码
Q95: 如果不用 Redis 缓存，让你自己实现一个有 TTL 的 K-V 缓存，只能用 Java API，你会怎么设计？
【核心解析】 使用 ConcurrentHashMap 存储键值对；每个值附带过期时间戳；通过后台线程或惰性删除清理过期条目；考虑使用 WeakHashMap 或软引用防止内存泄漏；实现 put、get、remove 方法；注意线程安全；可扩展为 LRU 等淘汰策略。
Q96: 什么是幂等性？如何实现接口幂等性？
【核心解析】 幂等性指多次执行结果一致；常见实现：唯一索引、Token 机制、乐观锁、去重表、状态机；适用于支付、订单等场景；需考虑并发和分布式环境。
Q97: 在 AI 全栈开发中，文档分片后向量库中的文档数量如何确定？为什么选择这种方案？
【核心解析】 文档分片数量取决于文档大小、分片策略（如按段落、按固定长度）以及向量库的存储和检索性能；需要平衡检索精度和存储成本；选择方案时需考虑业务场景：如 RAG 应用中，分片过小可能导致上下文丢失，过大则检索不精准；通常采用滑动窗口或重叠分片策略。
Q98: 在项目中遇到过哪些挑战？如何解决？
【核心解析】 常见挑战包括高并发、数据一致性、性能瓶颈等；解决思路：分析根因，设计合理方案，如缓存、异步、分库分表、分布式事务等；需要结合具体项目描述。
Q99: 你平时使用什么技术栈？如何看待 AI 工具在开发中的应用？
【核心解析】 技术栈包括 Java、Spring Boot、MySQL、Redis、Kafka 等；AI 工具可提升编码效率、辅助调试、生成文档等；但需注意代码质量和安全性，不能完全依赖。
Q100: 大模型文本生成HTTP接口设计：流式返回（Stream）的具体数据传输设计；错误码如何设计以便前端快速定位？
【核心解析】 流式返回使用Server-Sent Events或Chunked Transfer Encoding；数据格式为JSON Lines或纯文本；错误码设计需分层（如HTTP状态码+业务码）；业务码包含模块、错误类型、具体原因；前端根据错误码展示对应提示；考虑超时、断连重试机制
Q101: 限流怎么实现？
【核心解析】 计数器算法；滑动窗口算法；漏桶算法；令牌桶算法；分布式限流（Redis+Lua）；限流框架（Sentinel、RateLimiter）；应用层限流（Nginx、网关）
Q102: 你项目的各个量化指标介绍一下，并且说明是怎么测量以及怎么提升的。
【核心解析】 指标定义（QPS、延迟、可用性等）；测量工具与方法；基线设定；优化策略；效果验证；持续监控
Q103: 实现了节点的持久化和恢复，这个主要解决的问题是什么？
【核心解析】 数据持久性；故障恢复；避免数据丢失；重启后状态重建；一致性保证；性能权衡
Q104: 文档分片的优化策略
【核心解析】 按文档大小或ID范围分片；使用一致性哈希均衡负载；预分片避免热点；动态调整分片数量；结合缓存减少分片查询；监控分片性能并自动迁移
Q105: 请详细描述秒杀场景下完整的系统交互链路。
【核心解析】 用户请求通过CDN/负载均衡到达网关；网关限流（令牌桶/漏桶）；业务层校验库存（Redis预减）；异步下单（消息队列削峰）；数据库扣减库存（乐观锁）；生成订单（分布式事务）；返回结果（轮询或回调）；兜底策略（降级、熔断）。
Q106: 如何保证多级缓存（如本地缓存+Redis）的一致性？
【核心解析】 常见策略：先更新数据库，再删除缓存（Cache Aside Pattern）；延迟双删：更新数据库后先删缓存，延迟一段时间再删一次；使用消息队列异步同步缓存；设置合理的缓存过期时间作为兜底；对于强一致性场景，考虑使用分布式锁或读写锁。
Q107: 如何设计一个高性能的分布式锁？会遇到哪些问题？
【核心解析】 基于Redis：使用SET NX EX命令或Redisson；基于ZooKeeper：临时顺序节点+监听；需解决死锁（设置超时时间）、锁误删（使用唯一标识）、可重入（记录线程信息）、性能（分段锁/读写锁）；Redlock算法用于多节点Redis集群；注意时钟漂移和网络延迟问题。
Q108: 大文件上传和分片上传是如何实现的？为什么分片上传后需要在MinIO中合并？
【核心解析】 分片上传将文件切分为多个小片，并行上传，提高速度和可靠性；客户端记录分片信息，服务端接收后暂存；所有分片上传完成后，服务端发起合并请求，将分片按顺序合并为完整文件；MinIO作为对象存储，分片存储后需合并以提供完整文件访问；合并可在服务端或MinIO侧通过组合操作实现。
Q109: 如何用随机数估算圆周率？
【核心解析】 蒙特卡洛方法；在正方形内随机投点，统计落在内切圆内的比例；比例乘以4即为π的近似值；随机数越多，结果越精确。