本节通过6道高频架构场景题的口述练习,掌握系统设计4步框架的实战应用,训练答题结构化和追问应对能力。
每道场景题都按这个框架回答:
Step 1: 需求澄清 (1分钟)
"在开始设计之前,我想确认几个关键点..."
├─ 功能需求:核心功能是什么?
├─ 规模:QPS/用户量/数据量?
├─ 延迟要求:P99 < 100ms?
└─ 可用性:99.9% or 99.99%?
Step 2: 高层设计 (2分钟)
画出核心组件和交互关系
确定数据流向
选择存储方案
Step 3: 深入设计 (3分钟)
面试官追问的模块深入展开
解决瓶颈和单点
权衡说明
Step 4: 总结权衡 (1分钟)
回顾设计决策
指出改进方向
答题框架:
1. 需求澄清:
"假设这是一个电商秒杀活动:
- 并发:峰值10万QPS
- 库存:1000件商品
- 延迟:下单响应 < 200ms
- 不允许超卖"
2. 高层设计:
用户 → CDN → Gateway → [限流] → Redis Lua扣库存 → MQ异步 → DB落库
3. 关键设计点:
防超卖:Redis Lua原子扣减
流量削峰:MQ异步下单
幂等:用户维度去重(Redis Set)
限流:令牌桶,发放量 = 库存 × 1.5
4. 追问应对:
Q: Redis扣完库存但MQ发送失败怎么办?
A: 两种策略:
a) 定时任务补偿:扫描超时未支付订单,回补库存
b) 本地消息表:MQ发送记录持久化,失败后重试
Q: 如何防止黄牛刷单?
A: 多层防护:
a) 验证码/答题验证(人机校验)
b) 同一用户限购(Redis Set记录)
c) 同一IP限流(Gateway层)
d) 设备指纹识别
评分点:
必须提到:六层防护架构、Lua防超卖、MQ削峰
加分项:库存预热、订单超时回补、防黄牛策略
答题框架:
1. 需求澄清:
"假设日活用户100万:
- 日生成短链:10万
- 日访问量:1000万(读写比 100:1)
- 短链长度:尽量短(6-7位)
- 重定向延迟 < 50ms"
2. 高层设计:
写:长URL → 自增ID → Base62编码 → 存储
读:短码 → Redis缓存 → 302重定向
3. 关键设计点:
编码方案:自增ID + Base62 (0-9a-zA-Z)
6位短码容量:62^6 = 568亿,够用
缓存:三级缓存(Caffeine + Redis + DB)
302而非301:需要统计点击数据
4. 追问应对:
Q: 自增ID如何保证分布式唯一?
A: Leaf-segment号段模式:
- 预分配号段(如1000个ID)到本地
- 双Buffer:用完80%时异步加载下一批
- DB存储max_id,CAS更新
Q: 如何防止恶意大量生成短链?
A: 限流 + 鉴权:
a) 非登录用户禁止生成
b) 单用户每分钟限制10次
c) 全局限流保护DB
评分点:
必须提到:Base62编码、302重定向、缓存设计
加分项:Leaf号段、容量估算、布隆过滤器防冲突
答题框架:
1. 需求澄清:
"场景:电商下单 = 扣库存 + 创建订单 + 扣余额
- QPS:1000
- 一致性要求:不允许超卖,但允许短暂不一致
- 已有技术栈:Spring Cloud + Nacos + Seata"
2. 方案对比:
┌────────────┬──────────┬──────────┬──────────┐
│ 方案 │ 一致性 │ 性能 │ 侵入性 │
├────────────┼──────────┼──────────┼──────────┤
│ Seata AT │ 较强 │ 中 │ 低 │
│ TCC │ 强 │ 高 │ 高 │
│ 事务消息 │ 最终一致 │ 高 │ 中 │
└────────────┴──────────┴──────────┴──────────┘
3. 推荐方案(根据场景选择):
场景A(低并发强一致): Seata AT
场景B(高并发允许延迟): RocketMQ事务消息
场景C(涉及非SQL资源): TCC
4. 追问应对:
Q: Seata AT的undo_log如果丢失怎么办?
A: undo_log和业务数据在同一个本地事务中
业务提交成功 = undo_log一定存在
如果整个DB挂了 → DB恢复后undo_log也恢复
Q: 事务消息方案如果消费者一直失败怎么办?
A: 重试策略 + 死信队列 + 人工对账
最大重试次数后进入死信队列
定时任务扫描死信队列,人工处理
评分点:
必须提到:至少3种方案对比、AT模式原理、最终一致性
加分项:根据场景选择方案、追问应对流畅
答题框架:
1. 需求澄清:
"需要消息队列来做:
- 异步解耦(订单→库存→物流)
- 流量削峰(秒杀场景)
- 日志收集"
2. 方案对比:
┌──────────┬──────────┬──────────┬──────────┬──────────┐
│ 维度 │ RabbitMQ │ RocketMQ │ Kafka │ Pulsar │
├──────────┼──────────┼──────────┼──────────┼──────────┤
│ 吞吐量 │ 万级 │ 十万级 │ 百万级 │ 百万级 │
│ 延迟 │ μs级 │ ms级 │ ms级 │ ms级 │
│ 可靠性 │ 高 │ 非常高 │ 高 │ 高 │
│ 顺序消息 │ 不支持 │ 支持 │ 分区内有序│ 支持 │
│ 事务消息 │ 不支持 │ 支持 │ 支持(弱) │ 支持 │
│ 社区 │ 成熟 │ 阿里 │ 极活跃 │ 增长中 │
│ 适用 │ 中小项目 │ 电商/金融│ 大数据 │ 多租户 │
└──────────┴──────────┴──────────┴──────────┴──────────┘
3. 推荐选择:
Java电商项目 → RocketMQ(事务消息、顺序消息、Java生态)
日志/大数据 → Kafka(高吞吐、与大数据组件集成)
4. 追问应对:
Q: 为什么不选RabbitMQ?
A: RabbitMQ吞吐量较低,不支持事务消息
电商场景需要事务消息保证下单→扣库存的一致性
但如果是中小项目/需要低延迟,RabbitMQ是好的选择
评分点:
必须提到:三种以上MQ对比、至少3个维度、根据场景选型
加分项:提到事务消息、顺序消息、吞吐量数据
答题框架:
1. 需求澄清:
"场景:核心API需要保护,防止突发流量打垮系统
- 正常QPS:1000
- 峰值QPS:5000
- 可用性目标:99.9%"
2. 限流方案:
入口层: Gateway + Sentinel(全局限流)
服务层: Sentinel(单服务限流 + 熔断)
数据层: 连接池限制 + 慢SQL熔断
算法选择:
入口 → 令牌桶(允许突发)
服务调用 → 滑动窗口(平滑统计)
DB保护 → 漏桶(匀速输出)
3. 降级策略:
读服务降级 → 返回缓存数据/兜底数据
写服务降级 → 写入MQ异步处理
非核心功能 → 直接关闭(如推荐/评论)
4. 追问应对:
Q: 限流和降级的区别?
A: 限流 = 控制请求速率(预防)
降级 = 牺牲非核心功能保核心(应急)
限流在前面挡住超出能力的请求
降级在后面减少系统负载
Q: 熔断的三种状态?
A: CLOSED(正常) → OPEN(熔断,直接拒绝)
→ HALF-OPEN(探测恢复) → CLOSED/OPEN
Sentinel支持三种熔断策略:
慢调用比例、异常比例、异常数
评分点:
必须提到:限流算法对比、熔断三态、降级策略分层
加分项:令牌桶选入口、漏桶选DB保护、分级降级
完整口述模板:
"设计XXX系统,我会分四步来思考:
第一步,需求澄清:
我需要确认几个关键数字——QPS、数据量、延迟要求...
[给出合理估算]
第二步,高层设计:
核心组件有这几个...
[画出数据流向]
存储方案选MySQL/Redis/ES是因为...
第三步,深入设计(根据面试官追问):
这个模块的核心挑战是...
我选择XX方案而不是YY方案,因为...
瓶颈在XX,通过ZZ方式解决...
第四步,权衡总结:
这个设计的优势是...
潜在瓶颈在...,后续可以通过...优化
如果重新设计,我会考虑..."
评分标准:
┌────────┬────────────────────────────────────────┐
│ 等级 │ 标准 │
├────────┼────────────────────────────────────────┤
│ A 优秀 │ 4步框架完整+方案对比+追问流畅+量化估算 │
│ B 良好 │ 框架清晰,方案基本合理,追问略有卡顿 │
│ C 合格 │ 能画架构图但缺乏深度分析和权衡 │
│ D 不合格│ 直接跳到实现细节,没有全局观 │
└────────┴────────────────────────────────────────┘
高频挂点:
❌ 不做需求澄清直接画架构图
❌ 只有一个方案没有对比权衡
❌ 说不清为什么选A不选B
❌ 不会做规模估算(QPS/存储量)
❌ 忽略高可用和扩展性
1. 用4步框架口述秒杀系统设计(限时5分钟,录音回听)
2. 口述短链系统设计,包括规模估算
3. 列举分布式事务的3种方案,说明各自适用场景
4. 对比RocketMQ和Kafka,至少5个维度
5. 设计一个限流降级方案,说明每层用什么算法