title: DDD与系统设计高频面试题
tags: [DDD, 系统设计, CQRS, 微服务拆分]
created: 2026-05-31
2026年20K+ Java后端面试必考:DDD核心概念、系统设计经典题、微服务拆分。
1. 什么是领域(Domain)?为什么DDD强调以领域为核心而非以技术为核心?
答案:领域是一个业务问题空间,包含业务规则、业务流程和业务概念。DDD强调以领域为核心是因为技术只是手段,业务价值才是目标。传统以技术为核心的架构(如MVC)容易导致业务逻辑分散在各层,维护和演进困难。DDD通过统一语言和领域建模,让代码结构直接反映业务结构,降低沟通成本,提高系统对业务变化的响应速度。
2. 什么是子域(Subdomain)?核心域、支撑域、通用域的区别是什么?
答案:子域是对大领域的问题空间分解。核心域是企业的核心竞争力所在,决定企业能否在市场中脱颖而出,必须投入最优质的资源自己构建。支撑域虽然不是核心竞争力,但业务上不可或缺,通常自研或深度定制。通用域是行业通用的功能(如认证、邮件),可直接采购或外包,不需要投入过多精力。识别子域的优先级有助于合理分配资源,把最好的人放在核心域上。
3. 什么是限界上下文(Bounded Context)?它和子域的关系是什么?
答案:限界上下文是DDD战略设计的核心概念,是一个明确的语义边界,在其中某个领域模型有确切且唯一的含义。例如"产品"在商品上下文中指商品信息,在订单上下文中指已购买的条目。子域是问题空间的划分(描述业务),限界上下文是解决方案空间的划分(描述软件边界),理想情况下一个子域对应一个限界上下文,但并非绝对。
4. 限界上下文之间如何通信?什么是上下文映射(Context Map)?
答案:限界上下文之间通过上下文映射定义关系和集成方式。常见模式包括:共享内核(Shared Kernel)、防腐层(ACL,Anti-Corruption Layer)、开放主机服务(OHS,Open Host Service)、发布语言(Published Language)、各行其道(Separate Ways)等。防腐层是最重要的防护机制,在依赖外部上下文时,通过ACL隔离外部模型,防止外部概念污染本上下文的领域模型。
5. 什么是聚合(Aggregate)?它解决了什么问题?
答案:聚合是一组相关领域对象的集合,被视为一个数据修改的单元。聚合由一个聚合根和若干实体、值对象组成。聚合解决的核心问题是保证业务不变量(Invariant)的一致性。外部只能通过聚合根访问和修改聚合内部对象,聚合根负责维护内部所有业务规则。例如"订单"聚合中,删除订单项必须通过订单聚合根操作,保证订单总金额等不变量始终正确。
6. 聚合根(Aggregate Root)有哪些设计原则?
答案:聚合根是聚合的唯一入口,设计原则包括:(1) 聚合根必须通过Repository持久化,内部对象不能独立访问;(2) 聚合应该尽量小,只包含必须保证一致性的对象,大聚合会导致并发冲突和性能问题;(3) 聚合之间通过ID引用而非直接引用对象,降低耦合;(4) 聚合内的状态变更必须通过聚合根的方法,不能绕过聚合根直接修改内部对象;(5) 一个事务只修改一个聚合,跨聚合的一致性通过领域事件最终一致性保证。
7. 什么是实体(Entity)和值对象(Value Object)?它们的区别是什么?
答案:实体有唯一标识(ID),身份贯穿生命周期,即使属性相同但ID不同就是不同对象,例如两个同名用户是不同实体。值对象没有独立标识,通过属性值判等,具有不可变性,例如地址(Address)、金额(Money)。值对象的优势是简化设计、天生线程安全、可自由替换。优先使用值对象,只有需要跟踪生命周期时才使用实体。
8. 什么是领域事件(Domain Event)?它在DDD中起什么作用?
答案:领域事件表示领域中已经发生的、有业务意义的事情,命名通常用过去时态(如OrderCreated、PaymentCompleted)。它的核心作用是解耦:聚合之间不直接调用,而是通过事件通知。跨聚合、跨限界上下文的操作通过领域事件实现最终一致性。事件还可以用于事件溯源(Event Sourcing)和审计日志。在Spring中可以通过ApplicationEventPublisher发布,@EventListener或@TransactionalEventListener消费。
9. 什么是统一语言(Ubiquitous Language)?为什么它如此重要?
答案:统一语言是DDD战略设计的基础,要求开发团队和业务专家使用同一套术语来描述领域概念,且代码中的类名、方法名、变量名必须与统一语言一致。统一语言消除了"需求文档说A、代码里写B、数据库存C"的歧义问题,使得沟通成本大幅降低。如果团队在讨论中发现对某个概念有不同叫法,说明可能存在隐式的限界上下文边界,需要重新审视模型划分。
10. DDD中的Repository(仓储)和DAO的区别是什么?
答案:Repository是领域层的概念,面向集合设计,体现"聚合根的集合"语义,方法命名以业务含义为主(如findById、save、remove)。DAO是数据访问层的概念,面向数据库表设计,方法命名偏向数据库操作(如selectById、insert、update)。Repository隐藏了持久化细节,领域层只依赖Repository接口,具体实现(JPA、MyBatis、MongoDB)由基础设施层提供,实现领域层与持久化技术的解耦。
11. DDD的战略设计和战术设计分别指什么?
答案:战略设计关注宏观层面——划分子域、识别限界上下文、建立上下文映射,解决的是"系统如何划分"的问题。战术设计关注微观层面——聚合根、实体、值对象、领域服务、领域事件、仓储等模式,解决的是"单个限界上下文内部如何建模"的问题。战略设计先于战术设计:先搞清楚业务边界和模型边界,再在每个边界内部用战术模式精细建模。常见误区是跳过战略设计直接用战术模式,导致"打补丁式DDD"。
12. 上下文映射(Context Map)有哪些常见模式?防腐层(ACL)为什么最重要?
答案:常见模式包括防腐层(ACL)、开放主机服务(OHS)、发布-订阅、共享内核(Shared Kernel)、遵奉者(Conformist)、各行其道(Separate Ways)等。防腐层最重要是因为在依赖外部上下文(尤其是第三方系统或遗留系统)时,外部模型往往与自身限界上下文的统一语言不一致。ACL在两者之间建立翻译层,将外部模型转换为内部模型,防止"腐蚀"蔓延到核心领域,保持领域模型的纯净性。
13. DDD的四层架构分别是哪四层?各层职责是什么?
答案:DDD四层架构从上到下为:(1) 用户接口层(Interface/Presentation):负责接收请求、参数校验、返回响应,不包含业务逻辑;(2) 应用层(Application):负责编排业务用例、事务管理、安全认证、调用领域服务和Repository,本身不含业务规则;(3) 领域层(Domain):核心层,包含实体、值对象、领域服务、领域事件、聚合,封装所有核心业务规则;(4) 基础设施层(Infrastructure):提供技术实现,如Repository实现、消息队列、外部API调用、缓存等。依赖方向为上层依赖下层,领域层不依赖任何外层。
14. 为什么DDD中应用层(Application Layer)不应该包含业务逻辑?
答案:应用层是"编排者"而非"决策者",它的职责是协调领域对象完成用例流程,比如"用户下单"用例中,应用层调用聚合根的方法、发布领域事件、持久化,但业务规则(如库存不足不允许下单、折扣计算)全部封装在领域层。这样做的目的是保证业务规则只存在一个地方,不会因为用例的入口不同(HTTP、MQ、定时任务)而出现不一致的业务行为,也使得业务逻辑可独立测试。
15. 领域服务(Domain Service)和应用服务(Application Service)的区别?
答案:领域服务包含跨聚合的业务逻辑或不适合放在单个实体/值对象中的业务规则,例如"转账"涉及两个账户聚合。应用服务不包含业务规则,只做用例编排和事务管理。判断标准:如果一段逻辑删除后影响业务正确性,它属于领域服务;如果只是改变了触发方式(从HTTP改为MQ),逻辑不受影响,说明它是应用服务。领域服务由领域层定义,应用服务由应用层定义。
16. 基础设施层如何实现依赖倒置(Dependency Inversion)?
答案:DDD中依赖倒置的核心是:领域层定义Repository接口,基础设施层提供具体实现。领域层不依赖任何持久化框架(JPA、MyBatis),只依赖自己定义的接口。Spring的依赖注入自动将基础设施层的实现注入到应用层/领域层。这样领域层可以独立演进和测试(用Mock实现),更换持久化技术时只需修改基础设施层,不影响核心业务代码。
17. 什么是CQRS(命令查询职责分离)?它解决了什么问题?
答案:CQRS将读操作(Query)和写操作(Command)分离为不同的模型。写模型使用领域模型保证业务一致性,读模型使用优化的查询模型(如直接查视图或搜索引擎)提高查询性能。解决的问题包括:(1) 复杂业务场景中读写模型的优化方向冲突——写模型需要规范化保证一致性,读模型需要反规范化提高查询效率;(2) 读写分离后可独立扩展,高读低写的系统可以给读侧加缓存和从库。
18. CQRS的读写模型数据如何同步?最终一致性如何保证?
答案:写模型处理Command后发布领域事件,读模型订阅事件并更新自己的查询视图。同步方式包括:(1) 事件总线(进程内)适合单体应用;(2) 消息队列(Kafka、RocketMQ)适合分布式系统,保证可靠投递;(3) CDC(Change Data Capture)如Debezium,监听数据库binlog同步。读模型存在短暂延迟(最终一致性),大多数业务场景(如查看订单列表)可接受秒级延迟。
19. 什么是Event Sourcing(事件溯源)?它和传统CRUD有什么区别?
答案:事件溯源不保存对象的当前状态,而是保存所有改变状态的事件序列。当前状态通过回放事件计算得出(类似银行存折记录每笔交易)。优势:(1) 完整的审计日志,可追溯任意时刻的状态;(2) 天然支持时间旅行(回放事件到某个时间点);(3) 与CQRS天然结合,事件同时用于重建状态和更新读模型。缺点是复杂度高、事件版本升级困难、查询需要额外的投影(Projection)。
20. Event Sourcing中如何处理事件版本升级(Event Upcasting)?
答案:业务演进中事件结构不可避免需要变更,如字段增减、类型修改。事件不可变性原则要求旧事件不能被修改。解决方案是Event Upcasting(事件升级):在加载事件时,通过Upcaster链将旧版本事件转换为新版本。例如OrderCreatedV1增加一个新字段,V1到V2的Upcaster在转换时为该字段填充默认值。框架如Axon Framework、EventStoreDB都内置了Upcaster机制。
21. 如何保证领域事件的可靠投递和幂等消费?
答案:可靠投递使用Outbox Pattern——将事件和业务数据写入同一个数据库事务(事件表),后台线程异步投递到消息中间件,保证"业务操作和事件发布要么都成功,要么都失败"。幂等消费通过全局唯一事件ID + 去重表(数据库唯一约束或Redis SETNX)实现,收到重复事件时跳过处理。同一聚合的事件发到同一分区(Kafka key routing),保证消费顺序。
22. 什么是六边形架构(Hexagonal Architecture / 端口与适配器)?
答案:六边形架构由Alistair Cockburn提出,核心思想是将应用核心(领域逻辑)放在中心,通过端口(Port)定义与外部的交互契约,适配器(Adapter)提供具体实现。端口分为驱动端口(Driving Port,外部调用应用的接口,如REST Controller)和被驱动端口(Driven Port,应用调用外部的接口,如Repository接口)。好处是领域逻辑完全不依赖任何外部技术,可以被任何类型的适配器驱动(HTTP、gRPC、CLI、MQ),也可以替换任何基础设施实现。
23. 六边形架构和DDD四层架构有什么区别和联系?
答案:四层架构强调"层"的概念,依赖方向严格从上到下;六边形架构强调"内外"的概念,核心在内部、技术细节在外部。六边形架构更灵活——它不限制"层"数,只要求核心不依赖外部。实际上两者可以结合:四层中的领域层+应用层是六边形的内部核心,用户接口层和基础设施层是外部的适配器。六边形架构是四层架构的泛化和升级,更好的实现了依赖倒置。
24. 六边形架构中的端口(Port)和适配器(Adapter)分别对应代码中的什么?
答案:端口对应Java中的接口(Interface),分为两类:(1) 入站端口(Inbound/Driving Port):定义应用对外暴露的用例接口,如OrderService接口定义placeOrder方法;(2) 出站端口(Outbound/Driven Port):定义应用依赖的外部能力接口,如OrderRepository接口。适配器对应接口的实现类:(1) 入站适配器:REST Controller、gRPC Service、MQ Consumer等,实现入站端口;(2) 出站适配器:JPA Repository实现、Redis缓存实现、外部API客户端等,实现出站端口。
25. 洋葱架构与六边形架构有什么区别和联系?
答案:洋葱架构由Jeffrey Palermo提出,同样强调领域核心的独立性,但用同心圆表示层次:领域模型层(最内)-> 领域服务层 -> 应用服务层 -> 基础设施层(最外)。核心规则:依赖方向只能从外向内,与六边形架构的"端口适配器"思想一致。区别是六边形架构强调"端口"的抽象(输入/输出端口),洋葱架构强调"层次"的隔离(依赖方向)。本质相同,视角不同,实践中两者常结合使用。
26. 微服务拆分有哪些核心原则?
答案:核心原则包括:(1) 单一职责原则:每个微服务只负责一个业务能力;(2) 限界上下文对齐:微服务边界尽量与DDD的限界上下文对齐,保证服务内部模型的一致性;(3) 高内聚低耦合:同一个业务流程的操作尽量在同一个服务中,服务间通过API或事件通信;(4) 独立部署:每个服务可以独立构建、测试、部署,不依赖其他服务的发布周期;(5) 数据自治:每个服务拥有自己的数据库,不共享数据库,避免数据耦合。
27. 什么是康威定律(Conway's Law)?它和微服务拆分有什么关系?
答案:康威定律指出"设计系统的组织,其产生的设计等同于组织之内、组织之间的沟通结构"。换句话说,系统架构会反映团队的沟通结构。微服务拆分时应考虑团队边界——每个微服务由一个2-Pizza Team(6-10人)负责,团队对服务有完全的所有权(设计、开发、测试、运维)。如果架构和团队结构不匹配,会产生大量跨团队沟通成本。逆康威实验(Inverse Conway Maneuver)是先调整团队结构来驱动期望的架构。
28. 微服务拆得过细有什么问题?如何判断拆分粒度是否合适?
答案:拆得过细的问题包括:(1) 运维复杂度指数级上升,服务数量爆炸;(2) 分布式事务问题加剧,一致性保障困难;(3) 调用链路变长,延迟增加、排查困难;(4) 团队人力不足以覆盖所有服务。判断标准:(1) 一个服务能否由一个2-Pizza Team独立负责;(2) 服务能否在2周内完成一个独立功能的开发上线;(3) 服务之间的通信频率是否远低于服务内部调用(否则说明边界划分有问题)。
29. 微服务之间如何保证数据一致性?什么是Saga模式?
答案:微服务不共享数据库,无法使用本地事务。Saga模式是跨服务一致性方案:将长事务拆分为多个本地事务,每个本地事务完成后发布事件触发下一个步骤,任一步骤失败则执行补偿操作。Saga分为编排式(Choreography,事件驱动,无中心协调者)和协调式(Orchestration,有中心协调者按流程调用各服务)。Seata框架提供了AT、TCC、Saga等分布式事务模式。大多数场景建议采用最终一致性+补偿机制。
30. 从单体迁移到DDD微服务的典型路径是什么?
答案:采用绞杀者模式(Strangler Fig Pattern),逐步用新服务替代单体中的模块。第一步:在单体中引入DDD分层(接口层/应用层/领域层/基础设施层),建立防腐层隔离新旧代码。第二步:识别核心域,优先将核心域抽取为独立微服务。第三步:数据库拆分——先逻辑分离(不同Schema),再物理分离(不同数据库实例),通过数据同步保持一致。关键原则:每个迁移步骤可回滚,新旧并行运行验证,数据双写过渡,逐步切流。
31. 如何设计一个秒杀系统?整体架构是什么样的?
答案:秒杀系统核心是"限流、缓存、异步、削峰"。(1) 前端层:按钮防连点、验证码、倒计时、页面静态化+CDN加速;(2) 网关层:令牌桶限流、IP黑名单、用户维度频率控制;(3) 服务层:本地缓存预判库存(库存前置校验),Redis Lua原子扣减库存,MQ异步下单削峰;(4) 数据层:乐观锁/分布式锁防超卖,异步落单到数据库。关键指标:10万QPS -> Redis预扣 -> MQ排队 -> DB匀速消费,保护数据库不被击穿。
32. 秒杀系统如何防止超卖?Redis Lua脚本的核心逻辑是什么?
答案:防超卖核心是保证"查询库存+扣减库存"的原子性。Redis单线程+Lua脚本天然保证原子执行,伪逻辑为:local stock = redis.call('GET', key);if tonumber(stock) <= 0 then return -1 end;redis.call('DECR', key);return 1。增强版可加入用户去重(HEXISTS判断是否已购买)和防刷逻辑。数据库层用乐观锁(UPDATE stock SET count=count-1 WHERE id=? AND count>0)做兜底。
33. 秒杀系统的消息队列削峰如何实现?如何保证消息不丢失?
答案:Redis预扣库存成功后,发送消息到RocketMQ/Kafka,前端返回"排队中"或通过WebSocket推送结果。消费者按DB承受能力匀速消费,创建订单并扣减真实库存。消息不丢的三重保证:(1) 生产者用事务消息或同步发送+重试;(2) Broker同步刷盘+多副本;(3) 消费者手动ACK,处理失败进入重试队列或死信队列。削峰效果:10万瞬时请求 -> MQ排队 -> DB按千级TPS匀速消费。
34. 秒杀系统如何防止黄牛和机器刷单?
答案:多层防刷策略:(1) 前端:动态验证码(滑块/点选)、请求签名、时间戳防重放;(2) 网关:IP维度限流、设备指纹识别、User-Agent检查;(3) 服务层:用户维度的购买频率限制(Redis记录)、账号风控(新号/异常号拦截);(4) 业务层:实名认证、收货地址限制、购买资格预审。高价值场景可引入风控系统实时评估请求风险等级,动态调整限流阈值。
35. 如何设计一个短链系统?核心组件有哪些?
答案:短链系统核心功能是将长URL转换为短URL并实现重定向。核心组件:(1) 发号器(ID生成器):生成全局唯一的短链ID,可选方案有数据库自增、Snowflake、Redis INCR、预分配号段模式;(2) 存储层:短链ID到长URL映射,可用MySQL+缓存或直接用Redis/SSDB;(3) 重定向服务:接收短链请求,查询映射关系,返回302重定向;(4) 统计服务:异步记录访问日志,统计PV/UV/地域/设备等信息。
36. 短链系统的发号器方案怎么选?各有什么优缺点?
答案:(1) 数据库自增ID:简单可靠但性能瓶颈明显,不适合高并发场景;(2) Snowflake:高性能分布式ID,无中心节点,但不保证递增紧凑,生成的ID较长;(3) Redis INCR:高性能,但持久化风险(RDB可能丢数据),需要高可用方案;(4) 号段模式(Leaf-Segment):数据库预分配号段(如一次取1000个ID),本地消耗完再取下一段,兼顾性能和可靠性,推荐方案。ID生成后Base62编码缩短显示长度。
37. 短链重定向用301还是302?为什么?
答案:大多数短链服务使用302(临时重定向)而非301(永久重定向)。原因:(1) 301会被浏览器缓存,后续访问不再经过短链服务,导致无法统计PV/UV和用户行为数据;(2) 302每次都经过短链服务,可以实时统计、动态跳转(AB测试、过期跳转)、风控拦截。301的优势是减少服务端压力(浏览器缓存),但牺牲了统计能力。实际上301适合"永久不变"的短链,302适合需要统计的场景。
38. 短链系统如何应对高并发读?缓存策略是什么?
答案:短链读取是典型的读多写少场景:(1) 本地缓存(Caffeine/Guava Cache):缓存热点短链映射,毫秒级响应,避免每次请求都打到Redis;(2) 分布式缓存(Redis):全量缓存短链映射,使用Hash结构(key=短链ID,value=长URL+过期时间+状态);(3) 多级缓存策略:本地缓存 -> Redis -> 数据库,逐级穿透;(4) 缓存预热:新创建的短链主动写入缓存;(5) 布隆过滤器防缓存穿透,对不存在的短链快速返回404。
39. 如何设计一个IM系统?整体架构是什么样的?
答案:IM系统核心挑战是实时性和消息可靠性。架构分层:(1) 接入层:维护长连接(WebSocket/TCP),负责连接管理、心跳检测、协议编解码;(2) 逻辑层:处理消息路由、群聊扩散、在线状态管理、消息存储;(3) 存储层:消息库(HBase/Cassandra,写多读少)、关系库(MySQL,用户关系)、缓存(Redis,在线状态/会话列表)。关键设计:消息ID(Snowflake保证有序全局唯一)、消息投递(写扩散或读扩散)、已读未读(位图或计数器)。
40. IM系统的消息投递如何保证不丢、不重、有序?
答案:消息投递三保证:(1) 不丢:发送方到服务端ACK确认,服务端存储,接收方ACK确认,任一环节失败则重试。采用"消息到达+已读回执"二级确认机制;(2) 不重:每条消息分配全局唯一ID(如Snowflake),接收方用去重表(本地或Redis Set)过滤重复消息;(3) 有序:单聊消息按发送方的时间戳排序(同一发送方消息必然有序);群聊消息由服务端统一分配递增序列号保证全局有序。
41. IM系统的已读未读如何设计?
答案:已读未读的核心是记录每个用户在每个会话中的阅读进度。(1) 点对点聊天:每个用户维护一个"已读消息ID",对方发送的消息ID大于此值即为未读,未读数 = 最新消息ID - 已读消息ID;(2) 群聊:方案一——每个用户维护群维度的已读位置(简单但群人数多时存储大);方案二——位图(BitMap),每个bit代表一个群成员是否已读,适合500人以下的群;(3) 已读回执:客户端上报已读消息ID,服务端更新已读位置并通知发送方更新已读状态UI。
42. IM系统的群聊消息是写扩散还是读扩散?各自适用场景?
答案:(1) 写扩散(推模式):发送消息时给每个群成员写一份消息到各自的收件箱,读消息时直接读自己的收件箱。优点是读快,缺点是写放大(N人群需要写N份),适合小群(如微信500人群);(2) 读扩散(拉模式):消息只存一份,每个成员读消息时到群消息表拉取。优点是写快,缺点是读时需要过滤和计算,适合大群(如QQ万人群);(3) 实际方案通常混合:小群写扩散+大群读扩散,或者先推在线用户、离线用户上线时拉取。
43. 如何设计一个Feed流系统?推模式、拉模式、推拉结合各有什么特点?
答案:Feed流是"关注的人发的内容按时间线聚合展示"。(1) 推模式(写扩散/Fan-out):发帖时将内容推到所有粉丝的收件箱(Timeline),读Feed时直接读自己的Timeline。读快写慢,适合读多写少、粉丝量少的场景(朋友圈)。(2) 拉模式(读扩散/Fan-in):发帖时只写自己的发件箱,读Feed时拉取所有关注人的发帖并合并排序。读慢写快,适合粉丝量大的场景(微博大V)。(3) 推拉结合:普通用户用推模式,大V用拉模式,兼顾性能和一致性。
44. Feed流的排序算法如何设计?如何权衡实时性和个性化?
答案:(1) 时间线排序(Timeline):按发布时间倒序,简单但无法体现内容质量和用户兴趣。代表:早期Twitter;(2) 权重排序(Ranking):综合多个因子打分,如内容质量分、用户兴趣匹配度、时效性衰减、社交关系权重等。代表:微博、抖音。实现方式:离线预计算(批处理)+ 在线实时排序服务,热内容走实时通道,冷内容走离线预计算。2026年趋势是用轻量推荐模型替代硬编码权重公式,但核心Feed仍需保证毫秒级延迟。
45. Feed流系统如何应对热点事件(突发大量发帖)?
答案:(1) 写扩散风暴:大V发帖触发海量Fan-out写入。应对——大V使用拉模式、Fan-out异步化(写入MQ异步处理)、分片存储Timeline;(2) 读高峰:突发新闻导致大量用户刷新Feed。应对——多级缓存(本地缓存热点Feed + Redis集群缓存)、Feed预生成(离线预计算+定期更新)、降级策略(限制刷新频率、返回缓存Feed而非实时计算);(3) 存储层:Timeline存储选Redis或Cassandra等支持高吞吐的方案,分页查询走缓存。
46. 如何设计一个分布式限流器?需要考虑哪些维度?
答案:分布式限流器需要支持多维度限流:(1) 全局限流(集群总量)、(2) 用户级限流(单用户QPS)、(3) 接口级限流(单API QPS)、(4) IP级限流(防刷)。核心存储选Redis(集中计数),算法选令牌桶(允许突发)或滑动窗口(精确统计)。实现要点:Redis+Lua保证原子性、限流粒度可配置、限流响应标准化(HTTP 429 + Retry-After头)、支持动态调整阈值(无需重启)、监控告警(限流率、拒绝率)。
47. 令牌桶和漏桶算法在分布式限流中分别怎么实现?
答案:(1) 令牌桶:Redis中存储令牌数量和上次补充时间。Lua脚本逻辑——计算自上次补充以来应添加的令牌数,更新令牌数(不超过桶容量),判断令牌是否充足,充足则扣减并放行。适合API限流,允许短时突发。(2) 漏桶:Redis中存储上次漏水时间和当前水量。Lua脚本逻辑——计算自上次漏水以来应流出的量,更新水量,判断桶是否已满,未满则加水并放行。适合需要严格匀速的场景(如下游服务保护)。Google Guava RateLimiter是单机令牌桶的参考实现。
48. 滑动窗口限流在Redis中如何实现?
答案:Redis滑动窗口实现方案:(1) 基于Sorted Set:每个请求用ZADD添加一个score为时间戳的member,统计时用ZCOUNT统计时间窗口内的请求数,定期用ZREMRANGEBYSCORE清理过期数据。优点是精确,缺点是内存占用高;(2) 基于Hash+分段:将窗口划分为多个小格子,每格一个计数器,统计时SUM窗口范围内的所有格子。Sentinel的LeapArray采用此方案;(3) 基于Lua脚本保证原子性,整个查询+计数+过期清理在一个脚本中完成。
49. 如何设计一个延迟任务系统?常见方案有哪些?
答案:延迟任务系统用于在指定时间后触发某个操作(如订单30分钟未支付自动取消)。常见方案:(1) 数据库轮询:定时扫描到期任务,简单但实时性差、数据库压力大;(2) Redis ZSET:score存执行时间,定时轮询ZRANGEBYSCORE获取到期任务;(3) 时间轮(Timing Wheel):Netty的HashedWheelTimer,适合单机高精度延迟;(4) MQ延迟消息:RocketMQ支持18个延迟等级,RabbitMQ通过Dead Letter Exchange实现。生产环境推荐Redis ZSET(中小规模)或MQ延迟消息(大规模)。
50. Redis ZSET实现延迟任务的具体方案?有什么优化点?
答案:方案:任务ID为member,执行时间戳为score存入ZSET。消费线程循环执行ZRANGEBYSCORE key 0 当前时间戳 LIMIT 0 批量大小,获取到期任务,用ZREM原子移除(或Lua脚本保证查询+删除原子性),成功移除的任务投递到执行队列。优化点:(1) 多消费者分片:按任务类型或业务维度分不同ZSET key,避免单key热点;(2) 防止重复消费:ZREM返回1才执行,或引入幂等机制;(3) Redis持久化:开启AOF保证任务不丢;(4) 大规模场景可引入Redis Cluster分片。
51. 时间轮(Timing Wheel)的原理?Netty的HashedWheelTimer是怎么实现的?
答案:时间轮类似钟表表盘,由一个环形数组和指针组成,指针以固定tick间隔转动。每个槽(Slot)是一个链表,存放该槽对应的到期任务。任务插入时计算 (delay / tickDuration) % wheelSize 得到目标槽位。当指针转到某个槽时,遍历该槽的所有任务,到期则执行,未到期(round > 0)则round减1继续等待。Netty的HashedWheelTimer默认512个槽、100ms tick。优点:插入O(1)、取消O(1),适合大量延迟任务。缺点:精度取决于tick大小,不适合分布式场景。
52. RocketMQ延迟消息的原理?它的18个延迟等级怎么用?
答案:RocketMQ延迟消息原理:发送消息时设置delayLevel,Broker收到后将消息暂存到系统Topic(SCHEDULE_TOPIC_XXXX)对应的延迟队列,延迟服务(ScheduleMessageService)定时扫描到期消息,将消息从延迟队列转移到目标Topic,消费者正常消费。18个延迟等级为1s/5s/10s/30s/1m/2m/3m/4m/5m/6m/7m/8m/9m/10m/20m/30m/1h/2h。不支持任意精度延迟是它的局限,RocketMQ 5.x已开始支持秒级精确延迟。
53. 充血模型和贫血模型的区别是什么?为什么DDD推荐充血模型?
答案:贫血模型:实体只有getter/setter属性,业务逻辑全部在Service层,实体只是数据容器。充血模型:实体既包含属性又包含业务行为,外部通过调用实体的方法来改变状态(如order.cancel()、order.addItem())。DDD推荐充血模型是因为:(1) 业务规则封装在实体中,不会因为调用入口不同而出现不一致;(2) 符合面向对象设计原则(封装、信息隐藏);(3) 实体自身维护不变量,Service层更简洁。JPA/Hibernate对充血模型的支持需要无参构造器和宽松的懒加载策略。
54. 充血模型在持久化时有什么挑战?如何解决?
答案:ORM框架(如JPA/Hibernate)要求无参构造函数和setter,与充血模型的封装(私有字段、业务方法)冲突。解决方案:(1) 使用JPA的@Access(FIELD)字段访问,实体保留无参构造函数(protected/包级可见)但不暴露setter;(2) 分离领域模型和持久化模型(Dual Model),领域模型纯粹(充血),持久化模型用JPA注解,通过Assembler/Converter转换;(3) 使用MyBatis而非JPA,领域模型不需要JPA注解,Mapper XML负责映射,对领域模型零侵入。
55. 在实际项目中如何落地DDD?常见的落地误区有哪些?
答案:落地步骤:(1) 先做事件风暴(Event Storming),和业务专家一起梳理业务流程和领域事件;(2) 识别聚合、限界上下文边界;(3) 建立统一语言词典;(4) 按限界上下文划分微服务或模块。常见误区:(1) 过度设计——简单CRUD业务也硬套DDD,徒增复杂度;(2) 贫血模型——实体只有getter/setter,业务逻辑全在Service层,没有真正体现DDD;(3) 聚合过大——把过多对象放入一个聚合,导致并发冲突严重;(4) 忽视统一语言——代码和业务术语脱节,DDD沦为形式主义。
56. 如何用事件风暴(Event Storming)来识别限界上下文和微服务边界?
答案:事件风暴是一个协作式工作坊,步骤:(1) 发散——用橙色便利贴写下所有领域事件(过去时态,如"订单已创建"),按时间线排列在墙上;(2) 标记命令——每个事件前面放蓝色便利贴标注触发事件的命令(如"提交订单");(3) 标记参与者——谁发起了命令(黄色便利贴标注角色/外部系统);(4) 识别聚合——一组命令和事件围绕的核心业务对象;(5) 划分边界——将相关的聚合和事件归为同一限界上下文(同一颜色标识),边界之间的间隙自然形成上下文边界。最后验证:检查跨边界的事件通信是否合理、是否需要防腐层。
57. 电商订单领域的聚合和领域事件如何设计?
答案:订单聚合:Order(聚合根)+ OrderItem(实体)+ Address(值对象)+ Money(值对象)。Order管理OrderItem的生命周期。关键业务方法:createOrder()、addItem()、removeItem()、cancel()、pay()、ship()、confirmReceive()。每个方法内部校验业务规则(如已支付不可取消)。领域事件:OrderCreated、OrderPaid、OrderCancelled、OrderShipped、OrderCompleted,事件携带必要信息(orderId、userId、amount)。聚合设计原则:Order和OrderItem在同一个聚合(需要一致性),Order和User不在同一个聚合(通过userId引用)。
58. 订单-支付-库存三个聚合如何通过Saga模式协作完成下单流程?
答案:下单流程:创建订单 -> 锁定库存 -> 创建支付 -> 支付成功 -> 确认扣减库存 -> 订单状态更新为已支付。编排式Saga实现:OrderService创建订单(OrderCreated事件)-> InventoryService监听锁定库存(InventoryReserved事件)-> PaymentService监听创建支付 -> 支付回调(PaymentSucceeded事件)-> InventoryService确认扣减,OrderService更新状态。失败补偿:库存不足发布InventoryInsufficient -> OrderService取消订单;支付失败发布PaymentFailed -> InventoryService释放库存,OrderService取消订单。每个操作幂等(通过orderId去重),事件可靠投递(Outbox Pattern)。