Q33 - Spring Cloud深入与源码原理
一、Spring Cloud Gateway深入(1-10)
Spring Cloud Gateway的架构原理?
★★★★★
- 三大组件:Route(路由规则)、Predicate(断言,匹配条件)、Filter(过滤器,请求处理)。
- 核心模型:基于WebFlux+Netty的响应式网关,不依赖Servlet容器。
- 请求处理流程:Client→Netty Server→RoutePredicateHandlerMapping(匹配路由)→FilteringWebHandler(执行Filter链)→Proxy(代理转发)→Netty Client→下游服务。
- Route定义:ID + URI + Predicate列表 + Filter列表。
- 面试要点:Gateway是"非阻塞+响应式"的网关,基于WebFlux而非Spring MVC,不能用@RequestMapper。
Gateway的Route Predicate有哪些?
★★★★
- Path:路径匹配——Path=/api/**。
- Method:HTTP方法——Method=GET,POST。
- Header:请求头匹配——Header=X-Request-Id, \d+。
- Query:查询参数——Query=token。
- After/Before/Between:时间范围匹配。
- Host:域名匹配——Host=**.example.com。
- RemoteAddr:IP匹配——RemoteAddr=192.168.1.1/24。
- Weight:权重路由——Weight=group1, 80(80%流量)。
- 自定义Predicate:实现RoutePredicateFactory。
Gateway的Filter链原理?
★★★★★
- Filter分类:Global Filter(全局,所有路由生效)+ Gateway Filter(路由级别)。
- 执行顺序:通过Ordered接口或@Order注解控制,数字越小优先级越高。
- Pre Filter:请求转发前执行(鉴权、限流、日志)。
- Post Filter:响应返回后执行(响应头修改、耗时统计)。
- 核心接口:GatewayFilter.chain.filter(exchange)→转发到下一个Filter;在.then()中处理响应。
- 面试要点:Pre和Post的执行是通过Mono/Flux的函数式链实现的——chain.filter()前是Pre,之后的then()是Post。
Gateway的全局鉴权Filter怎么实现?
★★★★★
@Component
public class AuthGlobalFilter implements GlobalFilter, Ordered {
@Override
public Mono<Void> filter(ServerWebExchange exchange, GatewayFilterChain chain) {
String token = exchange.getRequest().getHeaders().getFirst("Authorization");
if (token == null || !validateToken(token)) {
exchange.getResponse().setStatusCode(HttpStatus.UNAUTHORIZED);
return exchange.getResponse().setComplete();
}
// 解析userId放入请求头传递给下游
ServerHttpRequest request = exchange.getRequest().mutate()
.header("X-User-Id", parseUserId(token)).build();
return chain.filter(exchange.mutate().request(request).build());
}
@Override
public int getOrder() { return -1; }
}
- 面试要点:能写出完整的鉴权Filter,包括Token校验、用户信息传递、401响应。
Gateway的限流怎么实现?
★★★★
- 内置RequestRateLimiter:基于Redis + Lua脚本实现令牌桶限流。
- 配置:
spring:
cloud:
gateway:
routes:
- id: order-service
uri: lb://order-service
filters:
- name: RequestRateLimiter
args:
redis-rate-limiter.replenishRate: 100 # 每秒100个令牌
redis-rate-limiter.burstCapacity: 200 # 突发200个
key-resolver: "#{@userKeyResolver}" # 按用户限流
- KeyResolver:决定限流维度——按用户(userId)、按IP(remoteAddress)、按接口(path)。
- 自定义限流:集成Sentinel,实现SentinelGatewayFilter。
Gateway的动态路由怎么做?
★★★★
- 默认配置:路由规则写在application.yml中,修改需重启。
- 动态路由方案:(1) 基于Nacos配置——监听Nacos配置变更事件,自动刷新路由;(2) 数据库存储——将路由规则存入数据库,定时/事件驱动刷新。
- 核心API:RouteDefinitionWriter.save() + RouteDefinitionLocator。
- Nacos方案:监听Nacos的dataId=gateway-routes的配置变更→解析JSON→更新RouteDefinition。
- 面试要点:生产环境必须用动态路由,否则每次新增服务都要重启网关。
Gateway的灰度发布怎么实现?
★★★★
- 方案一:基于权重路由(Weight Predicate)——v1权重80%,v2权重20%。
- 方案二:基于请求头路由——特定Header(X-Gray: true)路由到灰度服务。
- 方案三:基于Cookie——Cookie中包含gray=true的路由到灰度。
- K8s + Nacos方案:灰度版本的Pod注册到Nacos时携带gray=true元数据,Gateway Predicate匹配元数据。
- 面试要点:灰度路由的核心是"分流策略",通过Predicate条件将部分流量引导到新版本。
Gateway的跨域(CORS)配置?
★★★
spring:
cloud:
gateway:
globalcors:
cors-configurations:
'[/**]':
allowedOrigins: "https://example.com"
allowedMethods: "*"
allowedHeaders: "*"
maxAge: 3600
- 注意:Gateway处理了CORS,下游服务不需要再处理。两边都处理会导致重复Access-Control-Allow-Origin头。
Gateway的性能调优?
★★★★
- Netty线程模型:Gateway基于Netty EventLoop,默认CPU核心数×2个线程。
- 连接池:配置Netty的connectionProvider控制出站连接数和空闲时间。
- 缓冲区:配置maxInMemorySize(默认256KB),大请求体需调大。
- 超时:connect-timeout(连接超时)、response-timeout(响应超时)。
- 背压:WebFlux天然支持背压,但需注意下游服务是否能承受。
- 面试要点:Gateway的性能瓶颈通常在下游服务而非Gateway本身。
Gateway的常见问题和解决方案?
★★★★
- 503 Service Unavailable:目标服务没有注册到Nacos或已下线。
- 请求体丢失:POST请求的body只能读一次,用CacheRequestBodyFilter缓存。
- 重复读Request Body:用ServerHttpRequestDecorator包装,缓存body供多次读取。
- 响应乱码:过滤器修改响应时未正确设置Content-Type编码。
- 超时问题:下游服务响应慢,配置response-timeout并配合Hystrix/Sentinel熔断。
二、Sentinel深入(11-20)
Sentinel的架构原理?
★★★★★
- 核心概念:Resource(受保护的资源)+ Rule(保护规则)+ Slot Chain(处理链)。
- Slot Chain:NodeSelectorSlot→ClusterBuilderSlot→StatisticSlot→FlowSlot→DegradeSlot→SystemSlot→AuthoritySlot。
- 数据结构:滑动窗口(LeapArray)统计QPS/RT/线程数,默认1秒2个格子(500ms一格)。
- 处理流程:entry→Slot Chain依次执行→如果FlowSlot判断超阈值则抛FlowException→exit时更新统计。
- 面试要点:Sentinel的核心是"滑动窗口统计+规则匹配",所有的限流/熔断/降级都基于统计。
Sentinel的滑动窗口算法实现?
★★★★★
- LeapArray数据结构:环形数组,每个元素是一个WindowWrap(包含windowStart、windowLength、Metric)。
- 滑动窗口原理:当前时间的请求落入对应的时间格子,统计时累加当前窗口内所有格子的数据。
- 默认配置:1秒窗口,2个格子(每个500ms),1分钟窗口,60个格子(每个1秒)。
- 统计指标:passQps(通过请求数)、blockQps(被拒绝数)、successQps(成功数)、exceptionQps(异常数)、rt(平均响应时间)。
- 面试要点:Sentinel的滑动窗口是"时间片"而非"时间点",避免固定窗口的边界问题。
Sentinel的流控规则(Flow Rule)?
★★★★★
- 阈值类型:QPS(每秒请求数)/ Thread Count(并发线程数)。
- 流控模式:(1) 直接——资源自身达到阈值则限流;(2) 关联——关联资源达到阈值则限流自身(如写达到阈值限流读);(3) 链路——只限流从某个入口进来的流量。
- 流控效果:(1) 快速失败(默认)——直接抛FlowException;(2) Warm Up(预热)——冷启动,初始阈值=threshold/3,逐渐升高到threshold;(3) 排队等待——匀速通过,漏桶效果。
- 面试要点:Warm Up适合突发流量场景(如秒杀开始时),排队等待适合消息处理场景。
Sentinel的熔断降级规则(Degrade Rule)?
★★★★★
- 慢调用比例:RT超过最大RT视为慢调用,慢调用比例超过阈值且总请求数≥最小请求数→熔断。
- 异常比例:异常比例超过阈值→熔断。适合业务异常检测。
- 异常数:异常数超过阈值→熔断。适合持续性故障检测。
- 熔断状态机:CLOSED(正常)→ OPEN(熔断中,所有请求直接拒绝)→ HALF-OPEN(探测恢复,放少量请求测试)→ 成功则CLOSED,失败则继续OPEN。
- 熔断时间:OPEN状态持续timeWindow秒后进入HALF-OPEN。
- 面试要点:三种熔断策略的区别和适用场景是面试高频题。
Sentinel的热点参数限流?
★★★★
- 概念:对带参数的资源调用,按参数值分别限流。如"查询商品"按productId限流。
- 实现:@SentinelResource(value="queryProduct", blockHandler="handleBlock")配合ParamFlowRule。
- 配置:参数索引(第几个参数)、阈值、例外项(特定参数值单独配置阈值)。
- 场景:热点商品限流、热门用户限流、特定IP限流。
- 面试要点:热点限流的核心是"按参数值维度统计",底层用LRU缓存热点参数。
Sentinel的系统保护规则?
★★★
- Load(系统负载):Linux系统1分钟平均负载超过阈值→触发保护。
- CPU Usage:系统CPU使用率超过阈值→触发保护。
- RT:所有入口流量的平均RT超过阈值→触发保护。
- 线程数:所有入口流量的并发线程数超过阈值→触发保护。
- 入口QPS:所有入口流量的总QPS超过阈值→触发保护。
- 面试要点:系统保护是"全局兜底"策略,防止单机过载导致整个系统雪崩。
Sentinel的集群限流?
★★★★
- 问题:单机限流无法精确控制集群总流量(如10台机器每台限100QPS,实际可能1000+)。
- 集群限流模式:Token Server统一分配令牌,Token Client向Server请求令牌。
- Server部署:独立模式(独立进程)/ 嵌入模式(某个应用实例同时做Server)。
- 配置:FlowRule的clusterMode=true + ClusterFlowConfig设置全局阈值。
- 面试要点:集群限流解决了"多实例限流不精确"问题,但引入了Server单点问题(需高可用部署)。
Sentinel的注解式使用?
★★★★
- @SentinelResource(value="resourceName", blockHandler="handleBlock", fallback="handleFallback")。
- blockHandler:限流/熔断时的处理方法,参数最后多一个BlockException。
- fallback:业务异常时的处理方法,参数与原方法一致。
- blockHandler vs fallback:blockHandler处理Sentinel规则触发的拒绝,fallback处理业务异常。
- 注意:blockHandler和fallback方法必须与原方法在同一类中(或指定blockHandlerClass)。
Sentinel的规则持久化?
★★★★
- 默认:规则存在内存中,应用重启后丢失。
- 持久化方案:(1) 原始模式(内存,默认);(2) Pull模式(定时从文件/DB拉取);(3) Push模式(推荐,通过Nacos/ZooKeeper/Apollo推送)。
- Nacos持久化:Sentinel Dashboard + Nacos数据源,规则变更实时推送到所有客户端。
- 配置:
@Configuration
public class SentinelNacosConfig {
@PostConstruct
public void init() {
ReadableDataSource<String, List<FlowRule>> ds = new NacosDataSource<>(
"localhost:8848", "sentinel", "flow-rules",
source -> JSON.parseObject(source, new TypeReference<List<FlowRule>>(){}));
FlowRuleManager.register2Property(ds.getProperty());
}
}
Sentinel的源码核心流程?
★★★★
- 入口:SphU.entry("resourceName")→创建CtEntry→进入ProcessorSlotChain。
- Slot Chain执行:fireEntry()依次调用下一个Slot。
- StatisticSlot:统计QPS/RT/Thread,底层是LeapArray滑动窗口。
- FlowSlot:检查FlowRuleMap,调用FlowRuleChecker.canPassCheck()→根据流控效果(Default/Drop/WarmUp)判断。
- DegradeSlot:检查DegradeRuleMap,根据策略判断是否需要熔断。
- 出口:entry.exit()→更新统计数据(RT、success等)。
- 面试要点:理解Slot Chain的链式执行模式,每个Slot负责不同职责(统计/限流/熔断/系统保护)。
三、Nacos深入(21-28)
Nacos的架构原理?
★★★★★
- 核心功能:服务注册与发现(Naming Service)+ 配置管理(Config Service)。
- 架构:Nacos Server(支持集群部署)+ Nacos Client(SDK)。
- 数据模型:Namespace→Group→Service→Cluster→Instance。
- 注册中心:服务启动时注册Instance(IP+Port+权重+元数据),定时发送心跳保活。
- 配置中心:配置通过HTTP长轮询(Long Polling)监听变更,客户端1.x用长轮询,2.x用gRPC长连接。
- 面试要点:Nacos同时替代Eureka(注册中心)+ Spring Cloud Config(配置中心)。
Nacos的服务注册流程?
★★★★
- 临时实例(默认):客户端定时(5秒)发送心跳,15秒未收到标记不健康,30秒剔除。
- 持久实例:服务端主动探测(TCP/HTTP),适合传统虚拟机部署。
- 注册流程:NacosServiceRegistry.register()→NamingService.registerInstance()→HTTP POST /nacos/v1/ns/instance。
- 心跳机制:BeatTask定时发送心跳→服务端更新实例心跳时间→超时标记不健康。
- 面试要点:临时实例 vs 持久实例的核心区别是"谁负责健康检查"——客户端心跳 vs 服务端探测。
Nacos的配置变更监听机制?
★★★★
- 长轮询(1.x):客户端发送Long Polling请求(timeout=30s),服务端hold住请求;配置变更时立即响应;无变更则30s后返回304。
- gRPC长连接(2.x):客户端与服务端建立gRPC连接,配置变更时服务端主动推送。
- 客户端监听:NacosConfigService.addListener(dataId, group, Listener)→配置变更时触发Listener.receiveConfigInfo()。
- Spring集成:@RefreshScope + @Value或@ConfigurationProperties,配置变更后自动刷新Bean。
- 面试要点:长轮询 vs gRPC的演进——2.x用gRPC减少无效请求,提升实时性。
Nacos的集群部署和一致性协议?
★★★★
- 集群模式:3个或以上Nacos Server节点,通过Nacos JRaft协议保证数据一致性。
- 写操作:Leader节点处理写请求→同步到Follower→多数确认后提交。
- 读操作:任何节点可读(AP模式)或只从Leader读(CP模式)。
- 数据存储:(1) 内嵌Derby(单机);(2) MySQL(集群推荐);(3) raft日志(2.x)。
- 面试要点:Nacos 1.x用Distro(AP)+ Raft(CP)混合,2.x统一用JRaft。
Nacos的Namespace隔离策略?
★★★
- Namespace(命名空间):最外层隔离,通常用于环境隔离(dev/test/prod)。
- Group(分组):Namespace内分组,通常用于项目/业务域隔离。
- Service(服务):具体的服务名。
- 多环境方案:(1) 不同Namespace——物理隔离;(2) 同Namespace不同Group——逻辑隔离。
- 最佳实践:dev/test/prod各一个Namespace,同一Namespace下按业务域分Group。
Nacos的健康检查机制?
★★★★
- 临时实例健康检查:客户端心跳(5秒间隔),服务端15秒标记不健康,30秒剔除。
- 持久实例健康检查:服务端TCP探测或HTTP探测(/actuator/health)。
- 集群健康检查:Nacos节点之间互相探测(Raft协议的心跳)。
- 保护阈值:当健康实例比例 < 保护阈值时,认为所有实例健康(防止全部剔除导致服务不可用)。
- 面试要点:保护阈值是Nacos的独特机制——"宁可返回不健康的实例,也不能返回空列表"。
Nacos的配置版本管理和回滚?
★★★
- 配置历史:每次配置修改Nacos保存历史版本(默认保留30天)。
- 回滚:Nacos Console提供一键回滚到历史版本。
- 监听者查询:查询哪些客户端在监听某个配置。
- 配置导入导出:支持YAML/Properties格式批量导入导出。
- 面试要点:Nacos的配置管理能力不弱于Apollo,中小项目Nacos就够用。
Spring Cloud Alibaba整合Nacos的配置?
★★★★
- 依赖:spring-cloud-starter-alibaba-nacos-discovery + spring-cloud-starter-alibaba-nacos-config(1.x)。
- bootstrap.yml:
spring:
application:
name: order-service
cloud:
nacos:
discovery:
server-addr: localhost:8848
namespace: dev
config:
server-addr: localhost:8848
file-extension: yaml
shared-configs:
- data-id: common-db.yaml
refresh: true
- 配置加载顺序:shared-configs → extension-configs → application.yml → ${spring.application.name}.yaml。
- 动态刷新:@RefreshScope注解或@ConfigurationProperties自动刷新。
四、OpenFeign与负载均衡(29-35)
OpenFeign的原理和执行流程?
★★★★★
- 核心接口:FeignClient接口 + @FeignClient注解 → JDK动态代理。
- 执行流程:(1) @EnableFeignClients扫描@FeignClient→(2) FeignClientFactoryBean创建代理→(3) 调用时进入ReflectiveFeign.FeignInvocationHandler→(4) SynchronousMethodHandler→(5) 负载均衡选择实例→(6) 发送HTTP请求→(7) 解码响应。
- 核心组件:Encoder(编码请求)、Decoder(解码响应)、Contract(解析注解)、Client(发送请求)、RequestInterceptor(请求拦截)。
- 与Ribbon/LoadBalancer集成:Feign通过Spring Cloud LoadBalancer选择服务实例。
- 面试要点:Feign的本质是"声明式HTTP客户端+动态代理+负载均衡"。
OpenFeign的配置和优化?
★★★★
feign:
client:
config:
default:
connectTimeout: 5000
readTimeout: 10000
order-service:
connectTimeout: 3000
readTimeout: 30000
- 日志配置:Logger.Level.FULL(记录完整请求响应)——生产用BASIC,调试用FULL。
- GZIP压缩:feign.compression.request.enabled=true。
- HTTP客户端优化:默认用URLConnection(无连接池),替换为Apache HttpClient或OkHttp。
- 连接池:
feign:
httpclient:
enabled: true
max-connections: 200
max-connections-per-route: 50
OpenFeign的拦截器怎么用?
★★★★★
- RequestInterceptor:每次请求前执行,用于添加公共Header。
@Component
public class AuthFeignInterceptor implements RequestInterceptor {
@Override
public void apply(RequestTemplate template) {
ServletRequestAttributes attrs = (ServletRequestAttributes) RequestContextHolder.getRequestAttributes();
if (attrs != null) {
String token = attrs.getRequest().getHeader("Authorization");
template.header("Authorization", token);
}
}
}
- 场景:传递Token、TraceId、租户ID等上下文信息。
- 注意:异步线程中RequestContextHolder不可用(ThreadLocal丢失),需手动传递。
- 面试要点:能写出Token传递的拦截器,并解释异步场景下的问题和解决方案。
OpenFeign的Fallback和熔断?
★★★★
- Sentinel集成:@FeignClient(value="order-service", fallbackFactory=OrderFallbackFactory.class)。
- FallbackFactory:创建Fallback实例,可获取异常信息。
@Component
public class OrderFallbackFactory implements FallbackFactory<OrderClient> {
@Override
public OrderClient create(Throwable cause) {
return new OrderClient() {
@Override
public Order getOrder(Long id) {
return new Order(-1L, "服务降级: " + cause.getMessage());
}
};
}
}
- 配置:feign.sentinel.enabled=true 开启Sentinel集成。
- 面试要点:FallbackFactory比Fallback更优——能拿到异常原因,做更精准的降级。
Spring Cloud LoadBalancer的原理?
★★★★
- 替代Ribbon:Spring Cloud 2020+用Spring Cloud LoadBalancer替代Ribbon(已维护模式)。
- 核心接口:ServiceInstanceListSupplier(获取实例列表)+ ReactorLoadBalancer(选择实例)。
- 负载均衡策略:RoundRobinLoadBalancer(轮询,默认)、RandomLoadBalancer(随机)。
- 自定义策略:实现ReactorServiceInstanceLoadBalancer接口。
- 缓存:默认缓存实例列表35秒,通过spring.cloud.loadbalancer.cache.ttl配置。
- 面试要点:LoadBalancer比Ribbon更轻量,基于Reactor响应式。
OpenFeign的Multipart文件上传?
★★★
- 配置:@FeignClient(value="file-service", configuration=FileUploadConfig.class)。
- 配置类中设置Encoder为SpringFormEncoder。
- 接口:@PostMapping(value="/upload", consumes=MediaType.MULTIPART_FORM_DATA_VALUE) String upload(@RequestPart("file") MultipartFile file)。
- 注意:文件较大时需调整feign.client.config.default.maxInMemorySize。
OpenFeign的常见问题?
★★★★
- 超时:默认超时太短,生产环境需配置readTimeout(如30秒)。
- 重试:默认不重试,GET请求可配置Retryer。注意非幂等请求(POST)不要重试。
- 异步丢失上下文:@Async线程中调用Feign,RequestContextHolder取不到request→手动传递Header。
- 循环依赖:A服务Feign调B,B服务Feign调A→重构架构,用事件驱动解耦。
- 序列化:日期格式、枚举值、NULL值等需要配置Jackson的ObjectMapper。
五、Seata分布式事务深入(36-42)
Seata的AT模式原理?
★★★★★
- 核心概念:TC(事务协调者,Server端)+ TM(事务管理器,@GlobalTransactional)+ RM(资源管理器,分支事务)。
- 一阶段(业务+回滚日志):拦截SQL→执行业务SQL→记录beforeImage+afterImage到undo_log表→提交本地事务。
- 二阶段提交:TC通知各RM提交→异步清理undo_log(一阶段已提交,无需真正提交)。
- 二阶段回滚:TC通知各RM回滚→读取undo_log的beforeImage→生成反向SQL→执行回滚→删除undo_log。
- 面试要点:AT模式是"二阶段提交的自动化版本",用户只需加@GlobalTransactional注解。
Seata的AT模式的全局锁机制?
★★★★
- 问题:两个全局事务同时修改同一行数据,可能导致脏写。
- 全局锁:一阶段本地事务提交前,向TC申请该行的全局锁(行锁)。获取到锁才能提交。
- 锁冲突:如果另一个全局事务持有该行的全局锁,当前事务等待或回滚。
- 写隔离:全局事务在本地事务提交前获取全局锁→保证全局串行化。
- 读隔离:默认读未提交(性能优先),可通过@GlobalTransactional(lockRetryMode=OPTIMISTIC)配置。
Seata的TCC模式?
★★★★
- 三个阶段:Try(资源预留)→ Confirm(确认提交)→ Cancel(取消回滚)。
- 接口定义:@TwoPhaseBusinessAction(name="deductStock", tryMethod="tryDeduct", confirmMethod="confirm", cancelMethod="cancel")。
- 幂等性:Confirm和Cancel必须幂等(通过事务状态表判断是否已执行)。
- 空回滚:Try未执行但收到Cancel→检测到空回滚,直接返回成功。
- 悬挂:Cancel先于Try执行→Try检测到已回滚则不执行。
- 面试要点:TCC模式需要自己处理幂等、空回滚、悬挂三大问题。
Seata的SAGA模式?
★★★
- 适用场景:长事务(跨服务调用链路长、执行时间长)、参与方包含遗留系统。
- 状态机定义:JSON定义状态机,每个Service配置Compensate(补偿)操作。
- 正向执行:Service1→Service2→Service3→完成。
- 补偿执行:Service3失败→CompensateService2→CompensateService1。
- 优势:对业务侵入小(只需补偿方法)、支持长事务。
- 缺点:缺乏隔离性(中间状态可见),需要业务层处理。
Seata的XA模式?
★★★
- 原理:利用数据库原生的XA两阶段提交协议。
- 一阶段:XA START→执行SQL→XA END→XA PREPARE(不提交)。
- 二阶段提交:XA COMMIT;二阶段回滚:XA ROLLBACK。
- 优势:强一致性(数据库保证)、对业务无侵入。
- 缺点:性能差(锁持有时间长)、依赖数据库支持XA。
- 面试要点:XA模式适合"强一致性要求高+并发量不大"的场景。
Seata的事务分组机制?
★★★
- 事务分组:将应用按业务分组,每组对应一个TC集群。
- 配置:seata.tx-service-group=my-group → seata.service.vgroup-mapping.my-group=default-cluster。
- 好处:不同业务组使用不同的TC集群,避免互相影响。
- 多机房:每个机房的TC集群独立,通过事务分组映射。
Seata的生产环境配置?
★★★★
- TC Server集群:至少3节点,推荐5节点。
- 存储模式:db模式(MySQL),不用file模式。
- 注册中心:TC注册到Nacos,客户端从Nacos发现TC。
- undo_log表:每个参与分布式事务的数据库都需要创建。
- 全局事务超时:默认60秒,长事务需调大。
- 面试要点:Seata AT模式的生产部署和常见问题排查。
六、微服务治理与链路追踪(43-50)
分布式链路追踪的原理?
★★★★★
- 核心概念:Trace(一次完整请求链路)+ Span(一个服务调用)+ Annotation(事件:cs/sr/ss/cr)。
- TraceId:全局唯一ID,贯穿整个请求链路。
- SpanId:每个Span有唯一ID,通过ParentSpanId关联父子Span。
- 传播机制:通过HTTP Header(traceparent/tracestate)在服务间传递TraceId。
- 工具:Micrometer Tracing(Spring Boot 3默认)、Zipkin、Jaeger、SkyWalking、Grafana Tempo。
- 面试要点:链路追踪的核心是"跨服务传递上下文(TraceId)"和"Span嵌套关系"。
Spring Boot 3的Micrometer Tracing怎么用?
★★★★
- 依赖:micrometer-tracing-bridge-brave(Zipkin兼容)或micrometer-tracing-bridge-otel(OpenTelemetry)。
- 自动传播:RestTemplate/WebClient/Feign自动传播TraceId。
- 自定义Span:
@Autowired Tracer tracer;
Span span = tracer.nextSpan().name("custom-operation").start();
try (Tracer.SpanInScope ws = tracer.withSpan(span)) {
// 业务逻辑
} finally {
span.end();
}
- 采样率:management.tracing.sampling.probability=0.1(10%采样,生产环境)。
SkyWalking的架构原理?
★★★★
- Agent:Java Agent字节码增强,无侵入采集Trace数据。
- OAP Server:接收Agent数据→聚合分析→存储到ES/MySQL。
- UI:SkyWalking RocketBot UI,展示拓扑图、Trace详情、指标看板。
- 核心功能:服务拓扑图、Trace链路查询、慢接口统计、端点指标、告警。
- 与Micrometer Tracing区别:SkyWalking是独立APM系统(Agent无侵入),Micrometer是代码内嵌。
微服务的日志聚合方案?
★★★★
- ELK Stack:Filebeat→Logstash→Elasticsearch→Kibana。
- EFK Stack(云原生):Fluentd/Fluent Bit→Elasticsearch→Kibana。
- 日志关联TraceId:日志格式中包含TraceId,Kibana中通过TraceId搜索跨服务日志。
- Logback配置:
<pattern>%d{yyyy-MM-dd HH:mm:ss} [%X{traceId}] [%thread] %-5level %logger - %msg%n</pattern>
- 面试要点:TraceId关联日志是排查分布式问题的关键——一条TraceId串起所有服务的日志。
微服务的服务网格(Service Mesh)入门?
★★★
- 概念:将服务间通信(负载均衡、熔断、限流、加密)从应用代码中剥离到基础设施层(Sidecar代理)。
- Istio:最流行的Service Mesh实现,Sidecar(Envoy)拦截所有进出Pod的流量。
- 功能:流量管理(路由/灰度)、安全(mTLS)、可观测性(自动链路追踪)。
- 与Spring Cloud对比:Spring Cloud把治理逻辑写在代码里,Service Mesh在基础设施层。
- 趋势:Service Mesh适合大规模微服务(100+服务),中小规模Spring Cloud够用。
微服务的优雅上下线?
★★★★
- 优雅下线:收到SIGTERM→从注册中心注销→等待进行中的请求完成→关闭。
- Spring Boot配置:server.shutdown=graceful(等待活跃请求完成),spring.lifecycle.timeout-per-shutdown-phase=30s。
- K8s配置:preStop hook(sleep 10秒,等待流量摘除)+ terminationGracePeriodSeconds=30。
- 优雅上线:健康检查通过后才注册到Nacos,避免启动期间接收流量。
- 面试要点:优雅上下线是微服务"零停机部署"的关键。
微服务的配置安全和敏感信息管理?
★★★★
- 配置中心安全:Nacos开启鉴权(nacos.core.auth.enabled=true),配置Namespace隔离。
- 敏感信息加密:使用jasypt-spring-boot加密数据库密码,密文存储在Nacos。
- Vault集成:Spring Cloud Vault从HashiCorp Vault读取密钥。
- K8s Secret:敏感配置用K8s Secret而非ConfigMap,配合RBAC控制访问权限。
- 代码安全:.gitignore排除application-local.yml,敏感信息不提交Git。
Spring Cloud 2024.x的核心变化?
★★★★
- Spring Cloud 2024.x(对应Spring Boot 3.4.x):全面JDK 17+基线。
- LoadBalancer增强:更好的缓存策略、支持基于权重的负载均衡。
- Gateway增强:支持更多的Predicate和Filter、性能优化。
- OpenTelemetry集成:Micrometer Tracing默认支持OTel,减少手动配置。
- Virtual Threads支持:Spring Boot 3.2+支持虚拟线程,微服务调用性能提升。
- 面试要点:Spring Cloud 2024.x的核心趋势是"云原生+Observability+Virtual Threads"。