Q87 - Spring Cloud Alibaba全栈实战
共50道题 | 难度分布:★★★★★平均 | 20K+ Java微服务岗位必考
一、Nacos服务注册与配置(1-12)
Nacos的核心功能?与Eureka/Consul的对比?
★★★★★
- 核心功能:服务注册与发现 + 配置中心(二合一)。
- 对比:
- Nacos:AP/CP可切换(临时实例AP、持久实例CP)、配置管理一体化、中文社区活跃。
- Eureka:AP、无配置管理、已停更。
- Consul:CP、Raft协议、多数据中心、内置K/V存储。
- ZooKeeper:CP、强一致性、重量级、无配置管理界面。
- Nacos优势:
- 服务发现+配置管理一体化(减少组件)。
- 支持权重路由(灰度发布)。
- 支持DNS和HTTP两种服务发现方式。
- 管理界面友好。
- 面试要点:Spring Cloud Alibaba已成为国内微服务事实标准。
Nacos的架构?临时实例 vs 持久实例?
★★★★★
- 架构:Nacos Server(内嵌Derby/外接MySQL)+ Nacos Client。
- 临时实例(ephemeral=true,默认):
- 客户端心跳保活(5秒一次)。
- 15秒未收到心跳→标记不健康。30秒→剔除。
- AP模式(Distro协议)。
- 持久实例(ephemeral=false):
- 服务端主动探测(TCP/HTTP)。
- 不会自动剔除,需手动下线。
- CP模式(Raft协议)。
- 面试要点:微服务用临时实例,数据库/中间件用持久实例。
Nacos的配置管理?动态刷新原理?
★★★★★
- 配置模型:Namespace → Group → Data ID。
- 配置格式:properties/yaml/json/xml。
- 动态刷新原理:
1. 客户端通过长轮询(Long Polling)监听配置变化。
2. 服务端收到长轮询请求→挂起29.5秒。
3. 配置变更→立即返回响应。
4. 客户端收到变更通知→获取最新配置→触发RefreshListener。
- @RefreshScope / @NacosValue(autoRefreshed=true) 热更新。
- 面试要点:长轮询不是长连接,是HTTP请求挂起等待。超时时间29.5秒。
Nacos的集群部署?数据一致性?
★★★★☆
- 集群架构:3个或以上Nacos Server节点 + MySQL主从。
- 数据存储:
- 内嵌Derby(单机模式)。
- 外接MySQL(集群模式,所有节点共享同一个MySQL)。
- 数据一致性:
- 临时实例:Distro协议(AP,类似Gossip)。
- 持久实例:Raft协议(CP,强一致)。
- 配置数据:写MySQL(强一致),读本地缓存+长轮询通知。
- 面试要点:Nacos集群至少3个节点(Raft选举需要多数派)。
Nacos的命名空间与分组?多环境管理?
★★★★☆
- Namespace:环境隔离(dev/test/prod)。
- Group:业务分组(如trade-group/user-group)。
- Data ID:配置文件名(如user-service.yaml)。
- 最佳实践:
- Namespace区分环境。
- Group区分项目/业务线。
- Data ID = ${spring.application.name}.${profile}.${extension}。
- 面试要点:不同Namespace的服务互相不可见(完全隔离)。
Nacos的权重路由?如何实现灰度发布?
★★★★☆
- 权重配置:实例级别的weight属性(0-100)。
- 路由策略:权重越大,分配的流量越多。weight=0表示不分配流量。
- 灰度发布:
1. 部署新版本实例,weight设为10。
2. 观察监控指标。
3. 逐步调大weight(10→30→50→100)。
4. 旧版本weight调为0→下线。
- 元数据路由:自定义metadata + Ribbon自定义Rule实现更细粒度灰度。
- 面试要点:Nacos权重是最简单的灰度方案。
Nacos的健康检查机制?
★★★★☆
- 临时实例:客户端主动心跳。不健康条件→超时剔除。
- 持久实例:服务端主动探测。支持TCP/HTTP/MySQL三种探测方式。
- 保护阈值(protectThreshold):
- 健康实例数 / 总实例数 < 保护阈值 → 认为所有实例都健康(防止全部剔除导致服务不可用)。
- 适用于持久实例。
- 面试要点:保护阈值是Nacos防止雪崩的机制。
Nacos的配置加密?
★★★☆☆
- 内置加密:dataId以cipher-开头(如cipher-aes)。
- 自定义加密:实现ConfigEncryptionPlugin。
- 生产建议:敏感配置(数据库密码/密钥)使用加密或外部密钥管理(Vault/KMS)。
Nacos 2.x的gRPC通信?
★★★★☆
- 1.x:HTTP短轮询 + UDP推送。
- 2.x:gRPC长连接。
- 配置监听:gRPC双向流。
- 服务注册:gRPC连接保持。
- 性能提升:连接数减少、推送延迟降低。
- 兼容:2.x Server兼容1.x Client。
- 面试要点:Nacos 2.x用gRPC替代HTTP长轮询,性能大幅提升。
Nacos的权限控制?
★★★★☆
- 认证:nacos.core.auth.enabled=true。用户名+密码(JWT Token)。
- 鉴权:Role → Permission(Namespace + Action)。
- 生产建议:
- 开启认证。
- 修改默认用户名密码。
- 网络隔离(Nacos只在内网暴露)。
Spring Cloud整合Nacos的核心配置?
★★★★★
# bootstrap.yml
spring:
application:
name: user-service
cloud:
nacos:
discovery:
server-addr: nacos:8848
namespace: dev
group: DEFAULT_GROUP
weight: 100
config:
server-addr: nacos:8848
namespace: dev
group: DEFAULT_GROUP
file-extension: yaml
shared-configs:
- data-id: common.yaml
refresh: true
extension-configs:
- data-id: redis.yaml
refresh: true
- 面试要点:bootstrap.yml先于application.yml加载(Spring Cloud 2020+需添加bootstrap依赖)。
Nacos配置的优先级?
★★★★☆
1. 命令行参数。
2. JVM系统属性。
3. 环境变量。
4. Nacos配置(profile > 默认)。
5. 本地配置文件。
- Nacos内部优先级:
- ${name}-${profile}.${ext} > ${name}.${ext} > shared-configs > extension-configs。
- 面试要点:后加载的覆盖先加载的。profile配置优先级最高。
二、Sentinel限流熔断(13-22)
Sentinel的核心概念?与Hystrix的对比?
★★★★★
- 核心概念:
- Resource:受保护的资源(接口/方法/代码块)。
- Rule:流量控制规则(流控/熔断/系统/热点/授权)。
- Slot Chain:处理链(StatisticSlot→FlowSlot→DegradeSlot)。
- 对比Hystrix:
- Sentinel:丰富流控规则、实时监控控制台、热点限流、系统自适应保护。持续维护。
- Hystrix:线程池隔离、熔断器模式。已停更。
- 隔离策略:
- Hystrix:线程池隔离(额外开销)或信号量隔离。
- Sentinel:信号量隔离(轻量级,通过Semaphore或统计QPS)。
- 面试要点:Sentinel是国内主流的限流熔断方案。
Sentinel的流控规则?QPS vs 线程数?
★★★★★
- 流控模式:
- 直接:对资源本身限流。
- 关联:关联资源达到阈值时限流当前资源(如写接口达到阈值→限流读接口)。
- 链路:只限流从指定入口进来的流量。
- 流控效果:
- 快速失败:直接拒绝(默认)。
- Warm Up(预热):冷启动,初始阈值=threshold/3,逐渐升到threshold。适合突发流量。
- 排队等待:匀速通过(漏桶算法),请求在虚拟队列中等待。适合削峰填谷。
- QPS vs 线程数:
- QPS模式:每秒请求数超过阈值→拒绝。
- 线程数模式:并发线程数超过阈值→拒绝(适合慢调用保护)。
- 面试要点:排队等待基于虚拟队列(流量整形),不是真实阻塞队列。
Sentinel的熔断降级策略?
★★★★★
- 三种熔断策略:
- 慢调用比例:RT超过阈值的请求比例超过阈值→熔断。
- maxRT=200ms, proportion=0.5, minRequestAmount=5, statIntervalMs=1000。
- 异常比例:异常请求比例超过阈值→熔断。
- 异常数:异常请求绝对数量超过阈值→熔断。
- 熔断状态:Closed→Open(熔断)→Half-Open(探测)→Closed/Open。
- 时间窗口:熔断持续时长(如10秒),之后进入半开状态探测。
- 面试要点:minRequestAmount确保采样量足够(避免少量请求就触发熔断)。
Sentinel的热点参数限流?
★★★★☆
- 按参数值限流:如对某个商品ID限流,其他商品不受影响。
@SentinelResource(value = "getItem", blockHandler = "getItemBlock")
public Item getItem(@RequestParam Long itemId) { ... }
- 规则配置:paramIdx=0(第一个参数), count=100(QPS阈值)。
- 参数例外项:特定参数值有不同阈值(如 itemId=123 阈值=10)。
- 面试要点:热点限流适合秒杀商品、热门文章等场景。
Sentinel的系统自适应保护?
★★★★☆
- 保护维度:
- Load(系统负载):Linux 1分钟平均负载超过阈值→触发保护。
- CPU Usage:CPU使用率超过阈值。
- RT:所有入口RT平均值超过阈值。
- 线程数:所有入口并发线程数超过阈值。
- 入口QPS:所有入口QPS超过阈值。
- 面试要点:系统自适应保护是兜底策略,防止系统被拖垮。
Sentinel的@SentinelResource注解?
★★★★★
@SentinelResource(
value = "orderService",
blockHandler = "handleBlock", // 限流/熔断处理
blockHandlerClass = BlockHandler.class,
fallback = "handleFallback", // 异常处理
fallbackClass = FallbackHandler.class,
exceptionsToIgnore = {IllegalArgumentException.class}
)
public Order getOrder(Long id) { ... }
- blockHandler vs fallback:
- blockHandler:处理BlockException(限流/熔断/系统保护)。
- fallback:处理业务异常(非BlockException)。
- 面试要点:blockHandler和fallback方法签名必须与原方法一致(加BlockException参数)。
Sentinel的集群限流?
★★★★☆
- 两种模式:
- 独立Token Server:专门的服务器分配令牌。
- 嵌入式Token Server:集群中某个应用实例同时作为Token Server。
- 原理:客户端请求→Token Server获取令牌→获取到才放行。
- 配置:setClusterMode(true) + TokenServer配置。
- 面试要点:集群限流保证全局限流,单机限流只能保证单节点。
Sentinel的滑动窗口统计?LeapArray?
★★★★★
- LeapArray:环形数组实现滑动窗口。
- 默认:1秒分为2个Bucket(500ms一个),滚动窗口统计最近1秒的数据。
- Bucket存储:passCount(通过数)、blockCount(拒绝数)、rt(响应时间)。
- 统计流程:
1. 请求到达→获取当前时间对应的Bucket。
2. 更新Bucket的统计数据。
3. 流控检查时读取窗口内所有Bucket的累计值。
- 面试要点:LeapArray是Sentinel统计的核心,理解它就理解了Sentinel的精度。
Sentinel与Gateway整合?
★★★★☆
- spring-cloud-alibaba-sentinel-gateway依赖。
- 路由维度限流:按route_id限流。
- API分组限流:自定义API分组。
- 限流后的响应自定义:GatewayFlowRule的responseBody。
spring:
cloud:
sentinel:
transport:
dashboard: sentinel:8080
scg:
fallback:
mode: response
response-status: 429
response-body: '{"code":429,"msg":"Too Many Requests"}'
Sentinel的动态规则持久化?
★★★★☆
- 默认:规则在内存中,重启丢失。
- 持久化方案:
- Nacos数据源(推荐):规则存储在Nacos配置中,实时推送。
- ZooKeeper数据源。
- Apollo数据源。
- 文件数据源。
- 配置:
spring:
cloud:
sentinel:
datasource:
flow:
nacos:
server-addr: nacos:8848
data-id: ${spring.application.name}-flow-rules
rule-type: flow
三、Dubbo RPC框架(23-32)
Dubbo的架构与核心组件?
★★★★★
- 核心角色:
- Provider:服务提供者(注册到Registry)。
- Consumer:服务消费者(从Registry订阅)。
- Registry:注册中心(Nacos/ZooKeeper)。
- Monitor:监控中心(统计调用次数和耗时)。
- Container:服务运行容器。
- 调用流程:
1. Consumer订阅Registry获取Provider列表。
2. 基于负载均衡策略选择一个Provider。
3. 发起RPC调用。
4. Provider处理并返回结果。
5. Monitor记录调用统计。
- 面试要点:Dubbo是高性能RPC框架,适合内部服务间调用。
Dubbo的通信协议?默认协议?
★★★★★
- dubbo协议(默认):
- 单一长连接 + NIO非阻塞。
- 适合小数据量高并发(消费者远多于提供者)。
- 默认Hessian2序列化。
- triple协议(Dubbo 3.x推荐):
- 基于HTTP/2,兼容gRPC。
- 支持流式通信。
- 跨语言友好。
- rest协议:RESTful风格HTTP。
- 其他:hessian/webservice/thrift。
- 面试要点:Dubbo 3.x推荐triple协议(跨语言+流式)。
Dubbo的负载均衡策略?
★★★★★
- Random(默认):加权随机。调用量越大越均匀。
- RoundRobin:加权轮询。存在慢请求积累问题。
- LeastActive:最少活跃调用数。使慢的Provider收到更少请求。
- ConsistentHash:一致性哈希。相同参数路由到同一Provider。
- ShortestResponse(3.x):最短响应时间优先。
- 配置:@DubboReference(loadbalance = "roundrobin")。
- 面试要点:生产环境常用Random或LeastActive。
Dubbo的容错策略?
★★★★★
- Failover(默认):失败自动切换到其他Provider重试。适合读操作。retries=2。
- Failfast:失败立即报错。适合非幂等写操作。
- Failsafe:失败忽略(不抛异常)。适合日志写入等不重要操作。
- Failback:失败自动恢复。失败请求记录后台定时重发。适合消息通知。
- Forking:并行调用多个Provider,取最快返回。适合实时性要求高的读操作。
- Broadcast:广播调用所有Provider,任一失败则报错。适合通知所有节点。
- 面试要点:写操作用Failfast(避免重复),读操作用Failover。
Dubbo的SPI扩展机制?与Java SPI的区别?
★★★★★
- Java SPI:META-INF/services/,一次加载所有实现类。
- Dubbo SPI:
- META-INF/dubbo/目录。
- @SPI注解标记接口。
- @Adaptive注解标记自适应扩展。
- @Activate注解标记条件激活。
- 按需加载(通过key获取指定实现)。
- 支持AOP(Wrapper机制)和IOC(自动注入)。
- 面试要点:Dubbo SPI是Dubbo灵活扩展的核心(协议/序列化/负载均衡/容错都可扩展)。
Dubbo的服务超时与重试?
★★★★☆
- 超时配置:
- Provider端:timeout=3000(建议设)。
- Consumer端:timeout=5000(优先级更高)。
- 重试配置:retries=2(Failover模式下重试2次,共3次调用)。
- 优先级:Consumer方法级 > Consumer接口级 > Provider方法级 > Provider接口级 > 全局。
- 面试要点:超时时间必须设置(默认1000ms可能不够),重试次数要考虑幂等性。
Dubbo 3.x的新特性?
★★★★☆
- Triple协议:基于HTTP/2,兼容gRPC,跨语言。
- 应用级服务发现:替代接口级(减少注册中心数据量)。
- Mesh方案:Sidecar模式(Dubbo Proxy)。
- 统一路由规则:替代旧版Router。
- 服务治理增强:流量管理(标签路由/条件路由)。
- 面试要点:Dubbo 3.x核心改进是Triple协议+应用级服务发现。
Dubbo的泛化调用?
★★★★☆
- 泛化调用:Consumer不需要Provider的接口SDK,直接通过GenericService调用。
- 场景:API网关转发请求到Dubbo服务(网关不依赖服务SDK)。
GenericService service = (GenericService) context.getBean("userService");
Object result = service.$invoke("getUser", new String[]{"java.lang.Long"}, new Object[]{1L});
- 面试要点:API网关与Dubbo集成的核心就是泛化调用。
Dubbo的异步调用?
★★★★☆
- CompletableFuture异步(Dubbo 2.7+):
@DubboReference(async = true)
private UserService userService;
CompletableFuture<User> future = userService.getUserAsync(1L);
future.thenAccept(user -> { ... });
- 面试要点:异步调用不阻塞Consumer线程,提升吞吐量。
Dubbo的服务降级?
★★★★☆
- mock机制:
- force:return null:强制返回null(不调用Provider)。
- fail:return null:调用失败后返回null。
- 自定义Mock类:UserServiceMock实现UserService接口,返回兜底数据。
@DubboReference(mock = "force:return null")
private UserService userService;
四、Seata分布式事务(33-40)
Seata的架构与核心概念?
★★★★★
- 核心角色:
- TC(Transaction Coordinator):事务协调者(Seata Server)。
- TM(Transaction Manager):事务管理器(发起全局事务的应用)。
- RM(Resource Manager):资源管理器(参与事务的每个数据库)。
- 全局事务流程:
1. TM向TC申请开启全局事务(获得XID)。
2. RM向TC注册分支事务。
3. TM向TC发起全局提交或回滚。
4. TC协调所有RM提交或回滚。
- 面试要点:XID(全局事务ID)在整个调用链中传递(RPC Header)。
Seata AT模式的工作原理?
★★★★★
1. 拦截SQL,解析表名+条件。
2. 查询修改前数据(Before Image)。
3. 执行业务SQL。
4. 查询修改后数据(After Image)。
5. 生成Undo Log(Before+After)保存到undo_log表。
6. 提交本地事务(业务SQL+Undo Log一起提交)。
7. 向TC注册分支事务,上报状态。
- 二阶段提交:
- 提交:异步清理Undo Log(很快)。
- 回滚:根据Undo Log的反向SQL回滚(DELETE→INSERT、UPDATE→反向UPDATE)。
- 全局锁:TC记录行锁,防止脏写。一阶段本地提交后,全局锁释放前其他事务不能修改。
- 面试要点:AT模式对业务无侵入,但需要undo_log表和全局锁。
Seata TCC模式?
★★★★★
- 三个接口:
- Try:资源预留(冻结库存/冻结金额)。
- Confirm:确认提交(扣减冻结库存/扣减冻结金额)。
- Cancel:取消回滚(释放冻结资源)。
- 优点:不依赖Undo Log,性能更好。适合非关系型数据库。
- 缺点:业务侵入性强(每个服务需实现三个接口)。
- 空回滚:Try未执行但收到Cancel→Cancel需判断Try是否执行过。
- 悬挂:Cancel先于Try执行→Try需判断是否已Cancel过。
- 解决:用分支事务状态表记录Try是否执行。
- 面试要点:TCC需要处理空回滚和悬挂问题。
Seata的四种事务模式对比?
★★★★★
| 模式 | 一致性 | 侵入性 | 性能 | 适用场景 |
| AT | 最终一致 | 无侵入 | 高 | 关系型数据库(默认推荐) |
| TCC | 最终一致 | 强侵入 | 高 | 非关系型/性能要求高 |
| Saga | 最终一致 | 中等 | 高 | 长事务/编排式 |
| XA | 强一致 | 无侵入 | 低 | 数据库支持XA |
Seata的全局锁与死锁?
★★★★☆
- 全局锁:AT模式一阶段本地提交后,全局锁保护数据不被其他全局事务修改。
- 死锁场景:全局事务A锁住行1等待行2,全局事务B锁住行2等待行1。
- Seata处理:
- 全局锁超时(lock-retry-times=30, lock-retry-interval=10ms)。
- 超时后全局事务回滚。
- 面试要点:全局锁是AT模式性能瓶颈的来源。
Seata的XID如何传递?
★★★★☆
- Spring MVC:RootContext.bind(xid) + Filter拦截。
- Dubbo:RpcContext.getAttachment("XID") + Dubbo Filter。
- Feign:RequestHeader传递。
- HTTP Header:TX_XID。
- 面试要点:跨服务调用时XID自动传递(Seata的starter已自动配置)。
Seata的生产部署注意事项?
★★★★☆
- Seata Server高可用:集群部署 + 注册中心(Nacos)+ 数据库存储(MySQL)。
- 性能优化:
- undo_log表加索引。
- 全局事务超时合理设置。
- 避免长事务。
- 读写分离场景注意主从延迟。
- 面试要点:Seata Server必须高可用部署。
分布式事务的选型?何时用Seata?
★★★★★
- 强一致性要求高 → Seata AT/XA。
- 性能要求高,可接受业务侵入 → Seata TCC。
- 长事务(跨多个服务调用链) → Seata Saga。
- 最终一致性即可 → 本地消息表 / RocketMQ事务消息。
- 面试要点:大多数电商场景用消息最终一致性就够了,不需要Seata。
五、Spring Cloud Gateway与综合(41-50)
Spring Cloud Gateway的核心概念?
★★★★★
- 三大核心:
- Route(路由):ID + URI + Predicate + Filter。
- Predicate(断言):匹配条件(Path/Header/Method/Query/After/Before)。
- Filter(过滤器):请求/响应处理。
- 架构:基于Spring WebFlux + Netty。非阻塞异步。
- 请求流程:
1. Gateway Handler Mapping:匹配Route。
2. Gateway Web Handler:执行Filter链。
3. Filter Chain:pre阶段→代理请求→post阶段。
- 面试要点:Gateway是Spring Cloud官方网关,替代Zuul。
Gateway的Filter链?GlobalFilter vs GatewayFilter?
★★★★★
- GatewayFilter:特定Route上的过滤器。配置在Route定义中。
- GlobalFilter:全局过滤器。对所有Route生效。
- 执行顺序:@Order或getOrder()返回值,越小越先执行。
- 内置Filter:
- AddRequestHeader/AddResponseHeader。
- StripPrefix:路径前缀剥离。
- PrefixPath:添加前缀。
- RequestRateLimiter:限流(基于Redis + Lua)。
- CircuitBreaker:熔断(Resilience4J)。
- 面试要点:自定义GlobalFilter实现认证、日志、限流。
Gateway + Nacos动态路由?
★★★★☆
- 默认路由配置在yaml中,修改需重启。
- 动态路由:路由配置存储在Nacos → Gateway监听配置变化 → 动态刷新Route。
- 实现:
1. RouteDefinitionRepository接口(从Nacos加载Route定义)。
2. Nacos配置变更监听 → RouteDefinitionWriter刷新。
- 面试要点:生产环境路由必须动态(不重启Gateway)。
Gateway的限流配置?
★★★★★
spring:
cloud:
gateway:
routes:
- id: rate_limit_route
uri: lb://user-service
filters:
- name: RequestRateLimiter
args:
redis-rate-limiter.replenishRate: 100 # 令牌桶填充速率
redis-rate-limiter.burstCapacity: 200 # 令牌桶容量
key-resolver: "#{@ipKeyResolver}" # 限流Key
- KeyResolver:
- 按IP:
@Bean public KeyResolver ipKeyResolver() { return exchange -> Mono.just(exchange.getRequest().getRemoteAddress().getAddress().getHostAddress()); }
- 按用户:从Token中提取userId。
- 按接口:
exchange.getRequest().getPath().value()。
- 面试要点:Gateway限流基于Redis令牌桶算法。
Gateway的统一认证Filter?
★★★★★
@Component
public class AuthFilter implements GlobalFilter, Ordered {
@Override
public Mono<Void> filter(ServerWebExchange exchange, GatewayFilterChain chain) {
String token = exchange.getRequest().getHeaders().getFirst("Authorization");
if (StringUtils.isBlank(token)) {
exchange.getResponse().setStatusCode(HttpStatus.UNAUTHORIZED);
return exchange.getResponse().setComplete();
}
// JWT验证
try {
Claims claims = JwtUtil.parseToken(token);
// 传递用户信息到下游
ServerHttpRequest request = exchange.getRequest().mutate()
.header("X-User-Id", claims.getSubject())
.build();
return chain.filter(exchange.mutate().request(request).build());
} catch (Exception e) {
exchange.getResponse().setStatusCode(HttpStatus.UNAUTHORIZED);
return exchange.getResponse().setComplete();
}
}
@Override
public int getOrder() { return -100; }
}
- 面试要点:Gateway统一认证 → 下游服务从Header获取用户信息。
Spring Cloud Sleuth + Zipkin链路追踪?
★★★★☆
- Sleuth:自动埋点(RestTemplate/Feign/Gateway/MQ)。
- 生成TraceId(全局唯一)和SpanId(每个操作)。
- 传递方式:HTTP Header(X-B3-TraceId、X-B3-SpanId)。
- Zipkin:收集+存储+展示链路数据。
- 采样率:spring.sleuth.sampler.probability=0.1(10%采样)。
- 存储:内存/MySQL/Elasticsearch。
- 面试要点:OpenTelemetry正在替代Sleuth(Spring Cloud 2022+)。
Spring Cloud的版本演进?2020→2023?
★★★★☆
- Spring Cloud 2020 (Ilford):移除Hystrix/Ribbon/ Zuul1,用Spring Cloud LoadBalancer + Gateway替代。
- Spring Cloud 2021 (Jubilee):Spring Boot 2.7,Sleuth最后一次内置。
- Spring Cloud 2022 (Kilburn):Spring Boot 3.0,Java 17最低要求,Micrometer Tracing替代Sleuth。
- Spring Cloud 2023 (Leyden):Spring Boot 3.2,Virtual Thread支持。
- 面试要点:了解版本演进,知道当前使用的版本对应的组件。
微服务的全链路灰度?
★★★★★
1. Gateway灰度Filter根据规则在请求Header添加灰度标签。
2. 自定义Ribbon Rule根据Header路由到灰度实例。
3. 灰度标签通过HTTP Header透传到下游服务。
1. 灰度实例在Nacos注册时添加metadata: { version: gray }。
2. 自定义负载均衡根据请求标签匹配实例metadata。
- 方案三:Istio Service Mesh(Sidecar自动路由)。
- 面试要点:全链路灰度的核心是标签透传(网关→A→B→C全程携带灰度标签)。
如何设计微服务的技术选型?
★★★★★
- 推荐组合(Spring Cloud Alibaba):
- 网关:Spring Cloud Gateway。
- 注册中心:Nacos。
- 配置中心:Nacos。
- RPC:Dubbo 或 OpenFeign。
- 限流熔断:Sentinel。
- 分布式事务:Seata(按需)。
- 链路追踪:SkyWalking / OpenTelemetry。
- 消息队列:RocketMQ。
- 监控:Prometheus + Grafana。
- 日志:ELK / Loki。
- 面试要点:不是越多越好,根据团队规模和业务复杂度选型。
Spring Cloud Alibaba面试综合:设计一个电商微服务架构?
★★★★★
- 服务划分:
- 用户服务(user)、商品服务(product)、订单服务(order)、库存服务(inventory)、支付服务(payment)、搜索服务(search)。
- 基础设施:
- Gateway:统一入口 + 认证 + 限流。
- Nacos:注册中心 + 配置中心。
- Sentinel:限流 + 熔断降级。
- Seata:下单分布式事务(AT模式)。
- RocketMQ:异步消息(支付回调→订单状态更新→库存确认)。
- Redis:缓存 + 分布式锁。
- ES:商品搜索。
- SkyWalking:链路追踪。
- 关键链路:
- 下单:Gateway→Order→(Seata)→Inventory(扣库存)+Payment(创建支付单)。
- 支付回调:MQ→Order(更新状态)→Inventory(确认扣减)。
- 搜索:Product→Canal→ES同步。
附:速查表
| 知识点 | 关键词 |
| Nacos | 注册发现+配置中心 / AP+CP / 长轮询 / Namespace隔离 |
| Sentinel | QPS+线程数流控 / 慢调用+异常熔断 / LeapArray滑动窗口 |
| Dubbo | Triple协议 / 5种负载均衡 / 6种容错 / SPI扩展 |
| Seata | AT(无侵入)+TCC(强侵入)+Saga(长事务)+XA(强一致) |
| Gateway | Route+Predicate+Filter / WebFlux+Netty / Redis限流 |
| 全链路灰度 | 标签透传 / Nacos元数据路由 / 自定义负载均衡 |
| Spring Cloud版本 | 2022+移除Sleuth用Micrometer / Boot 3.0+Java 17 |