项目ai拷打

模块一：高并发点赞 & 幂等性

1. 问题：高并发点赞，方案怎么设计？

核心答案：

缓存层：使用Redis的SET，Key为article:likes:{文章ID}，Value为用户ID。

优点：SADD天然幂等防重；SCARD O(1)复杂度快速计数；SREM快速取消点赞。

持久化：操作Redis后，发消息到RabbitMQ，由消费者异步写入/删除数据库。

2. 问题：如何保证消息消费的幂等性，防止重复点赞？

核心答案：

创建幂等记录表：表里有一个唯一键 message_id。

利用数据库事务：在同一个事务里，先INSERT消息ID到幂等表，再执行真正的业务操作（如INSERT点赞记录）。

原理：如果消息重复，INSERT幂等表会因为唯一键冲突而失败，事务回滚，业务代码不执行，从而保证幂等。

3. 问题：幂等记录表会无限增大，怎么办？

核心答案：

最佳方案：使用数据库分区表，按天或按周分区。

清理方式：定期DROP或TRUNCATE旧的分区，这是一个DDL操作，速度极快，系统开销小。

兜底方案：增加created_at时间戳字段，定期跑批DELETE删除过期记录。

模块二：两级缓存 & 分布式一致性
4. 问题：为什么需要 Caffeine + Redis 两级缓存？

核心答案：

极致性能：Caffeine是JVM堆内缓存，纳秒级响应，消除了网络开销。

为Redis减压：拦截大部分热点数据请求，保护Redis。

5. 问题：如何保证分布式环境下，所有节点的Caffeine缓存数据一致？

核心答案：

兜底：Caffeine设置较短的过期时间（TTL），保证最终一致性。

主动通知：放弃不可靠的Redis Pub/Sub，使用RabbitMQ的Fanout广播交换机。

流程：数据更新后，发送一条“缓存淘汰”消息到Fanout交换机，所有应用实例都能收到，并删除自己的本地缓存。

6. 问题：如何管理每个实例的RabbitMQ队列，避免“僵尸队列”和“重启找不到队列”的问题？

核心答案：

稳定命名：通过环境变量给每个实例一个固定的INSTANCE_ID，用它来拼接队列名。

持久化队列：队列声明为durable=true，保证重启后队列和消息不丢失。

自动清理：声明队列时设置x-expires参数（队列TTL），当实例永久下线，队列在超时后会被RabbitMQ自动删除。

模块三：数据同步 & 异常处理
7. 问题：为什么用Canal+MQ同步数据到ES，而不是直接用MySQL的LIKE？

核心答案：

性能：LIKE '%keyword'无法使用索引，会全表扫描，性能极差。

功能：ES基于倒排索引，专为全文检索设计，支持分词、相关度排序等高级功能，速度是毫秒级。

8. 问题：Canal、MQ、消费端在数据同步链路中各自的角色是什么？

核心答案：

Canal：伪装成MySQL从库，拉取并解析binlog，将其转换成JSON。

RabbitMQ：作为缓冲层，解耦和削峰填谷，并提供可靠消息传输。

消费端：

数据转换：处理字段名等格式问题。

数据富化：根据binlog中的ID，关联查询其他服务或数据库，组合成一个完整的ES文档。

写入ES：调用ES API，建立索引。

9. 问题：消费端在“数据富化”时调用下游服务失败，怎么办？

核心答案：

梯度延迟重试：将消息投递到不同的延迟队列（如1分钟、5分钟、10分钟），给下游服务恢复的时间。利用RabbitMQ的TTL + 死信交换机实现。

最终处理：达到最大重试次数后，将消息投递到最终死信队列。

人工介入：专门的消费者监听死信队列，通过邮件、钉钉等方式告警，通知人工处理。

10. 问题：重试机制导致消息延迟，如何解决“旧的UPDATE覆盖新的DELETE”这种消息乱序问题？ * 核心答案： 1. 放弃保证顺序：接受消息会乱序的现实。 2. 版本控制：在MySQL表中增加一个update_time或version字段，每次更新时都刷新它。 3. 乐观锁逻辑：消费端处理消息时，先从ES中读出当前文档的版本，然后与收到的消息中的版本进行比较。 4. 丢弃旧数据：只有当消息中的版本大于ES中已存的版本时，才执行更新。否则，直接丢弃这条过期的消息。