面试问题

文章：

1. lottery面试问题

项目亮点总览

项目描述：本抽奖系统是智动社区的扩展服务，本项目以使用和调用美团、京东、字节掘金的抽奖场景服务，负责提供各种抽奖活动，定期对平台活跃度高、贡献度大的用户奖励抽奖资格，从而提高整个平台用户的活跃度和积极性。同时将该系统与微信公众号进行对接，为用户提供方便快捷的抽奖体验。

后端技术：Spring Boot、Sharding-JDBC、Mybatis、Dubbo、MySQL、XXL-Job、Kafka、Zookeeper。 

核心工作：

1. DDD架构设计：分解出活动、奖品、抽奖策略领域，抽象出抽奖流程，分为抽奖前中后，并对各节点拓展各种行为动作。如抽奖前的人群判断，抽奖中库存扣减，抽奖后兜底奖励等。
2. 分库分表：考虑到抽奖系统的高并发吞吐量，采用分库分表组件，并使用该组件进行以用户ID为切分的路由操作。
3. 缓存优化：使用布隆过滤器来过滤大量非法的数据请求，使用逻辑过期来预防热点Key访问导致的缓存击穿。
4. 流量承接：针对抽奖活动的并发场景，借鉴 ConcurrentHashMap 分段锁的思想，从独占竞态锁结合库存编号优化为分段竞态锁，细化了锁的粒度，将抢锁失败率从90.66%降低到1.33%，显著提升了系统的性能和用户体验。
5. 业务一致性校验：对账户额度订单等的关键操作配置幂等校验。在抽奖完成后将任务写入 task 表，并设置定时任务扫描 task 表发送 MQ 消息通知奖品发货，用户中奖流水和负责发送MQ的task任务由定时任务扫捕更改状态，保证业务最终一致性。
6. 人群细分引擎：依据系统内年龄、性别、等级、贡献度等规则策略过滤，搭建了去中心化的量化人群规则引擎组件([[2024-03-11-Lottery抽奖系统]]——见【规则引擎——决策树】模块)，完成自由组合的人群过滤服务，控制运营成本及精细化运营。

业务一致性校验

redis高可用

1. redis服务崩了数据直接打到服务器怎么办
   1. 简答：【核心】缓存、扩容、加机器
      1. 合理条件下重启mysql服务器
      2. 恢复时做好服务降级、熔断处理
         1. 降级后的数据恢复处理
   2. 程序员主要还是在技术层面关注预防
   3. redis高可用
      1. 主从、哨兵、集群
         1. 主从、集群：运维处理
      2. 配置过程：应对redis集群崩溃方法
         1. 使用
      3. 哨兵选举主节点过程
   4. redis缓存失效预防
      1. 击穿、穿透、雪崩
      2. 布隆过滤器

         布隆过滤器

为什么使用布隆过滤器

【缓存优化：使用布隆过滤器来过滤大量非法的数据请求】 我们使用布隆过滤器来记录存储所有可执行抽奖的策略、抽奖活动、用户抽奖结果表数据的key值，这些数据数据体量不大并且更新频率不高，使用布隆过滤器进行一次全量数据的记录后，不需要对过滤器进行多次扩容操作，并且有效预防了缓存穿透的情况，使用较低的成本就能保障数据库的稳定性和安全性。

布隆过滤器原理

原理+场景 布隆过滤器前置知识：布谷鸟过滤器原理

弊端

考虑更换布谷鸟过滤器 布谷鸟过滤器原理

布隆过滤器使用

1. 单机版guava包下引入布隆过滤器
2. 使用redis bitmap实现分布式布隆过滤器 使用demo

bitmap和布隆过滤器

布隆过滤器和 bitmap 一样底层也是通过 bit 位来表示数据是否存在。但是二者使用场景不一致。

参考文章：Bitmap 和 布隆过滤器傻傻分不清？

逻辑过期

活动id，逻辑过期

分段竞态锁

通用面试题

为什么mq用文件系统存储消息，不选择数据库等方式进行持久化，不同的方式有什么优缺点？

业界几款主流的MQ消息队列采用的存储方式主要有以下三种方式：

• 分布式KV存储：比如 Redis
• 文件系统：比如RocketMQ、Kafka、RabbitMQ
• 关系型数据库DB：比如ActiveMQ、MySql
• 从存储效率来说， 文件系统 > 分布式KV存储 > 关系型数据库DB。直接操作文件系统是最快和最高效的，而关系型数据库TPS一般相比于分布式KV系统会更低一些。

Redis能替代Mysql吗？简单说说为什么不能？ 1.redis基于内存，虽然有持久化机制，但是断电之后也可能出现数据丢失情况 2.redis不支持多并发环境下的事务隔离级别 3.redis不支持关系型数据库的建表规范（数据库三范式）

• Previous