面灵AI→

字节中国交易与广告一面:缓存 Key 设计、异步日志与 MVCC

轮次
一面
时间
2026-11
来源
牛客网

《面试题目》

  1. Redis 缓存的具体内容是什么:模型分数还是候选集?
  2. 缓存 Key 如何设计?如何区分司机、订单和司机订单组合?
  3. 为什么选择 String,而不是 Hash?如何避免大 Key?
  4. Key 中的模型版本号有什么作用?
  5. 不同模型版本如何通过配置中心切换、同时放量?
  6. 版本切换导致新版本缓存未命中时,如何避免大量请求直接回源?
  7. 除了模型版本更新,还有哪些缓存更新时机?
  8. TTL 如何设置?不同模型为什么使用不同 TTL?
  9. 如何评估和调整 TTL,使其达到较优效果?
  10. 命中旧缓存会不会影响模型效果?如何评估这种影响?
  11. 缓存命中率是多少?不同模型的命中率为什么有差异?
  12. 缓存命中率低的原因有哪些?
  13. 如何定位服务耗时高的瓶颈?
  14. 同步日志如何改造成异步日志?
  15. context 如何复用?日志打印与 context 回收如何配合?
  16. 如何衡量优化收益?关注平均耗时还是 P99?
  17. 异步日志打印失败或日志丢失,如何兜底?
  18. 模型过滤前置是什么意思?
  19. 哪些过滤逻辑可以前置?如何判断是否依赖打分结果?
  20. 过滤前置为什么能够降低耗时和资源开销?
  21. 实习中做过哪些慢 SQL 优化?
  22. 什么是 N+1 查询问题?如何优化?
  23. 项目中的索引失效是如何引入的?
  24. 对关联字段使用 CAST 为什么可能影响索引使用?
  25. 还有哪些情况会导致无法有效利用索引?
  26. 除了索引问题,还有哪些原因会导致慢查询?
  27. 从页面响应慢到定位问题 SQL,完整排查流程是什么?
  28. 业务表的索引如何设计?
  29. 什么是覆盖索引?如何减少回表?
  30. MySQL 使用的存储引擎是什么?
  31. InnoDB 如何保证已提交事务的数据不丢失?
  32. 什么是 MVCC?它依赖哪些机制?
  33. ReadView、undo log 和行记录隐藏字段分别有什么作用?
  34. 四种事务隔离级别下,快照的使用方式有什么区别?
  35. 读已提交与可重复读的 ReadView 分别在什么时候生成?
  36. 不同的快照生成时机起到什么作用?
  37. 如何理解读未提交和串行化?
  38. 线上使用哪个事务隔离级别?
  39. HashMap 的底层数据结构是什么?
  40. HashMap 如何处理哈希冲突?
  41. HashMap 的链表在什么条件下会转为红黑树?
  42. HashMap 如何扩容?
  43. 是否了解 Spring 的 @Transactional 事务注解?
  44. 常见限流算法有哪些?
  45. 项目中的「双层并发限流」具体如何实现?
  46. 信号量和线程池分别如何限制并发?
  47. 算法:两数相加。

《参考解析》

缓存 Key 与版本号:Key 要能唯一表达「哪个实体、哪种请求、哪个模型版本」,例如 score:{modelVer}:{driverId}:{orderId};把版本号放进 Key 是为了让新旧版本的缓存天然隔离,切换时可灰度放量、出问题能立刻切回。用 String 存序列化后的结果而不是 Hash,是因为一次读取整体返回、避免多次 field 读取的往返,也便于设置统一 TTL;但要注意单 Key 体积,控制候选集大小、必要时拆分或只缓存 ID 列表。

版本切换的回源保护:新版本上线初期缓存全空,流量会直接打到模型服务。做法是预热(离线跑热点集合写入新 Key)、分批放量(按流量比例或白名单切换)、回源限流与单飞(同一 Key 并发只放一个请求回源)、旧版本缓存保留一段时间兜底。灰度期间同时观察命中率与模型指标,异常即回滚版本号。

TTL 与命中率:TTL 取决于数据变化频率与业务可接受的陈旧度——实时性强的特征短 TTL,稳定的画像类可以长。评估方式是看「TTL 延长带来的命中率提升」与「陈旧数据导致的指标损失」的平衡点,用小流量实验对比。命中率低的常见原因:Key 设计过细(含时间戳、随机数)、TTL 过短、缓存穿透(不存在的 Key 反复查)、写入与读取的版本不一致、热点集中导致被淘汰。

异步日志与 context:同步打日志会在 IO 上阻塞业务线程。改造为有界队列 + 后台消费线程,业务线程只做入队,队列满时按策略丢弃或降级(打点计数、采样)。context 复用(sync.Pool)要注意:日志异步化后,如果 context 在打印前就被回收复用,日志内容会串,所以入队时要深拷贝需要的字段,或者引用计数等消费完成再归还。收益看 P99 而不是平均值,尾部延迟才是用户体感。日志丢失要能感知:队列积压、丢弃计数、关键日志落本地文件兜底。

过滤前置:把不依赖模型打分的硬性条件(黑名单、地理围栏、服务类型不匹配、库存为零)提前到调用模型之前,减少无效计算与下游请求。判断标准是「这个条件是否依赖打分结果」——依赖就不能前置。收益是双向的:省掉模型调用与特征读取,同时缩短链路。

N+1 与索引:N+1 是先查一批主记录,再对每条记录单独查关联表,1 次查询变 N+1 次。优化是用 IN 批量查、JOIN、或应用层做 Map 聚合。对关联字段做 CAST 会让索引列参与函数运算,无法使用索引;同类问题还有隐式类型转换、函数包裹、前导模糊匹配、联合索引不满足最左前缀。除索引外,慢查询还可能来自数据量过大、锁等待、返回列过多、排序与临时表、网络传输。

排查流程:页面慢 → 看接口耗时分布(网关、应用、DB)→ 应用侧看慢调用与线程栈 → 开启慢查询日志定位 SQL → EXPLAIN 看执行计划 → 结合 rows、filtered、Extra 与真实耗时决定加索引、改 SQL 还是改数据模型。索引设计按查询模式来:区分度高的列在前、覆盖高频查询列、控制索引数量避免写放大。

MVCC:InnoDB 通过 undo log、行记录的隐藏字段(DB_TRX_ID、DB_ROLL_PTR)与 ReadView 实现多版本读。ReadView 记录活跃事务列表,判断行版本对当前事务是否可见;不可见就沿 undo log 找上一个版本。RC 每次查询生成新 ReadView,所以能看到别的事务已提交的变更;RR 在事务首次快照读时生成并复用,保证同一事务内多次读一致。读未提交直接读最新版本;串行化加锁读,牺牲并发换一致。

InnoDB 持久性:靠 redo log 的 WAL——事务提交时先顺序写 redo 并刷盘(innodb_flush_log_at_trx_commit=1),数据页异步刷;崩溃后用 redo 重放已提交事务,用 undo 回滚未提交事务。binlog 与 redo 的两阶段提交保证主从一致。

HashMap:JDK8 是数组 + 链表 + 红黑树。哈希冲突用链地址法;链表长度达到 8 且数组容量不小于 64 时转红黑树,退化到 6 转回链表。扩容是容量翻倍,元素按 hash & (newCap-1) 重新分配,JDK8 用高低位拆分避免重新计算哈希。

限流与并发控制:常见算法有固定窗口(简单但有临界突刺)、滑动窗口(平滑、需存储)、漏桶(恒定速率)、令牌桶(允许突发)。双层限流通常是「入口按用户/接口限流 + 下游按资源(线程池、连接池)限流」。信号量限制同时执行的请求数,不排队、拿不到直接失败或等待;线程池限制并发并管理队列,能隔离故障但参数不当会积压。选择取决于要不要排队、以及失败时如何反馈。

@Transactional:Spring 声明式事务基于 AOP 代理,同类内部调用、非 public 方法、异常被吞、抛受检异常未配 rollbackFor、多线程执行都会让事务失效。