Java大厂面试：Spring Cloud+Redis+Kafka电商微服务架构实战解析

前言

大家好，今天为大家带来一篇趣味十足的Java大厂面试文章。通过严肃面试官与搞笑程序员谢飞机的对话，带你深入理解电商微服务架构的核心技术点。

---

面试场景：某互联网大厂Java后端工程师面试

面试官：（严肃脸）请坐，我是今天的技术面试官。看你简历上写有电商项目经验，那我们今天就聊聊电商场景下的微服务架构设计。

谢飞机：（紧张地搓手）好的好的，面试官您好！我...我确实做过电商项目，虽然主要是抄的开源代码...啊不是，是参考学习的！

---

第一轮：基础架构与服务治理

面试官：好，第一个问题。电商大促时流量激增，你们用什么做服务注册与发现？

谢飞机：（眼睛一亮）这个我会！Eureka！不对...现在都用Nacos了！服务注册发现嘛，就是服务启动时把自己注册到注册中心，其他服务通过注册中心找到它。

面试官：（微微点头）还算可以。那服务间调用用什么？

谢飞机：OpenFeign！声明式的HTTP客户端，加个@FeignClient注解就能调用其他服务了，贼方便！

面试官：不错。那如果下游服务响应慢或者挂了，怎么保护上游服务？

谢飞机：（开始冒汗）这个...这个...熔断！降级！限流！三板斧！具体实现...好像是Resilience4j？还是Hystrix？反正就是防止雪崩效应...

面试官：（皱眉）Hystrix已经停止维护了，现在推荐Resilience4j。继续，第二个问题。电商商品详情页QPS很高，你们怎么优化？

谢飞机：（来精神了）缓存！Redis缓存！热点数据放Redis，数据库扛不住。我们当时做了三级缓存：本地缓存Caffeine + Redis + 数据库。

面试官：（表情缓和）这个思路对。那缓存穿透、击穿、雪崩怎么解决？

谢飞机：穿透用布隆过滤器！击中使用互斥锁！雪崩加随机过期时间！（越说越自信）

面试官：第三个问题。订单创建后需要通知库存、积分、消息推送等多个服务，怎么设计？

谢飞机：（挠头）这个...消息队列？Kafka？RabbitMQ？反正就是异步解耦，订单服务发消息，其他服务订阅消费...

面试官：（记录）好，第一轮先到这。

---

第二轮：分布式事务与数据一致性

面试官：第二轮。刚才说到订单创建涉及多个服务，那分布式事务怎么保证？

谢飞机：（眼神飘忽）分布式事务啊...2PC？TCC？Saga？Seata？我们当时...好像用的Seata的AT模式？

面试官：AT模式的原理是什么？

谢飞机：（开始含糊）就是...先执行SQL，然后记录undo log，如果回滚就用undo log恢复...大概是这样？

面试官：（挑眉）大概？那如果订单服务扣减库存成功，但积分服务失败了，怎么处理？

谢飞机：（擦汗）这个...重试？补偿？实在不行就人工介入...我们当时有对账系统，每天跑批核对数据...

面试官：继续。电商场景下，超卖问题怎么解决？

谢飞机：（这次比较确定）数据库乐观锁！version字段！或者Redis分布式锁！下单时先扣减库存，扣减成功才能创建订单。

面试官：Redis分布式锁怎么实现？

谢飞机：setnx命令！加过期时间防止死锁！Redisson框架有现成的实现，看门狗机制自动续期...

面试官：（点头）还行。第三个问题，分库分表做过吗？订单表数据量大怎么拆分？

谢飞机：（明显紧张）分库分表...ShardingSphere？按用户ID哈希分片？还是按时间范围？我们当时数据量还没到那个程度...主要是加了索引优化查询...

面试官：（记录）好，进入第三轮。

---

第三轮：监控运维与性能优化

面试官：第三轮。线上服务怎么监控？

谢飞机：（放松了一些）Prometheus+Grafana！指标采集、可视化展示。还有ELK日志系统，查询日志很方便。

面试官：JVM调优做过吗？

谢飞机：（心虚）调优...看过一些文章。堆内存设置、GC算法选择、年轻代老年代比例...实际生产环境都是运维同事在搞，我主要是看监控面板...

面试官：（微笑）诚实是好事。那链路追踪呢？

谢飞机：SkyWalking！Jaeger！Zipkin！服务调用链可视化，能快速定位问题在哪个环节。

面试官：最后一个问题。如果让你设计一个秒杀系统，核心要点是什么？

谢飞机：（兴奋了）这个我准备过！1.前端限流，按钮点击后禁用 2.网关层限流 3.Redis预减库存 4.消息队列异步下单 5.数据库最终扣减 6.防刷机制...

面试官：（打断）Redis预减库存怎么保证和数据库一致性？

谢飞机：（卡壳）这个...一致性...可能...会有短暂不一致？反正最终会一致的...我们通过定时任务校对...

面试官：（放下笔）好了，今天的面试就到这里。

谢飞机：（紧张）那...结果怎么样？

面试官：（标准微笑）我们会综合评估，3个工作日内HR会通知你。回家等通知吧。

谢飞机：（起身）好的好的，谢谢面试官！期待您的好消息！

---

详细答案解析

第一轮答案解析

1. 服务注册与发现

业务场景：电商系统有用户服务、商品服务、订单服务、支付服务等多个微服务，服务实例动态扩缩容。

技术方案：

• Nacos：阿里开源，集注册中心和配置中心于一体
• Consul：HashiCorp出品，支持多数据中心
• Eureka：Netflix开源，已停止维护

// Nacos配置
spring:
  cloud:
    nacos:
      discovery:
        server-addr: 127.0.0.1:8848
        service: ${spring.application.name}

2. 服务间调用

业务场景：订单服务需要调用用户服务获取用户信息，调用库存服务检查库存。

技术方案：OpenFeign声明式调用

@FeignClient(name = "user-service")
public interface UserServiceClient {
    @GetMapping("/user/{userId}")
    Result<UserVO> getUserById(@PathVariable("userId") Long userId);
}

// 使用
@Autowired
private UserServiceClient userServiceClient;

UserVO user = userServiceClient.getUserById(userId).getData();

3. 服务容错保护

业务场景：促销期间流量激增，下游服务可能响应慢或宕机。

技术方案：Resilience4j熔断降级

@CircuitBreaker(name = "inventoryService", fallbackMethod = "fallback")
public Result decreaseStock(Long productId, Integer quantity) {
    return inventoryServiceClient.decreaseStock(productId, quantity);
}

public Result fallback(Long productId, Integer quantity, Exception e) {
    // 降级逻辑：返回缓存数据或友好提示
    return Result.error("系统繁忙，请稍后重试");
}

4. 缓存优化方案

业务场景：商品详情页QPS可达10万+，数据库无法直接承载。

技术方案：三级缓存架构

// 一级缓存：Caffeine本地缓存
private Cache<Long, ProductVO> localCache = Caffeine.newBuilder()
    .maximumSize(1000)
    .expireAfterWrite(5, TimeUnit.MINUTES)
    .build();

// 二级缓存：Redis
public ProductVO getProductById(Long productId) {
    // 查本地缓存
    ProductVO product = localCache.getIfPresent(productId);
    if (product != null) {
        return product;
    }
    
    // 查Redis
    String key = "product:" + productId;
    String json = redisTemplate.opsForValue().get(key);
    if (json != null) {
        product = JSON.parseObject(json, ProductVO.class);
        localCache.put(productId, product);
        return product;
    }
    
    // 查数据库
    product = productMapper.selectById(productId);
    if (product != null) {
        redisTemplate.opsForValue().set(key, JSON.toJSONString(product), 30, TimeUnit.MINUTES);
        localCache.put(productId, product);
    }
    return product;
}

缓存问题解决方案：

• 穿透：布隆过滤器 + 缓存空对象
• 击穿：互斥锁 + 双重检查
• 雪崩：随机过期时间 + 高可用集群

5. 消息队列解耦

业务场景：订单创建后需要通知库存、积分、消息推送等多个服务。

技术方案：Kafka异步解耦

// 订单服务发送消息
@Autowired
private KafkaTemplate<String, Object> kafkaTemplate;

public void createOrder(Order order) {
    // 1. 创建订单
    orderMapper.insert(order);
    
    // 2. 发送消息
    OrderMessage message = new OrderMessage(order.getId(), order.getUserId());
    kafkaTemplate.send("order-created", message);
}

// 库存服务消费消息
@KafkaListener(topics = "order-created")
public void handleOrderCreated(OrderMessage message) {
    // 扣减库存
    inventoryService.decreaseStock(message.getOrderId());
}

---

第二轮答案解析

1. 分布式事务方案

业务场景：订单创建涉及订单服务、库存服务、积分服务，需要保证数据一致性。

技术方案对比：

| 方案 | 优点 | 缺点 | 适用场景 | |------|------|------|----------| | 2PC | 强一致性 | 性能差，阻塞 | 金融核心交易 | | TCC | 性能较好 | 实现复杂 | 高并发场景 | | Saga | 简单灵活 | 最终一致性 | 长流程业务 | | Seata AT | 易用性好 | 有性能损耗 | 一般业务场景 |

Seata AT模式实现：

@GlobalTransactional
public void createOrder(Order order) {
    // 1. 创建订单
    orderService.create(order);
    
    // 2. 扣减库存
    inventoryService.decrease(order.getProductId(), order.getQuantity());
    
    // 3. 增加积分
    pointService.add(order.getUserId(), order.getPoint());
}

2. 超卖问题解决方案

业务场景：秒杀活动中，100件商品可能被10000人同时抢购。

技术方案：

// 方案1：数据库乐观锁
@Update("UPDATE product SET stock = stock - #{quantity} WHERE id = #{productId} AND stock >= #{quantity}")
int decreaseStock(@Param("productId") Long productId, @Param("quantity") Integer quantity);

// 方案2：Redis分布式锁
RLock lock = redissonClient.getLock("product:" + productId);
try {
    if (lock.tryLock(5, 10, TimeUnit.SECONDS)) {
        // 扣减库存逻辑
        inventoryService.decreaseStock(productId, quantity);
    }
} finally {
    lock.unlock();
}

// 方案3：Redis预减库存
Long stock = redisTemplate.opsForValue().decrement("stock:" + productId);
if (stock < 0) {
    redisTemplate.opsForValue().increment("stock:" + productId);
    return Result.error("库存不足");
}

3. 分库分表方案

业务场景：订单表数据量超过千万，查询性能下降。

技术方案：ShardingSphere分片

spring:
  shardingsphere:
    datasource:
      names: ds0,ds1
    rules:
      sharding:
        tables:
          t_order:
            actual-data-nodes: ds${0..1}.t_order${0..1}
            table-strategy:
              standard:
                sharding-column: user_id
                sharding-algorithm-name: user-inline
        sharding-algorithms:
          user-inline:
            type: INLINE
            props:
              algorithm-expression: t_order${user_id % 2}

---

第三轮答案解析

1. 监控体系搭建

业务场景：微服务架构下，需要全方位监控系统健康状态。

技术方案：

# Prometheus配置
management:
  endpoints:
    web:
      exposure:
        include: health,info,metrics,prometheus
  metrics:
    export:
      prometheus:
        enabled: true

# Grafana仪表盘
# 导入JVM、HTTP请求、数据库连接等监控面板

2. JVM调优要点

业务场景：服务运行中出现Full GC频繁，响应时间变长。

调优参数：

# 堆内存设置
-Xms4g -Xmx4g

# 年轻代设置
-Xmn2g

# GC算法
-XX:+UseG1GC

# GC日志
-XX:+PrintGCDetails -Xloggc:/var/log/gc.log

# OOM处理
-XX:+HeapDumpOnOutOfMemoryError
-XX:HeapDumpPath=/var/log/heapdump.hprof

3. 链路追踪实现

业务场景：用户反馈下单慢，需要定位问题环节。

技术方案：SkyWalking

// 添加追踪注解
@Trace(operationName = "createOrder")
public void createOrder(Order order) {
    // 业务逻辑
}

// SkyWalking配置
agent.service_name=order-service
collector.backend_service=127.0.0.1:11800

4. 秒杀系统设计

核心架构：

用户请求 → Nginx限流 → 网关鉴权 → Redis预减库存 → 
MQ异步下单 → 数据库扣减 → 返回结果

关键代码：

// 秒杀控制器
@PostMapping("/seckill")
public Result seckill(@RequestBody SeckillRequest request) {
    // 1. 用户资格校验
    if (!userService.checkSeckillQualification(request.getUserId())) {
        return Result.error("无秒杀资格");
    }
    
    // 2. Redis预减库存
    Long stock = redisTemplate.opsForValue().decrement("seckill:stock:" + request.getProductId());
    if (stock < 0) {
        redisTemplate.opsForValue().increment("seckill:stock:" + request.getProductId());
        return Result.error("已抢光");
    }
    
    // 3. 发送秒杀消息
    SeckillMessage message = new SeckillMessage(request.getUserId(), request.getProductId());
    kafkaTemplate.send("seckill-order", message);
    
    // 4. 返回排队中
    return Result.success("排队中，请稍后查看结果");
}

// 异步处理秒杀订单
@KafkaListener(topics = "seckill-order")
public void handleSeckillOrder(SeckillMessage message) {
    try {
        // 创建订单
        orderService.createSeckillOrder(message);
        // 扣减真实库存
        inventoryService.decreaseStock(message.getProductId(), 1);
    } catch (Exception e) {
        // 失败回滚Redis库存
        redisTemplate.opsForValue().increment("seckill:stock:" + message.getProductId());
    }
}

---

学习建议

技术学习路线

1. 基础阶段：Java核心、Spring Boot、MySQL
2. 进阶阶段：Spring Cloud、Redis、Kafka
3. 高级阶段：分布式事务、JVM调优、系统设计

推荐资源

• 书籍：《深入理解Java虚拟机》《分布式系统原理》
• 文档：Spring Cloud官方文档、Redis官方文档
• 项目：GitHub开源电商项目、自己搭建微服务Demo

面试准备

1. 理解原理，不只是会用
2. 结合业务场景思考
3. 准备项目亮点和难点
4. 保持诚实，不会就说不会

---

总结

通过谢飞机与面试官的对话，我们梳理了电商微服务架构的核心技术点。记住：

• ✅ 服务治理：Nacos + OpenFeign + Resilience4j
• ✅ 缓存优化：多级缓存 + 缓存问题解决方案
• ✅ 消息队列：Kafka异步解耦
• ✅ 分布式事务：Seata/TCC/Saga根据场景选择
• ✅ 监控运维：Prometheus + Grafana + SkyWalking
• ✅ 系统设计：秒杀场景是经典面试题

希望这篇文章能帮助你更好地准备Java大厂面试！加油！

---

本文纯属虚构，如有雷同，纯属巧合。谢飞机形象仅供参考，请勿对号入座。