大厂Java面试实录：Spring Cloud微服务+Redis缓存+Kafka消息队列实战问答

面试场景背景

某互联网大厂技术部面试间，严肃的面试官对面坐着略显紧张的求职者谢飞机。本次面试聚焦电商场景下的微服务架构设计。

---

第一轮：基础架构与核心服务

面试官：谢飞机你好，请先介绍一下你在电商项目中使用的微服务架构。

谢飞机：好的领导！我们用的是Spring Cloud Alibaba，有Nacos做注册中心，Gateway做网关，Sentinel做限流...

面试官：不错，基础概念清晰。那Nacos和Eureka有什么区别？

谢飞机：呃...Nacos功能更多？支持配置中心？Eureka是Netflix的...

面试官：（点头）基本正确。Nacos确实集成了注册中心和配置中心。那你们服务间调用用什么？

谢飞机：OpenFeign！声明式接口调用，加@FeignClient注解就行！

面试官：很好。那Feign的负载均衡策略有哪些？

谢飞机：这个...轮询？随机？还有...（擦汗）

面试官：（微笑）没关系，继续。你们如何处理服务熔断？

谢飞机：Sentinel和Resilience4j都用过！可以配置降级策略！

---

第二轮：缓存与数据库设计

面试官：电商场景下，商品详情页QPS很高，你们怎么优化？

谢飞机：Redis缓存！热点数据放Redis，数据库压力就小了！

面试官：很好。那缓存穿透、击穿、雪崩怎么解决？

谢飞机：穿透用布隆过滤器！击穿用互斥锁！雪崩...加随机过期时间？

面试官：（赞赏）回答不错。那Redis集群方案用的什么？

谢飞机：Redis Cluster！分片存储，主从复制...

面试官：数据库层面呢？分库分表怎么做的？

谢飞机：这个...ShardingSphere？按用户ID哈希分片？

面试官：那数据迁移怎么做？

谢飞机：（犹豫）双写？灰度切换？

---

第三轮：消息队列与分布式事务

面试官：用户下单后，需要扣库存、发优惠券、通知物流，怎么保证一致性？

谢飞机：消息队列！Kafka解耦服务！

面试官：那消息丢失怎么处理？

谢飞机：ACK机制！生产者确认、消费者确认...

面试官：重复消费呢？

谢飞机：幂等性！数据库唯一键或者Redis记录消息ID！

面试官：分布式事务方案用的什么？

谢飞机：Seata！AT模式...TCC模式也了解...

面试官：那Seata的原理能说下吗？

谢飞机：（擦汗）全局锁...回滚日志...（声音变小）

面试官：（起身）好了，今天先到这里，回去等通知吧。

谢飞机：好的领导！感谢面试机会！

---

详细答案解析（小白学习专区）

第一轮答案详解

1. Nacos vs Eureka

技术点：服务注册与发现

• Eureka：Netflix开源，AP模型（可用性优先），客户端轮询拉取服务列表
• Nacos：阿里开源，支持AP/CP切换，集成配置中心，支持权重路由

业务场景：电商大促时，服务实例频繁扩缩容，Nacos能更快感知服务变化

2. OpenFeign负载均衡

技术点：客户端负载均衡

// 配置负载均衡策略
ribbon:
  NFLoadBalancerRuleClassName: com.netflix.loadbalancer.RoundRobinRule  // 轮询
  // 或 RandomRule 随机
  // 或 BestAvailableRule 最小连接数

业务场景：订单服务调用库存服务，多实例部署时均匀分配流量

3. 服务熔断降级

技术点：Resilience4j/Sentinel

@CircuitBreaker(name = "inventoryService", fallbackMethod = "fallback")
public Inventory checkStock(Long productId) {
    return inventoryClient.getStock(productId);
}

public Inventory fallback(Long productId, Exception e) {
    return new Inventory(productId, 0); // 返回默认值
}

业务场景：库存服务故障时，订单服务不阻塞，快速返回降级结果

第二轮答案详解

1. 缓存三兄弟问题

缓存穿透：查询不存在的数据

• 解决：布隆过滤器预判、缓存空值

缓存击穿：热点key过期瞬间大量请求

• 解决：互斥锁、逻辑过期（不设置TTL，后台异步更新）

缓存雪崩：大量key同时过期

• 解决：随机过期时间、多级缓存

// 布隆过滤器示例
@Autowired
private RedissonClient redissonClient;

public boolean mightExist(String key) {
    RBloomFilter<String> bloomFilter = redissonClient.getBloomFilter("productFilter");
    return bloomFilter.contains(key);
}

2. Redis Cluster方案

技术点：分片集群

• 16384个slot，节点平分
• 主从复制，自动故障转移
• 客户端路由（Jedis Cluster/Lettuce）

业务场景：商品库存、用户会话等高频读写数据

3. 分库分表

技术点：ShardingSphere

sharding:
  tables:
    order:
      actualDataNodes: ds${0..1}.order${0..3}
      tableStrategy:
        standard:
          shardingColumn: user_id
          shardingAlgorithmExpression: order${user_id % 4}

业务场景：订单表数据量大，按用户ID分片，查询时带上user_id可路由到具体表

第三轮答案详解

1. 消息队列可靠性

技术点：Kafka ACK机制

# 生产者配置
acks=all  # 所有副本确认
retries=3
enable.idempotence=true  # 幂等性

# 消费者配置
enable.auto.commit=false  # 手动提交

业务场景：下单成功后，异步通知库存、优惠券、物流服务

2. 幂等性设计

技术点：防重复消费

// Redis实现幂等
public boolean tryProcess(String messageId) {
    String key = "processed:" + messageId;
    return redisTemplate.opsForValue().setIfAbsent(key, "1", 24, TimeUnit.HOURS);
}

业务场景：网络抖动导致消息重复，保证业务只执行一次

3. 分布式事务Seata

技术点：AT模式原理

1. 一阶段：执行业务SQL，记录undo_log
2. 二阶段提交：删除undo_log
3. 二阶段回滚：根据undo_log反向补偿

业务场景：下单扣库存、减余额、发优惠券需保证原子性

@GlobalTransactional
public void createOrder(Order order) {
    inventoryService.deduct(order.getProductId(), order.getCount());
    accountService.deduct(order.getUserId(), order.getAmount());
    couponService.use(order.getCouponId());
}

---

面试总结

本次面试覆盖了微服务架构的核心技术栈：

| 技术分类 | 核心组件 | 掌握程度 | |---------|---------|---------| | 服务治理 | Nacos、OpenFeign | ⭐⭐⭐⭐ | | 缓存 | Redis Cluster | ⭐⭐⭐⭐ | | 消息队列 | Kafka | ⭐⭐⭐ | | 分布式事务 | Seata | ⭐⭐⭐ |

给小白的建议：

1. 先掌握Spring Boot基础
2. 理解微服务拆分原则
3. 深入1-2个中间件原理
4. 多动手做实战项目

祝大家面试顺利！

---

本文纯属虚构，如有雷同，纯属巧合。谢飞机角色不代表真实求职者水平。