阿里P7面试高频题及实战答案.docxVIP

阿里P7面试高频题及实战答案

一、技术深度类（核心考察专业硬实力）

1.问题：分布式系统中，如何解决数据一致性问题？结合你实际项目经历说明

答案：分布式数据一致性核心是平衡“可用性”和“一致性”，实际项目中我主要用三种方案落地：

首先是“最终一致性+补偿机制”：之前做电商订单系统，支付成功后需要同步库存、物流、积分三个服务。采用“本地消息表+消息队列”，订单服务先落库本地消息，再发MQ消息给下游，下游消费成功后回调确认；若失败则启动定时任务重试，重试3次仍失败则触发人工介入补偿。这种方案适合对一致性要求不极致（允许10分钟内同步）的场景，可用性高。

其次是“TCC事务”：针对支付对账场景，要求实时一致性。Try阶段冻结用户账户金额、锁定商户收款额度；Confirm阶段扣减冻结金额、划转至商户账户；Cancel阶段解冻用户金额。这里要注意幂等设计，每个TCC接口都通过“请求ID+版本号”防重复执行，避免资金重复扣减。

最后是“SAGA模式”：复杂链路（如跨境订单，涉及支付、清关、物流、退税）用SAGA，拆分成多个本地事务，每个事务都有对应的补偿事务。比如清关失败后，触发支付退款、物流取消的补偿流程，通过状态机管理每个步骤的状态，确保流程可追溯、可回滚。

2.问题：Redis在高并发场景下会遇到哪些问题？如何解决？

答案：Redis高并发下核心问题集中在“性能瓶颈”“数据安全”“一致性”三类，实际解决过这些场景：

性能方面：首先是缓存穿透，比如恶意查询不存在的商品ID，导致请求直达DB。我们用“布隆过滤器”前置拦截，把所有有效商品ID预加载到布隆过滤器，查询前先校验，不存在直接返回；其次是缓存击穿，热点商品缓存过期瞬间大量请求打DB，解决方案是“互斥锁+缓存预热”，热点商品缓存过期时，只有一个线程能去DB查询并更新缓存，其他线程等待重试，同时通过定时任务提前预热热点数据，避免缓存集中过期。

数据安全：缓存雪崩是大问题，之前遇到过Redis集群扩容时，缓存键集中过期导致DB压力飙升。解决是“过期时间加随机值”，让缓存过期时间分散，同时给Redis配置主从+哨兵，主节点挂了哨兵自动切换从节点，保证缓存服务可用性；另外开启AOF+RDB混合持久化，RDB做全量备份（每小时一次），AOF做增量日志（每秒fsync），防止数据丢失。

一致性：缓存和DB双写不一致，比如更新商品库存时，先更DB再更缓存，中间如果缓存更新失败，就会出现DB和缓存数据不一致。我们采用“先删缓存再更DB+延迟双删”，更新时先删除缓存，再更新DB，然后延迟1秒再删一次缓存（应对DB更新后、缓存未删除前的读请求），同时结合Redis的过期时间兜底，确保最终一致。

二、架构设计类（考察系统设计能力）

3.问题：设计一个日活1亿的短视频APP的视频存储和分发架构

答案：核心需求是“高可用、低延迟、高吞吐”，架构分“存储层”“分发层”“接入层”三层设计：

存储层：视频文件分“原始文件”和“转码文件”，原始文件存阿里云OSS（冷存储，成本低），转码文件（720P、1080P、4K）存OSS热存储+CDN回源节点。视频元数据（标题、时长、作者、存储路径）存MySQL主从集群，分库分表（按用户ID哈希分片），同时用Redis缓存热点元数据（比如热门视频的元数据），减少MySQL查询压力。另外，视频的评论、点赞数据用MongoDB存储（文档型数据库适合非结构化数据），Redis存储点赞数、播放量等计数型数据（incr命令原子操作，支持高并发）。

分发层：核心是CDN加速，采用“全国节点+海外节点”部署，用户请求视频时，DNS解析到最近的CDN节点，优先从CDN节点获取转码后的视频，CDN节点没有则回源到OSS热存储拉取并缓存。对于超热门视频（比如单日播放量1000万+），提前预热到所有CDN节点，避免回源压力；对于长尾视频，采用“按需缓存”，CDN节点缓存过期时间设为7天，无人访问则自动清理。

接入层：用Nginx做反向代理和负载均衡，前端请求先经过Nginx，转发到后端应用服务器（Tomcat集群，按业务模块拆分：视频上传、视频播放、评论互动）。应用服务器和Redis、MySQL、MongoDB之间用连接池管理连接，同时引入消息队列（RocketMQ）解耦异步任务，比如视频上传后的转码、通知作者“视频已发布”、更新视频推荐列表等，都通过MQ异步处理，提高系统吞吐量。

高可用保障：所有核心组件都做集群化，My