描述一个过去的项目经历，其中系统在高并发场景下出现性能瓶颈（如响应时间增加、CPU利用率过高）。请说明你如何定位问题（如使用性能分析工具），采取的优化措施（如缓存、数据库索引、代码重构），以及优化后的效果（如响应时间降低X%）。
答案
1) 【一句话结论】在高并发场景下，通过性能分析定位到数据库查询是瓶颈，添加索引后响应时间降低50%，CPU利用率从80%降至20%。
2) 【原理/概念讲解】高并发时系统资源（CPU、内存、数据库I/O）被大量请求占用，导致响应变慢。性能瓶颈定位需先通过监控工具（如Prometheus看CPU利用率、数据库慢查询日志）找到瓶颈点，比如CPU飙升说明计算密集，I/O高说明数据库或网络问题。性能分析工具的作用是帮助快速定位瓶颈，比如JProfiler可分析代码执行时间，Prometheus+Grafana可监控系统指标。
3) 【对比与适用场景】
| 方法 | 定义 | 作用 | 适用场景 | 注意点 |
|---|---|---|---|---|
| 缓存（如Redis） | 内存中存储热点数据 | 减少数据库访问，提升读取速度 | 高频读低频写场景（如搜索结果、用户信息） | 需考虑缓存击穿（热点key失效）、雪崩（大量key失效）、过期策略 |
| 数据库索引（如B+树） | 数据库表中的结构，加速查询 | 提升复杂查询效率（如多条件过滤、关联查询） | 查询条件多、关联表多的场景（如电商搜索、订单查询） | 索引过多会降低写性能（插入/更新/删除变慢） |
4) 【示例】假设项目是“电商平台搜索服务”，用户搜索商品时，高并发下响应时间从200ms升至2秒。通过Prometheus监控发现数据库查询占CPU 80%，定位到商品表（products）的搜索字段（search_keyword）无索引。优化措施：添加B+树索引（CREATE INDEX idx_search_keyword ON products(search_keyword)），并调整缓存策略（将搜索结果缓存到Redis，TTL=30s）。优化后，响应时间恢复到150ms以下，CPU利用率降至20%。
5) 【面试口播版答案】我之前参与过一个电商平台的搜索服务项目，在高并发测试时发现响应时间从200ms飙升至2秒，通过Prometheus监控发现数据库查询占CPU 80%，定位到是商品表（products）的搜索字段（search_keyword）没有索引。优化措施是添加B+树索引，并调整缓存策略（将搜索结果缓存到Redis，TTL设为30秒）。优化后，响应时间恢复到150ms以下，CPU利用率降至20%以下。
6) 【追问清单】
- 你如何确定是数据库查询导致的问题？
回答要点：通过Prometheus监控数据库查询的CPU和耗时，对比其他组件（如前端、缓存）的资源占用，发现数据库查询占CPU 80%，远高于其他组件。 - 优化后有没有考虑缓存雪崩？
回答要点：是的，设置了缓存过期时间并实现缓存预热，避免雪崩。 - 如果还有其他瓶颈，比如网络延迟，你会怎么处理？
回答要点：检查网络配置，优化数据传输协议（如使用HTTP/2），或者增加负载均衡器的缓存。
7) 【常见坑/雷区】
- 不具体说明定位工具，比如只说“用了性能分析工具”，没有具体工具名称（如Prometheus、JProfiler）。
- 优化措施不具体，比如只说“加了索引”，没有说明索引类型或具体字段（如B+树索引、具体列）。
- 效果不量化，比如只说“变快了”，没有百分比或具体指标（如响应时间降低50%）。
- 忽略其他可能的瓶颈，比如网络或缓存未考虑。
- 回答时过于笼统，没有结合具体项目细节（如项目名称、具体功能）。