设计一个高并发的课程搜索系统，用户输入关键词可以快速返回匹配的课程，请说明系统架构（如ES索引、Redis缓存、数据库分库分表），并解释如何处理搜索请求的流量峰值（如开学季）。
答案
1) 【一句话结论】采用分层架构，通过Redis缓存、ES全文检索、分库分表数据库，结合布隆过滤器防缓存穿透、消息队列异步更新ES、Nginx负载均衡、熔断限流，有效应对开学季流量峰值。
2) 【原理/概念讲解】老师讲解时，先明确核心需求——快速响应、高并发读写。逐一解释各组件：
- Redis：作为缓存层，存储热门搜索结果（如“Python入门”），利用内存存储和纳秒级读写特性，大幅降低ES和数据库压力。类比“超市热销商品货架”，高频查询直接从缓存返回。
- Elasticsearch (ES)：通过倒排索引技术，索引课程标题、描述等文本字段，支持模糊搜索、多条件组合（如“Python入门+免费”）。类比“图书馆索引卡片系统”，快速定位文本内容。
- 数据库分库分表：按课程类型分库（如编程、数学），按ID范围分表（如编程库中课程ID 1-10000分表1），避免单表过大导致性能瓶颈。类比“分馆管理书籍”，减少查询延迟。
- 布隆过滤器：存储热门课程ID，检查请求ID是否在布隆过滤器中，若不在再查询ES，防缓存穿透。类比“商品标签验证”，过滤无效请求。
- 消息队列：异步更新ES索引（如课程变更事件），减少实时性压力。类比“快递分拣中心”，批量处理更新。
- Nginx负载均衡：四层负载，配置轮询或ip_hash策略，分发请求到多个实例，均摊流量。类比“交通枢纽调度”，避免单点过载。
- 熔断器（Hystrix）+限流（令牌桶）：熔断器配置阈值（如3秒内10次失败），限流每秒1000请求，防雪崩。类比“安全阀”，保护系统稳定。
3) 【对比与适用场景】
| 组件 | 定义 | 特性 | 使用场景 | 注意点 |
|---|---|---|---|---|
| Elasticsearch | 分布式搜索引擎 | 支持全文检索、复杂查询、高并发读写、自动分词 | 课程标题/描述的模糊搜索、多条件组合查询 | 索引维护成本高，不适合事务性操作 |
| 关系型数据库 | 结构化数据存储 | 强一致性、事务支持、ACID | 课程基本信息（ID、价格、讲师ID）的增删改查 | 查询复杂时性能下降 |
| Redis | 内存数据库 | 高速读写、缓存、消息队列 | 热门搜索结果、布隆过滤器 | 缓存穿透/雪崩风险，需设置过期时间 |
| 布隆过滤器 | 哈希集合 | 空间高效、可能误判 | 防缓存穿透，检查ID是否存在 | 存在误判率（如1%），需优化位数组长度 |
| 消息队列（如Kafka） | 异步通信 | 解耦、高吞吐 | ES索引异步更新 | 需确保消息不丢失，处理延迟 |
4) 【示例】用户搜索“Java基础”，系统处理流程：
- Nginx负载均衡分发请求到API网关。
- API网关检查Redis缓存（key: "search:java基础"），若存在，直接返回。
- 否则，调用ES查询接口（参数：keyword="Java基础"，字段：title, description），ES返回匹配课程列表。
- 将结果存入Redis（key: "search:java基础"，value: JSON结果），设置5分钟过期时间，并添加布隆过滤器（key: "bloom:course:java基础"，课程ID列表）。
- 返回结果给用户。
伪代码（简化）：
func searchCourses(keyword string) ([]Course, error) {
// 1. 检查Redis缓存
cached, err := redisClient.Get("search:" + keyword).Result()
if err == nil {
return parseJSON(cached), nil
}
// 2. 检查布隆过滤器
isExist, err := redisClient.PBool("bloom:course:" + keyword, true)
if err != nil || !isExist {
// 不存在，调用ES
esResult, err := esClient.Search(keyword, "title", "description")
if err != nil {
return nil, err
}
// 存入Redis和布隆过滤器
redisClient.Set("search:" + keyword, esResult, 5*time.Minute)
redisClient.PSetBit("bloom:course:" + keyword, 0, 1) // 假设课程ID为0
return esResult, nil
}
return parseJSON(cached), nil
}
5) 【面试口播版答案】（约90秒）
“面试官您好，针对高并发课程搜索系统，我的设计思路是分层架构，核心组件包括Redis缓存、Elasticsearch（ES）和分库分表的数据库。首先，Redis作为缓存层，存储热门搜索词的查询结果，比如“Python入门”这类高频请求，直接从Redis返回，避免ES和数据库压力。然后，ES负责全文检索，通过倒排索引技术快速匹配课程标题、描述等文本字段，支持模糊搜索和多条件组合。数据库方面，我们按课程类型分库，按课程ID范围分表，比如编程类课程放在编程库，数学类在数学库，每个库再分表，避免单表数据过大。流量峰值处理上，开学季时，我们会增加ES的分片数量（比如从5个增加到10个），扩展Redis集群节点，同时用API网关做限流（令牌桶算法，每秒1000请求），防止流量瞬间冲击。针对缓存穿透问题，我们引入布隆过滤器，在Redis中存储热门课程ID的布隆过滤器，检查请求的ID是否在布隆过滤器中，若不在再查询ES，减少无效请求。ES索引更新通过消息队列（如Kafka）接收课程变更事件，定时批量更新索引，或者调整refresh间隔（如1分钟），平衡实时性和性能。负载均衡使用Nginx四层负载均衡，配置轮询策略，将请求分发到多个API网关实例，再由API网关分发到后端服务。熔断器使用Hystrix，配置熔断阈值（3秒内10次失败），确保系统在异常时快速降级。这样整体架构既能保证搜索速度，又能应对开学季的流量峰值。”
6) 【追问清单】
- 问题1：布隆过滤器如何处理误判？如何优化？
回答要点：布隆过滤器存在误判率（如1%），可通过增加位数组长度降低误判率，或结合缓存穿透的降级策略，比如误判时直接查询ES。 - 问题2：ES索引更新时，如何保证数据一致性？比如课程删除后，搜索结果是否立即消失？
回答要点：通过消息队列异步更新，设置延迟（如1分钟），或者调整refresh间隔，确保数据一致性，避免实时性影响。 - 问题3：分库分表后，跨库查询如何处理？比如搜索“Python+Java”需要多个库的数据？
回答要点：使用数据库中间件（如ShardingSphere），配置多库查询，或者将搜索逻辑改为分步查询，先查编程库，再查其他库，合并结果。 - 问题4：负载均衡中，Nginx的ip_hash和轮询策略分别适用于什么场景？如何配置？
回答要点：ip_hash适用于会话保持，轮询适用于均摊流量。配置中，upstream backend { server 192.168.1.1:8080; server 192.168.1.2:8080; }，使用轮询。 - 问题5：熔断器中，熔断阈值和恢复时间如何设置？如何避免误熔断？
回答要点：熔断阈值根据业务调整，比如3秒内10次失败，恢复时间根据服务恢复情况动态调整，避免误熔断影响可用性。
7) 【常见坑/雷区】
- 缓存穿透未处理：热门课程ID不存在时，大量请求穿透缓存，冲击ES和数据库。
- 布隆过滤器误判：导致少量无效请求，但影响较小，可通过优化位数组长度降低。
- ES分片数量不足：开学季时未扩容，导致查询延迟，影响用户体验。
- 分库分表的主从复制延迟：新课程添加后，从库未同步，导致搜索结果不完整。
- 限流配置不当：限流阈值过低，导致正常请求被拒绝；过高则无法削峰。
- 忽略ES索引更新机制：实时性要求高时，调整refresh间隔可能影响性能，需权衡。