之前开发PC客户端时，遇到高并发场景（如节日红包），如何优化系统？请分享具体的技术手段，如消息队列解耦、负载均衡、监控指标调整等，并说明效果。
Tencent软件开发-PC客户端开发方向难度：困难
答案
1) 【一句话结论】
在高并发红包场景，通过消息队列解耦+堆积阈值扩容、负载均衡故障切换、数据库读写分离+缓存预热+Redis分布式锁，结合实时监控QPS和响应时间，系统吞吐量提升3倍（从5000/秒到1.5万/秒），错误率降至0.05%。
2) 【原理/概念讲解】
老师口吻：系统在高并发下易出现CPU饱和、数据库锁竞争、网络阻塞等瓶颈。具体优化手段如下：
- 消息队列解耦：像快递中转站，前端（用户点击发红包）将请求封装为消息写入队列（如Kafka），服务（红包发放服务）异步消费，避免直接调用导致服务阻塞。设置堆积阈值（如1000条），当积压超过时，自动增加消费者实例（扩容），防止消息堆积。
- 负载均衡：Nginx将请求分发到后端服务器，通过健康检查（每秒ping后端服务）和会话保持（cookie）实现故障切换，故障服务器被剔除后请求转向其他正常服务器。
- 数据库优化：读写分离（主库写，从库读），减少主库压力；缓存预热（提前将库存数据写入Redis），避免高并发时数据库查询；Redis分布式锁（扣库存时加锁），确保原子性，防超卖。
- 监控指标调整：QPS（请求每秒数，目标1万/秒）、响应时间P99（99%请求的响应时间，目标0.5秒），超阈值触发熔断，减少错误传播。
3) 【对比与适用场景】
| 技术方案 | 定义 | 特性 | 使用场景 | 注意点 |
|---|---|---|---|---|
| 消息队列（Kafka） | 面向消息的中间件，存储异步消息 | 解耦、削峰、持久化 | 业务解耦（如红包发放与支付） | 需设置堆积阈值（如1000条），超阈值扩容消费者 |
| 负载均衡（Nginx） | 将请求分发到多台服务器 | 分散流量、提高可用性 | 前端请求分发、后端服务集群 | 需配置健康检查（1秒间隔）和会话保持（cookie） |
| 数据库读写分离 | 主库写，从库读 | 减少主库压力 | 高并发场景下的数据库读写 | 需保证数据一致性（如事务隔离） |
| 缓存预热 | 提前加载热点数据到缓存 | 降低数据库压力 | 高并发场景下的热点数据 | 需考虑缓存失效策略（如TTL） |
| Redis分布式锁 | 基于Redis的互斥锁 | 确保原子性、防超卖 | 并发扣减库存等场景 | 需设置锁过期时间（防死锁） |
4) 【示例】
假设红包发放流程：
- 前端请求
POST /sendRedPacket，网关接收后，将请求封装为消息写入Kafka（主题：red_packet）。 - Kafka设置堆积阈值1000条，当积压超过时，自动增加消费者实例（从2个到4个）。
- 负载均衡Nginx每秒健康检查后端服务，故障服务器被剔除，请求转向其他正常服务器。
- 消费者服务处理逻辑：
- 从Redis缓存中读取库存（缓存预热后，避免数据库查询）；
- 用Redis分布式锁扣减库存（加锁+队列确保原子性）；
- 扣减成功后，将库存数据更新回Redis，并通知用户。
- 监控指标：Prometheus监控QPS（目标1万/秒），超阈值触发熔断；响应时间P99超0.5秒报警。
5) 【面试口播版答案】（约90秒）
“面试官您好，针对节日红包这种高并发场景，我主要从解耦、削峰、数据库优化和监控这几个方面做了优化。首先，消息队列解耦，用Kafka，前端请求后消息写入队列，服务异步消费，避免直接调用阻塞。Kafka设置了堆积阈值1000条，超时自动增加消费者实例（从2个到4个）。然后，负载均衡用Nginx，每秒健康检查后端服务，故障服务器被剔除，请求转向其他正常服务器。数据库方面，采用读写分离，主库写库存，从库读；缓存预热，提前将库存数据写入Redis；扣库存时用Redis分布式锁，防超卖。监控指标包括QPS（目标1万/秒）和响应时间P99（0.5秒），超阈值触发熔断。效果上，系统吞吐量从5000/秒提升到1.5万/秒，错误率从5%降到0.05%。”
6) 【追问清单】
- 问：消息队列堆积阈值如何动态调整？
答：基于Prometheus的QPS指标，当积压超过阈值时，自动扩容消费者实例。 - 问：数据库缓存预热如何实现？
答：提前将库存数据写入Redis，避免高并发时数据库压力。 - 问：Redis分布式锁如何解决超卖？
答：设置锁过期时间，结合队列确保原子性，防止并发扣减库存。 - 问：负载均衡健康检查的间隔设置依据？
答：1秒间隔确保故障服务器能及时被剔除，避免请求分发到故障节点。 - 问：监控指标阈值如何设置？
答：QPS阈值1万/秒（基于历史峰值），响应时间P99阈值0.5秒（保证99%用户体验）。
7) 【常见坑/雷区】
- 消息队列堆积阈值未设置：导致消费者处理不过来，系统崩溃。
- 数据库缓存未预热：高并发时数据库查询压力激增，引发雪崩。
- 分布式锁未考虑超时：扣库存时锁未释放，导致死锁。
- 监控阈值设置不合理：QPS阈值过低浪费资源，过高无法及时响应；响应时间阈值过高，无法有效监控性能。