描述一个你在项目中遇到的挑战（如高并发下的系统崩溃），以及你是如何分析和解决的。
Tencent软件开发-移动客户端开发方向难度：中等
答案
1) 【一句话结论】在高并发场景下，系统因缓存穿透导致数据库压力激增崩溃，通过引入布隆过滤器+缓存+数据库三级架构，结合限流和熔断机制，成功解决高并发下的系统稳定性问题。
2) 【原理/概念讲解】老师会解释高并发下的系统崩溃常见原因，比如缓存穿透（当查询不存在的数据时，缓存中没有，直接访问数据库，大量无效请求导致数据库压力过大甚至崩溃）。布隆过滤器是一种空间效率高的概率型数据结构，用于判断元素是否属于某个集合，适用于高并发下的快速过滤（类似“黑名单”检查，减少无效数据库查询）。其核心是多个哈希函数将元素映射到位数组，判断时若所有位为1则可能存在，否则不存在（存在误判率但空间效率高）。
3) 【对比与适用场景】
| 方案 | 定义 | 特性 | 使用场景 | 注意点 |
|---|---|---|---|---|
| 布隆过滤器 | 基于哈希的概率型数据结构，用于判断元素是否属于集合 | 空间效率高，查询快，存在误判率（假阳性） | 作为缓存前端的过滤层，快速拦截无效请求 | 需接受一定误判率，适用于不存在的数据过滤 |
| 普通缓存（如Redis） | 存储热点数据，提高访问速度 | 数据持久化，支持多种数据结构 | 存在缓存穿透风险，需结合布隆过滤器 | 需设置合理缓存策略，避免冷启动 |
| 数据库 | 后端数据存储 | 事务支持，数据一致性 | 作为最终数据源，处理有效请求 | 需限流和熔断保护，避免被高并发击穿 |
4) 【示例】
假设用户查询商品ID为999999（不存在）的详情。请求流程：
- 用户请求商品详情接口；
- 服务端先查询Redis缓存（key为“product:999999”），缓存未命中；
- 接着查询布隆过滤器（判断该ID是否存在），布隆过滤器返回“不存在”；
- 直接返回“商品不存在”错误，避免访问数据库；
- 若是存在的ID（如1），则先查布隆过滤器（存在），再查Redis，若Redis未命中则查数据库，缓存结果后返回。
这样减少无效数据库查询，降低数据库压力。
5) 【面试口播版答案】
在之前的项目中，我们遇到了高并发下的系统崩溃问题。具体场景是，在双十一大促期间，大量用户查询不存在的商品ID（比如一个不存在的商品编号），导致系统直接访问数据库，数据库压力瞬间激增，最终系统崩溃。分析过程：通过查看系统日志和压力测试数据，发现大量“缓存未命中+数据库查询失败”的日志，定位到缓存穿透问题。解决方案：引入布隆过滤器作为缓存前端的过滤层，当用户查询商品时，先通过布隆过滤器判断该ID是否存在，若不存在则直接返回错误，避免访问数据库；若存在则继续查询Redis缓存，若缓存未命中则查询数据库，并将结果缓存。同时，我们增加了限流和熔断机制，对商品查询接口进行流量控制，防止极端情况下的雪崩效应。通过这些措施，系统在高并发下的稳定性得到显著提升，没有再出现崩溃情况。
6) 【追问清单】
- 问题：你提到的布隆过滤器是如何实现的？用了哪些哈希函数？误判率大概是多少？
回答要点：通常使用多个不同的哈希函数（如MurmurHash、FNVHash等），误判率根据位数组和元素数量调整，比如当位数组长度为N，元素数量为M时，误判率约为(1 - e^(-M/k))^k，其中k是哈希函数数量。 - 问题：在引入布隆过滤器后，对系统的性能影响有多大？有没有做性能测试？
回答要点：引入后，无效请求的数据库查询被拦截，数据库压力降低约80%，响应时间从原来的2秒左右缩短到0.1秒左右，性能提升明显，通过压力测试验证了稳定性。 - 问题：除了布隆过滤器，有没有考虑过其他解决方案？比如使用布隆过滤器+缓存+数据库的分层架构，或者使用分布式锁？
回答要点：考虑过使用分布式锁，但分布式锁在高并发下会导致大量请求阻塞，性能下降，而布隆过滤器结合限流和熔断更高效，适合高并发场景。 - 问题：在限流和熔断机制中，阈值是如何设定的？有没有根据业务数据动态调整？
回答要点：限流阈值根据历史流量数据设定，比如每秒处理1000个请求，熔断阈值根据错误率设定，当错误率超过50%时触发熔断，保护系统。 - 问题：如果后续遇到更严重的高并发情况，比如数据库本身也出现瓶颈，你会如何进一步优化？
回答要点：会考虑数据库读写分离、分库分表、使用缓存集群等，从数据库层面提升并发能力，同时结合消息队列异步处理部分请求，减轻数据库压力。
7) 【常见坑/雷区】
- 只描述问题不提解决方案：面试官会认为你无法解决问题，缺乏技术能力。
- 技术细节模糊：比如布隆过滤器的误判率、限流阈值的设定等，显得不专业。
- 忽略系统设计的整体性：只关注单个技术点，没有考虑限流、熔断等配套机制，显得方案不完整。
- 没有量化效果：比如只说“系统稳定了”，没有提到性能提升的具体数据，缺乏说服力。
- 混淆缓存穿透和缓存击穿：缓存击穿是热点数据失效导致大量请求集中访问数据库，而缓存穿透是不存在的数据查询，容易混淆概念，导致分析不准确。