请分享你参与过的某个竞赛项目（如题库系统或竞赛平台），描述技术选型（如数据库、缓存、框架），遇到的挑战（如高并发下的数据不一致或性能瓶颈），以及如何解决的。

1) 【一句话结论】：在开发竞赛题库系统时，通过“数据库+缓存+分布式锁”的技术选型，解决了高并发下的数据不一致与性能瓶颈，确保了系统的高可用与低延迟。

2) 【原理/概念讲解】：技术选型中，数据库（如MySQL）负责数据持久化与事务支持，缓存（如Redis）用于热点数据加速，分布式锁（如Redis分布式锁）解决并发冲突。高并发下，缓存穿透会导致数据库压力激增，缓存雪崩会导致缓存服务崩溃，需通过布隆过滤器（防穿透）、限流降级（防雪崩）缓解。数据库的读写分离（主从复制）可分担读压力，但需注意数据一致性（如最终一致性）。

3) 【对比与适用场景】：数据库与缓存的对比：

方向	数据库（如MySQL）	缓存（如Redis）
定义	持久化存储，事务支持	内存存储，高并发读写
特性	事务、ACID，数据持久	高速读写，缓存穿透/雪崩
使用场景	写操作多、数据持久化	读操作多、热点数据加速
注意点	连接池配置、索引优化	缓存失效策略、热点数据预热

4) 【示例】：用户查询题目信息流程（伪代码）：

def get_question(id):
    cache_key = f"question:{id}"
    # 1. 检查缓存
    data = redis.get(cache_key)
    if data:
        return json.loads(data)
    # 2. 缓存未命中，查询数据库
    data = db.query("SELECT * FROM questions WHERE id = ?", id)
    if data:
        # 3. 存入缓存（设置过期时间）
        redis.setex(cache_key, 60, json.dumps(data))
    return data

5) 【面试口播版答案】：我参与过学而思的竞赛题库系统开发，核心是解决高并发下的数据一致性与性能问题。技术选型上，我们采用MySQL（主从复制）作为数据库，Redis作为缓存层，并引入Redis分布式锁。遇到的主要挑战是用户查询量激增时，缓存穿透导致数据库压力爆炸，以及缓存雪崩引发Redis服务崩溃。解决方法是：对缓存未命中的查询，通过布隆过滤器过滤无效请求（防穿透）；对缓存过期时间设置随机值（防雪崩）；同时，数据库采用读写分离，主库写，从库读，分担读压力。最终系统在并发1000+时，响应时间稳定在200ms内，数据一致性通过最终一致性保证（写操作延迟1-2秒）。

6) 【追问清单】：

• 问1：如何解决缓存穿透问题？答：使用布隆过滤器，对查询的key先做布隆过滤，若过滤为真则直接返回错误，避免查询数据库。
• 问2：高并发下如何保证缓存与数据库数据一致？答：采用最终一致性，写操作先更新数据库，再更新缓存（设置较长的过期时间），读操作优先查缓存，缓存未命中再查数据库。
• 问3：如果系统出现缓存雪崩，如何应对？答：设置缓存过期时间随机化，避免集中过期；同时，增加缓存集群的节点，提高缓存容量。

7) 【常见坑/雷区】：

• 坑1：忽略缓存失效策略，导致数据不一致（如缓存未及时更新，读操作获取旧数据）。
• 坑2：数据库连接池配置不当，高并发下连接耗尽，导致系统崩溃。
• 坑3：缓存雪崩时未做降级处理，导致服务不可用。
• 坑4：分布式锁未释放，导致死锁（如锁超时未释放，其他线程无法获取锁）。
• 坑5：未考虑缓存穿透的防御，导致数据库被恶意请求压垮。