请分享一个你参与过的复杂项目经验，说明项目背景、你的角色、遇到的技术挑战、解决方案以及最终成果。

1) 【一句话结论】我主导参与了一个高并发电商订单系统重构项目，通过引入Saga分布式事务方案和缓存优化策略，成功将系统TP99响应时间从2秒降至500毫秒，支撑业务峰值流量提升3倍，实现了技术债清理与业务增长的双赢。

2) 【原理/概念讲解】老师会解释分布式事务的核心挑战——跨服务数据一致性，传统集中式事务无法满足微服务解耦需求。以Saga模式为例，它将一个跨服务的业务流程拆解为多个本地事务步骤，每个步骤完成后通过消息队列通知下一个步骤，若某步骤失败则通过补偿事务回滚前序步骤，类似“流水线生产，每个环节独立完成并传递信号，失败则倒回重做”。

3) 【对比与适用场景】

方案	定义	特性	适用场景	注意点
两阶段提交（2PC）	集中式协调，协调者控制所有参与者提交/回滚	强一致性，但阻塞时间长，故障时协调者单点	需强一致性且服务数少（<5）	协调者故障导致全链路阻塞
Saga模式	分布式事务，通过本地事务+补偿事务实现最终一致性	最终一致性，无协调者单点	服务数多、强一致性要求低	补偿逻辑复杂，需保证幂等性

4) 【示例】以订单创建流程为例，Saga模式伪代码：

1. 创建订单（本地事务，写入订单表，发送“订单创建成功”消息）
2. 扣减库存（本地事务，更新库存表，发送“库存扣减成功”消息）
3. 发送通知（本地事务，更新通知表，发送“通知发送成功”消息）
   若步骤2失败，则通过“库存扣减成功”消息的反向补偿事务，执行“库存加回”操作。

5) 【面试口播版答案】面试官好，我分享一个参与过的复杂项目——高并发电商订单系统重构。项目背景是原系统因单体架构导致高并发时响应慢（TP99 2秒），无法支撑双十一峰值流量（原峰值10万QPS）。我的角色是后端开发负责人，负责核心交易模块的技术方案设计与实现。
遇到的技术挑战主要有两点：一是跨服务分布式事务，订单创建涉及订单、库存、通知三个服务，需保证数据一致性；二是缓存穿透问题，高并发时大量无效请求导致数据库压力激增。
解决方案方面，针对分布式事务，我们选用了Saga模式，将业务流程拆解为本地事务+补偿事务，通过消息队列保证异步通信，并实现补偿逻辑的幂等性。针对缓存穿透，引入布隆过滤器作为缓存前缀，过滤无效请求，同时结合缓存+数据库双写策略。
最终成果是：系统TP99响应时间从2秒降至500毫秒，双十一期间支撑峰值流量30万QPS（原10万），订单成功率提升至99.9%，技术债清理完成，为后续微服务扩展奠定基础。

6) 【追问清单】

1. 你提到的Saga模式如何保证补偿事务的幂等性？答：通过数据库唯一键+消息队列消费状态标记，确保每个补偿操作只执行一次。
2. 项目中缓存穿透的布隆过滤器实现细节是什么？答：使用Java的布隆过滤器库，设置误判率1%，过滤掉99%无效请求，减少数据库压力。
3. 在高并发场景下，如何进行性能测试？答：使用JMeter模拟并发请求，监控TP99响应时间、CPU利用率，通过压测数据优化缓存策略和数据库连接池配置。

7) 【常见坑/雷区】

1. 夸大个人贡献：避免说“我独立完成了整个项目”，应具体说明角色（如“作为后端负责人，主导了分布式事务方案设计”）。
2. 技术细节模糊：比如只说“用了分布式事务”，应补充具体方案（如“Saga模式+消息队列”）。
3. 成果量化不足：只说“系统变快了”，应给出具体数据（如“TP99从2秒降至500毫秒”）。