高并发与分布式面试题：从入门到精通的终极指南
在当今互联网技术飞速发展的背景下，高并发与分布式系统已成为后端架构设计的核心议题。无论是互联网大厂还是传统企业的数字化转型，面试官对候选人在这两个领域的考察愈发深入。本页面旨在为您提供一份详尽的高并发与分布式面试题攻略，不仅涵盖基础概念，更深入探讨底层原理、实战场景及避坑指南。
我们整理了近年来阿里、腾讯、字节跳动等头部企业的高频面试题，结合《阿里巴巴Java开发手册》及业界最佳实践，为您构建完整的知识体系。无论您是准备校招、社招还是晋升答辩，这里都能找到您需要的答案。
Redis 核心考点与深度解析
Redis 作为高并发架构中的“加速器”，其面试题几乎必考。面试官不仅关注API的使用，更关注内存管理、持久化策略及集群方案。
为什么选择 Redis？常用数据结构及应用场景
Redis 之所以快，主要得益于其基于内存的操作、单线程模型（避免上下文切换和竞争）以及高效的数据结构。在高并发场景下，常见的数据结构应用如下：
- 【String】：缓存用户信息、分布式锁（setnx）、计数器。
- 【Hash】：存储对象结构数据，如用户详情，节省内存空间。
- 【List】：实现消息队列、最新列表（如微博时间线）。
- 【Set】：去重、共同好友、随机抽奖。
- 【ZSet】：排行榜、延迟队列、带权重的消息队列。
// 分布式锁示例：使用 Redisson 或 Lua 脚本保证原子性
SET key value NX PX 30000RDB 与 AOF 持久化策略抉择
面试常问：RDB 和 AOF 哪个更好？答案是没有最好，只有最合适。
| 特性 | RDB (Snapshot) | AOF (Append Only File) |
|---|---|---|
| 恢复速度 | 快 | 慢（需重放命令） |
| 数据安全性 | 低（可能丢失最后一次快照后的数据） | 高（可配置每秒同步或每次同步） |
| 磁盘IO | 低（fork子进程处理） | 高（频繁写入） |
| 文件大小 | 小 | 大 |
建议方案：同时开启 RDB 和 AOF，重启时优先加载 AOF 文件，因为 AOF 的数据完整性通常更高。
Redis 集群方案：Sentinel 与 Cluster
当单机容量遇到瓶颈时，我们需要引入集群。Redis 4.0 之后官方推出了 Redis Cluster，采用去中心化架构。
【关键点】：Slot（槽）的概念。Redis Cluster 有 16384 个哈希槽，数据分布在不同的 Master 节点上。客户端通过 CRC16(key) % 16384 计算槽位，从而定位数据。如果请求到了错误的节点，节点会返回 MOVED 重定向指令。
消息队列 (MQ) 在高并发中的应用
MQ 是解耦、异步、削峰填谷的神器。面试中常涉及 Kafka、RabbitMQ 和 RocketMQ 的对比及选型。
1. 如何保证消息不丢失？
这是一个经典的分布式事务问题。我们需要从生产者、Broker、消费者三个环节考虑：
- 【生产者】：开启 Confirm 机制或事务消息，确保消息成功发送到 Broker。
- 【Broker】：开启同步刷盘和同步复制（多副本），防止单点故障导致数据丢失。
- 【消费者】：手动 Ack 确认机制，业务逻辑执行成功后再发送确认，避免处理失败消息丢失。
2. 如何解决消息重复消费？
网络抖动可能导致消费者收到重复消息。解决核心在于幂等性设计。
【方案】：
- 唯一索引：利用数据库唯一约束，插入重复数据时捕获异常。
- Token机制：消费前先获取Token，消费时校验Token。
- 状态机：检查业务状态，若已处理则直接返回成功。
数据库高并发与分库分表
当单表数据量超过千万级，查询性能急剧下降。此时需引入 分库分表 策略。
分库分表方案对比
| 方案 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| 垂直分表 | 减少行宽，提高查询效率 | 热点字段仍集中 | 大字段分离（如详情vs列表） |
| 垂直分库 | 业务解耦，资源隔离 | 跨库JOIN复杂 | 微服务拆分 |
| 水平分表 | 解决单表数据量瓶颈 | 分布式ID、分页、JOIN问题 | 海量数据存储 |
分布式ID生成
分库分表后，数据库自增ID不再全局唯一。常见的ID生成策略：
- 【UUID】：无序，导致索引分裂，不推荐用于主键。
- 【数据库号段模式】：如美团Leaf，性能好，但依赖数据库。
- 【Snowflake 雪花算法】：Twitter开源，生成64位Long，包含时间戳、机器ID、序列号，有序且高性能，业界最常用。
微服务架构与分布式理论
在分布式系统中，CAP 定理和 BASE 理论是基石。
CAP 与 BASE 深度辨析
【CAP】：Consistency（一致性）、Availability（可用性）、Partition Tolerance（分区容错性）。三者不可兼得，分布式系统必须保证P，通常在C和A之间权衡。
【BASE】：Basically Available（基本可用）、Soft state（软状态）、Eventual consistency（最终一致性）。这是ACID的对立面，适用于高并发互联网场景。
服务雪崩与降级熔断
当某个微服务响应缓慢或不可用时，可能导致上游服务线程阻塞，进而引发雪崩效应。
【解决方案】：
- 【超时控制】：设置合理的RPC调用超时时间。
- 【熔断降级】：使用 Sentinel 或 Hystrix。当错误率超过阈值，快速失败，直接返回默认值或缓存，保护系统不被拖垮。
- 【隔离】：线程池隔离或信号量隔离，限制故障影响范围。
实战案例：秒杀系统设计
秒杀是检验高并发架构能力的试金石。核心目标是：防刷、削峰、保库存、不超卖。