系统设计面试题

针对大规模系统架构设计的面试题，涵盖高并发、高可用、可扩展等核心设计原则。

---

一、大规模系统架构

Q1：设计一个支持千万级用户的 AI Agent 助手平台，需要支持多 Agent 并行、低延迟响应和对话历史管理，请描述架构和关键技术选型。

参考答案：

• 接入层：WebSocket 长连接 + API Gateway，无状态可水平扩展。
• Agent 引擎：以 LangGraph 定义 Agent 逻辑，无服务化（如阿里云函数计算）或 K8s Deployment 按并发自动扩缩。
• 状态存储：Redis Cluster 保存会话上下文和状态快照，MongoDB 或 PostgreSQL 存长期历史。
• 消息：使用 RocketMQ 解耦事件流，比如调用工具后的回调、审批通知。
• 向量检索：Milvus 集群存储知识库，近实时更新。
• LLM 调度：通过负载均衡调用多个模型实例或不同模型，实现 fallback。
• 多 Agent 协作：通过一个 Orchestrator Agent 拆解任务为子任务，并行分发给对应 Agent，汇总结果。
• 监控与降级：当 LLM 不可用或响应慢，自动切换缓存回复或兜底话术。

---

二、工作流引擎设计

Q2：设计一个工作流引擎，支持动态节点、分支汇聚与人工任务，你如何实现？和业务流程平台结合点在哪？

参考答案：

• 流程定义使用 BPMN 类似模型，以 JSON/XML 存储，节点类型：开始、结束、自动任务（脚本/API）、排他/并行网关、人工任务。
• 引擎内核：状态机推进 token，解析流程定义，计算下一节点。持久化到数据库记录流程实例和任务。
• 人工任务通过任务队列（pull/push）分发给用户，支持审批、填写表单。
• 动态节点：可在流程中通过脚本节点动态修改后续节点或增加子流程。
• 与业务流程平台结合：销售、结算等业务单据的生命周期由工作流引擎驱动，状态变更触发业务操作（如创建销退单），并回调业务系统。这样业务逻辑与流程控制解耦。

---

三、高并发系统设计

Q3：如何设计一个高并发秒杀系统？

参考答案：

架构设计

用户 → CDN → 负载均衡 → 网关 → 服务集群 → 数据库
                    ↓
                Redis集群 → MQ → 异步处理

核心要点

1. 前端优化

   • CDN 静态资源加速
   • 页面静态化
   • 按钮防重复点击（前端置灰+后端去重）

2. 网关限流

   • Nginx 限流
   • Sentinel 网关流控
   • IP 黑名单/验证码

3. 缓存预热

   • Redis 预加载商品库存
   • 本地缓存热点数据

4. 库存扣减

   • Redis 原子操作：DECR
   • 预扣库存，异步扣减数据库
   • 库存分桶（多 key）减少竞争

5. 异步处理

   • MQ 削峰填谷
   • 订单异步创建
   • 最终一致性保证

6. 数据库优化

   • 分库分表
   • 读写分离
   • 索引优化

---

四、分布式ID生成

Q4：分布式系统中如何生成全局唯一ID？

参考答案：

方案对比

方案	优点	缺点	适用场景
UUID	简单、本地生成	无序、过长、无业务含义	非核心业务
数据库自增	简单、有序	单点问题、性能瓶颈	小规模系统
号段模式	性能高、有序	需要数据库支持	中等规模
Snowflake	高性能、有序、分布式	时钟回拨问题	大规模分布式
Redis INCR	高性能	Redis 挂了不可用	需要Redis的场景

Snowflake算法详解

结构（64位）：

0 - 41位时间戳 - 10位机器ID - 12位序列号

时间戳：41位，可用69年 机器ID：10位，支持1024台机器 序列号：12位，每毫秒4096个ID

代码实现：

public class SnowflakeIdWorker {
    private final long twepoch = 1288834974657L;
    private final long workerIdBits = 5L;
    private final long datacenterIdBits = 5L;
    private final long maxWorkerId = -1L ^ (-1L << workerIdBits);
    private final long maxDatacenterId = -1L << datacenterIdBits;
    private final long sequenceBits = 12L;
    
    private final long workerIdShift = sequenceBits;
    private final long datacenterIdShift = sequenceBits + workerIdBits;
    private final long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;
    private final long sequenceMask = -1L ^ (-1L << sequenceBits);
    
    private long workerId;
    private long datacenterId;
    private long sequence = 0L;
    private long lastTimestamp = -1L;
    
    public synchronized long nextId() {
        long timestamp = timeGen();
        
        if (timestamp < lastTimestamp) {
            throw new RuntimeException("时钟回拨");
        }
        
        if (lastTimestamp == timestamp) {
            sequence = (sequence + 1) & sequenceMask;
            if (sequence == 0) {
                timestamp = tilNextMillis(lastTimestamp);
            }
        } else {
            sequence = 0L;
        }
        
        lastTimestamp = timestamp;
        
        return ((timestamp - twepoch) << timestampLeftShift)
            | (datacenterId << datacenterIdShift)
            | (workerId << workerIdShift)
            | sequence;
    }
    
    protected long tilNextMillis(long lastTimestamp) {
        long timestamp = timeGen();
        while (timestamp <= lastTimestamp) {
            timestamp = timeGen();
        }
        return timestamp;
    }
    
    protected long timeGen() {
        return System.currentTimeMillis();
    }
}

---

五、分布式锁

Q5：分布式锁的实现方案有哪些？各有什么优缺点？

参考答案：

实现方案对比

方案	实现方式	优点	缺点
Redis	SETNX + 过期时间	性能高、实现简单	锁过期问题、主从切换丢锁
Zookeeper	临时有序节点	可靠性高、自动释放	性能较低、实现复杂
数据库	唯一索引	简单、可靠	性能差、无自动释放
etcd	Lease + Revision	高可用、强一致性	学习成本高

Redis 分布式锁实现

加锁：

public boolean tryLock(String key, String value, long expireTime) {
    return redisTemplate.opsForValue()
        .setIfAbsent(key, value, expireTime, TimeUnit.SECONDS);
}

解锁（Lua脚本保证原子性）：

if redis.call("get", KEYS[1]) == ARGV[1] then
    return redis.call("del", KEYS[1])
else
    return 0
end

Redisson 实现

RLock lock = redissonClient.getLock("myLock");
try {
    if (lock.tryLock(10, 30, TimeUnit.SECONDS)) {
        // 执行业务逻辑
    }
} finally {
    if (lock.isHeldByCurrentThread()) {
        lock.unlock();
    }
}

Redisson 优势：

• Watch Dog 自动续期
• 可重入锁
• 红锁（RedLock）解决主从切换问题

---

六、限流算法

Q6：常见的限流算法有哪些？如何实现？

参考答案：

1. 固定窗口计数器

实现：

public class FixedWindowRateLimiter {
    private AtomicInteger counter = new AtomicInteger(0);
    private long lastTime = System.currentTimeMillis();
    private int limit = 100;
    private long windowSize = 1000; // 1秒
    
    public boolean tryAcquire() {
        long now = System.currentTimeMillis();
        if (now - lastTime > windowSize) {
            counter.set(0);
            lastTime = now;
        }
        return counter.incrementAndGet() <= limit;
    }
}

缺点：窗口边界问题，可能出现2倍流量

2. 滑动窗口

实现：

public class SlidingWindowRateLimiter {
    private LinkedList<Long> queue = new LinkedList<>();
    private int limit = 100;
    private long windowSize = 1000;
    
    public synchronized boolean tryAcquire() {
        long now = System.currentTimeMillis();
        
        // 移除过期请求
        while (!queue.isEmpty() && now - queue.peek() > windowSize) {
            queue.poll();
        }
        
        if (queue.size() < limit) {
            queue.offer(now);
            return true;
        }
        return false;
    }
}

优点：精度高 缺点：内存占用大

3. 漏桶算法

实现：

public class LeakyBucketRateLimiter {
    private long capacity = 100;
    private long rate = 10; // 每秒10个请求
    private long water = 0;
    private long lastTime = System.currentTimeMillis();
    
    public synchronized boolean tryAcquire() {
        long now = System.currentTimeMillis();
        
        // 漏水
        water = Math.max(0, water - (now - lastTime) * rate / 1000);
        lastTime = now;
        
        if (water < capacity) {
            water++;
            return true;
        }
        return false;
    }
}

特点：恒定速率流出

4. 令牌桶算法

实现：

public class TokenBucketRateLimiter {
    private long capacity = 100;
    private long rate = 10; // 每秒生成10个令牌
    private long tokens = 0;
    private long lastTime = System.currentTimeMillis();
    
    public synchronized boolean tryAcquire() {
        long now = System.currentTimeMillis();
        
        // 生成令牌
        tokens = Math.min(capacity, tokens + (now - lastTime) * rate / 1000);
        lastTime = now;
        
        if (tokens > 0) {
            tokens--;
            return true;
        }
        return false;
    }
}

优点：允许突发流量

5. Sentinel 实现

@SentinelResource(value = "test", blockHandler = "handleBlock")
public String test() {
    return "success";
}

public String handleBlock(BlockException ex) {
    return "blocked";
}

规则配置：

List<FlowRule> rules = new ArrayList<>();
FlowRule rule = new FlowRule();
rule.setResource("test");
rule.setGrade(RuleConstant.FLOW_GRADE_QPS);
rule.setCount(10);
rules.add(rule);
FlowRuleManager.loadRules(rules);

---

七、缓存架构设计

Q7：如何设计一个高可用的缓存架构？

参考答案：

多级缓存架构

应用 → 本地缓存 → Redis集群 → 数据库

缓存策略

1. 缓存穿透防护

   • 布隆过滤器
   • 缓存空值（短TTL）

2. 缓存击穿防护

   • 互斥锁
   • 逻辑过期

3. 缓存雪崩防护

   • 随机过期时间
   • 多级缓存
   • 熔断降级

Redis 集群方案

方案	优点	缺点
主从	简单、读写分离	手动故障转移
哨兵	自动故障转移	配置复杂
Cluster	分布式、自动分片	不支持多键操作

---

八、消息队列架构

Q8：如何保证消息队列的可靠性？

参考答案：

生产者可靠性

1. 确认机制

   • RabbitMQ: Publisher Confirm
   • RocketMQ: 同步发送+回调

2. 重试机制

   • 失败重试3次
   • 超时告警

3. 本地消息表

   • 消息持久化到本地数据库
   • 定时任务补偿发送

消费者可靠性

1. 手动ACK

   • 处理成功后再确认
   • 失败重新入队

2. 幂等性

   • 唯一ID去重
   • 数据库唯一约束

3. 死信队列

   • 多次失败进入死信
   • 人工处理或告警

消息不丢失保证

生产者 → [confirm] → Broker → [持久化] → 消费者 → [ACK]

---

九、数据库架构设计

Q9：如何设计一个高可用的数据库架构？

参考答案：

主从复制

Master (写) → Slave1 (读)
            → Slave2 (读)

问题：

• 主从延迟
• 主库单点

双主架构

Master1 ↔ Master2
   ↓         ↓
 Slave1    Slave2

问题：

• 数据冲突
• 复杂度高

分库分表

垂直拆分：按业务拆分

水平拆分：按数据量拆分

中间件：

• ShardingSphere
• MyCat

问题：

• 跨库JOIN
• 分布式事务
• 分页查询

读写分离 + 分库分表

      ┌→ Slave (读)
Master→
      └→ Slave (读)

Master1 → Slave1
Master2 → Slave2

---

十、微服务架构设计

Q10：微服务架构的核心组件有哪些？如何选择？

参考答案：

核心组件

组件	功能	常用方案
注册中心	服务发现	Nacos、Eureka、Consul
配置中心	配置管理	Nacos、Apollo、Spring Cloud Config
网关	路由、限流、鉴权	Spring Cloud Gateway、Kong、Zuul
负载均衡	流量分发	Ribbon、LoadBalancer
熔断降级	容错保护	Sentinel、Hystrix、Resilience4j
链路追踪	调用链监控	SkyWalking、Zipkin、Jaeger
分布式事务	跨服务事务	Seata、RocketMQ事务消息

技术选型建议

Spring Cloud Alibaba：

• 注册中心：Nacos
• 配置中心：Nacos
• 熔断降级：Sentinel
• 分布式事务：Seata

Spring Cloud Netflix：

• 注册中心：Eureka
• 配置中心：Spring Cloud Config
• 熔断降级：Hystrix
• 网关：Zuul

Spring Cloud：

• 网关：Spring Cloud Gateway
• 负载均衡：Spring Cloud LoadBalancer
• 链路追踪：Micrometer Tracing