写在前面
工作中积累的场景题解决方案梳理，以「场景 → 方案 → 工具/特点」的表格形式组织，方便快速检索。
内容涵盖：高并发与限流、缓存设计、MySQL/ES/HBase、分布式核心、系统架构、业务设计模式、性能优化、微服务、算法、DDD 等主题，共 11 大类、30+ 子章节、200+ 具体场景。
不是逐一讲原理的教程，每个方案只写核心关键词和适用特点，侧重「在什么场景下选什么方案、有哪些主流工具」。适合面试复习、技术方案选型时快速翻阅。
一、高并发与流量控制
限流
| 场景 | 方案 | 特点 / 工具 |
|---|
| 单机限流 | 令牌桶（Guava RateLimiter） | 允许突发流量，简单够用 |
| 单机限流 | 漏桶算法 | 匀速输出，保护下游，不允许突发 |
| 单机限流 | 固定/滑动窗口计数 | 固定窗口有边界突刺；滑动窗口更平滑 |
| 分布式限流 | Redis + Lua 原子脚本 | 多实例共享计数，滑动窗口用 ZSet 实现 |
| 分布式限流 | Sentinel | 阿里开源，支持 QPS/并发/热点参数限流，可视化控制台 |
| 网关层限流 | Nginx limit_req | leaky bucket 实现，接入层第一道防线 |
| 用户级限流 | Redis ZSet 滑动窗口 | score=时间戳，范围删除+计数，精确控制每用户频率 |
| 接口注解限流 | @SentinelResource | 与 Spring 深度集成，支持降级/熔断联动 |
秒杀系统
| 场景 | 方案 | 特点 / 工具 |
|---|
| 流量入口削峰 | CDN 静态化 + Nginx 限流 | 拦截 90%+ 流量，减少后端压力 |
| 机器人过滤 | 答题验证码 / 滑块验证 | 人机识别，防刷单 |
| 用户资格校验 | Redis SET 预热白名单 | 活动前写入，O(1) 查询 |
| 防超卖（第一重） | Redis Lua 原子扣减库存 | DECR 原子操作，判断+扣减在同一 Lua 脚本 |
| 防超卖（第二重） | DB UPDATE WHERE stock > 0 | affected rows=0 则失败，行锁保证并发安全 |
| 防超卖（第三重） | 用户+商品唯一索引 | INSERT 唯一索引物理兜底，防重复下单 |
| 异步下单 | Redis 扣减成功后发 MQ，异步落库 | Kafka/RocketMQ，快速返回"排队中" |
| 超时取消回滚 | Redisson DelayedQueue / RocketMQ 延迟消息 | 15 分钟未支付，回滚 Redis + DB 库存 |
| 用户限购 | Redis SETNX 用户+商品唯一标记 | 一次性锁，防止同一用户多次下单 |
| 结果查询 | 前端轮询 / WebSocket 推送 | 异步下单后通知用户最终结果 |
| 极热场景库存 | 本地缓存（Caffeine）预扣 + Redis 兜底 | 减少 Redis 访问，本地预扣库存 |
| 防刷风控 | 同 IP/用户请求频率限制 + 黑名单 | Sentinel 热点参数限流，黑名单机制 |
缓存穿透 / 击穿 / 雪崩速查
| 问题 | 触发条件 | 核心方案 |
|---|
| 穿透 | 查询不存在的数据，缓存和 DB 都没有 | 布隆过滤器拦截 / 缓存空值+短TTL |
| 击穿 | 单个热点 key 过期，大量并发打 DB | Redisson 互斥锁重建 / 逻辑过期不设 TTL |
| 雪崩（key集中过期） | 大量 key 同时过期 | TTL 加随机抖动 base + random(0, 300s) |
| 雪崩（Redis 宕机） | Redis 整体不可用 | 主从哨兵/Cluster 高可用 + Caffeine 本地缓存兜底 |
二、缓存设计
缓存通用方案
| 场景 | 方案 | 特点 / 工具 |
|---|
| 热点数据缓存 | Redis String/Hash 存储 | 最常见，TTL + 主动刷新 |
| 本地缓存 | Caffeine | JVM 内缓存，访问最快，不跨实例共享 |
| 多级缓存 | Caffeine（L1）+ Redis（L2）+ DB（L3） | 命中率高，需处理各级一致性 |
| 热点 key 倾斜 | key 分桶（加 _0 ~ _N 后缀随机读） | 拆散热点，降低单 key 压力 |
| 大 value | 压缩（Snappy/Gzip）+ 存 Redis | 超大对象存 OSS，Redis 只存引用 |
| 缓存预热 | 启动时批量加载 / 定时预热 | 避免冷启动大量穿透 |
| 缓存淘汰策略 | LRU / LFU / TTL | Redis 支持多种策略，按业务特点选 |
缓存一致性
| 场景 | 方案 | 特点 / 工具 |
|---|
| 更新 DB 后同步缓存 | 延迟双删（更新前删+更新后延迟再删） | 简单，有短暂不一致窗口 |
| 更新 DB 后同步缓存 | Canal 监听 binlog 异步删除/更新缓存 | 解耦，最终一致，推荐生产使用 |
| 先写缓存还是先写 DB | 先写 DB，再删缓存（Cache Aside） | 主流模式，删比更新更安全 |
| 读多写少强一致 | 分布式锁保护读写 | 性能差，慎用，极少场景才需要 |
| 写多场景 | Write Through（写缓存同步写DB） | 一致性好，写性能下降 |
| 允许异步 | Write Behind（写缓存，异步刷DB） | 写性能极好，有丢失风险 |
三、数据存储层
存储技术选型
按数据模型选型
| 数据模型 | 推荐存储 | 典型场景 |
|---|
| 结构化数据，强事务 | MySQL / PostgreSQL | 订单、用户、账户、支付 |
| 海量 KV 读写 | Redis | 缓存、Session、计数器、排行榜 |
| 文档型/半结构化 | MongoDB | 商品详情（属性不固定）、日志、内容管理 |
| 全文搜索 / 复杂查询 | Elasticsearch | 搜索引擎、日志分析、聚合统计 |
| 海量时序 / 宽表 | HBase | 用户行为日志、监控时序、消息历史 |
| 时序指标数据 | InfluxDB / Prometheus | 机器监控、业务指标、IoT 数据 |
| 图关系数据 | Neo4j / JanusGraph | 社交关系、知识图谱、风控关系链 |
| 地理位置 | Redis GEO / PostGIS | 附近的人、地图检索、配送范围 |
| 列式分析 / 大宽表 | ClickHouse | 实时 OLAP、报表、用户画像分析 |
| 对象/文件存储 | OSS / MinIO / S3 | 图片、视频、大文件、导出文件 |
| 消息流 / 事件流 | Kafka | 日志采集、事件总线、流式计算数据源 |
按业务场景选型
| 业务场景 | 主存储 | 辅助存储 | 说明 |
|---|
| 电商订单 | MySQL | Redis（缓存）+ ES（搜索） | 强事务，订单状态机 |
| 商品搜索 | ES | MySQL（写入源）+ Redis（热词） | 全文检索 + 聚合过滤 |
| 用户 Session | Redis | - | TTL 自动过期，高频读写 |
| 消息/IM | HBase / MongoDB | Redis（未读数） | 海量历史消息，按会话 RowKey |
| 实时排行榜 | Redis ZSet | MySQL（持久化） | ZSet O(log N) 更新 |
| 活动优惠券 | Redis | MySQL | 预热库存到 Redis，写后落库 |
| 用户行为日志 | Kafka → HBase / ClickHouse | - | Kafka 缓冲，HBase 存储，ClickHouse 分析 |
| 风控规则 | Redis（实时特征）+ MySQL（规则） | - | 毫秒级规则匹配 |
| 监控指标 | Prometheus / InfluxDB | Grafana（展示） | 时序数据，自动过期 |
| 地理围栏 / 附近 | Redis GEO | MySQL（基础数据） | GEORADIUS 范围查询 |
| 社交关系链 | MySQL（小规模）/ Neo4j（复杂） | Redis（热点关注列表） | 关系深度查询用图数据库 |
| 内容管理（富文本） | MongoDB | MySQL（元数据）+ OSS（图片） | schema 灵活，字段随意扩展 |
| 报表 / 数仓 | ClickHouse / Hive | - | 列式存储，聚合查询极快 |
选型关键维度
| 维度 | 关注点 |
|---|
| 一致性要求 | 强一致选 MySQL；最终一致可用 Redis/HBase/MQ |
| 查询维度 | 单维度点查用 KV；多维度复杂查询用 MySQL/ES |
| 数据量级 | < 千万行 MySQL 足够；亿级考虑分库分表或 HBase |
| 写入频率 | 极高频写入（>10W TPS）考虑 Redis/Kafka/HBase |
| 读写比例 | 读多写少加 Redis 缓存；写多读少考虑 LSM 存储引擎 |
| 时效性 | 实时查询用 Redis/ES；离线分析用 Hive/ClickHouse |
| 是否需要事务 | 跨行/跨表事务必须 MySQL；单行原子操作 Redis 够用 |
| 运维成本 | MySQL/Redis 成熟；HBase/ClickHouse 运维复杂 |
MySQL 深度场景
| 场景 | 方案 | 特点 / 工具 |
|---|
| 大表加字段/索引（不锁表） | pt-online-schema-change | 创建影子表，增量同步，原子切换 |
| 大表加字段/索引（不锁表） | gh-ost | 基于 binlog 同步，GitHub 出品，更安全 |
| 大表加字段/索引（不锁表） | MySQL 8.0 Online DDL INPLACE | 部分操作原生支持 LOCK=NONE |
| 热点行高并发更新 | 库存分桶（多行拆分） | 将 1 行库存拆成 N 桶，随机选桶扣减 |
| 热点行高并发更新 | Redis 预扣库存，异步落库 | 彻底绕开 DB 行锁，配合 MQ 异步写库 |
| 主从延迟 | 并行复制 slave_parallel_workers | MySQL 5.7+ 多线程回放 binlog |
| 主从延迟 | 写后读强制走主库 | ShardingSphere 路由，避免读到旧数据 |
| 深度分页慢 | 游标分页（WHERE id > lastId） | 避免大 offset 全表扫，性能稳定 |
| 深度分页慢 | 子查询定位 + LIMIT | SELECT * WHERE id >= (子查询) LIMIT n |
| 死锁 | 统一加锁顺序 + 缩短事务 | 批量操作先 ORDER BY id |
| 死锁排查 | SHOW ENGINE INNODB STATUS | Found deadlock 定位 |
| 慢查询定位 | EXPLAIN 分析执行计划 | 关注 type/key/rows/Extra 字段 |
| 慢查询定位 | slow_query_log + pt-query-digest | 分析高频慢 SQL |
| 索引失效 | 避免对索引列做函数/运算/类型转换 | WHERE YEAR(col)= → WHERE col BETWEEN |
| 索引失效 | 避免左模糊 LIKE '%xxx' | 改用 ES 全文检索 |
| 大事务 | 拆分事务，查询移到事务外 | 只在事务内做写操作，减少持锁时间 |
| 历史数据归档 | 分区表按时间分区 + 老分区 DROP | PARTITION BY RANGE |
| 历史数据归档 | pt-archiver 低峰期批量迁移 | 平滑迁移，不影响线上 |
Elasticsearch
| 场景 | 方案 | 特点 / 工具 |
|---|
| 全文搜索 | IK 分词器 + text 类型 | ik_max_word 建索引，ik_smart 搜索 |
| 精确过滤 | keyword 类型 + term 查询 | 不分词，适合状态/标签/ID 过滤 |
| MySQL → ES 同步 | Canal + MQ + ES Consumer | 监听 binlog，解耦，最终一致，推荐 |
| MySQL → ES 同步 | Logstash JDBC 定时轮询 | 延迟大，适合数据量小/实时性低场景 |
| 深分页 | Search After（游标） | 基于上页最后一条，性能稳定，推荐 |
| 大批量导出 | Scroll API | 游标翻页，适合全量导出 |
| Mapping 字段类型错误 | Reindex 到新索引 | 字段类型不能修改，只能重建 |
| 写入性能优化 | _bulk 批量写 + 临时关闭 refresh | refresh_interval=-1，副本数=0，写完恢复 |
| 冷热数据分层 | Hot-Warm 架构 | 近期数据 SSD，历史数据 HDD |
| 自动过期清理 | ILM 索引生命周期管理 | 按时间自动 Rollover → Warm → Delete |
| 聚合统计 | Aggregation（terms/date_histogram） | 类似 GROUP BY，内存消耗大 |
| 自动补全 | Completion Suggester | 专用数据结构，毫秒级响应 |
| 拼音搜索 | pinyin 分词插件 | 支持拼音全拼/首字母搜索 |
HBase
| 场景 | 方案 | 特点 / 工具 |
|---|
| RowKey 热点 | 盐值前缀（hash % N 前缀） | 写入均匀分散到各 Region |
| RowKey 热点 | 时间戳取反 | 最新数据在前，避免写入集中 |
| 非 RowKey 查询 | ES + HBase 组合 | ES 存索引查 RowKey，HBase 查完整数据 |
| 非 RowKey 查询 | Phoenix 二级索引 | SQL on HBase，CREATE INDEX，使用方便 |
| 非 RowKey 查询 | 自建倒排索引表 | 维护一张 HBase 表作为索引，需维护一致性 |
| 海量时序数据 | RowKey = deviceId + reverse(ts) | 同设备数据聚合，时间倒序 |
| 写入优化 | 批量 put + 关闭 WAL | 允许少量丢失时跳过 WAL，性能提升显著 |
| 读取优化 | 指定 CF + Scan startRow/stopRow + Filter | 减少扫描范围和网络传输 |
| 预分区 | 建表时指定 SplitKeys | 避免初始只有一个 Region，写入热点 |
| 数据过期 | 设置列族级别 TTL | HBase 原生支持，自动清理过期 Cell |
分库分表
| 场景 | 方案 | 特点 / 工具 |
|---|
| 单表过大 | 垂直分表（按列拆分大字段） | 分离不常用/大字段，减少 IO |
| 单表过大 | 水平分表（按 hash/range 分片） | ShardingSphere / MyCat |
| 分片键选择 | 按 userId 分片 | 用户维度查询集中，数据均匀 |
| 分片键选择 | 按时间 range 分片 | 适合时序数据，冷热分离，但写入热点 |
| 跨分片查询 | 广播查询 + 应用层汇总 | 性能差，尽量避免，设计时就要规避 |
| 跨分片分页 | 各分片查 TOP N，应用层归并排序 | 分片数多时性能下降 |
| 历史数据归档 | 归档库（按年/月建库） | 主库保持小体量，冷数据独立存储 |
分布式 ID
| 场景 | 方案 | 特点 / 工具 |
|---|
| 唯一 ID 生成 | Snowflake | 64位，趋势递增，高性能，时钟回拨问题 |
| 唯一 ID 生成 | 数据库号段（Leaf-segment） | 批量申请 ID 段，美团 Leaf 开源 |
| 唯一 ID 生成 | Leaf-snowflake | Zookeeper 分配机器 ID，美团开源 |
| 唯一 ID 生成 | UidGenerator | 百度开源，解决时钟回拨 |
| 唯一 ID 生成 | Redis incr | 简单，需持久化保障，Redis 故障有风险 |
| 时钟回拨处理 | 等待时钟追上 / 借位序列号 | Snowflake 改进版常见策略 |
四、分布式核心
分布式锁
| 场景 | 方案 | 特点 / 工具 |
|---|
| 防并发重复执行 | Redis SET key val EX nx | 简单，注意原子性 |
| 防并发重复执行 | Redisson RLock | 看门狗自动续期，支持可重入，推荐 |
| 防并发重复执行 | Zookeeper 临时顺序节点 | 强一致，性能比 Redis 差 |
| 数据库级别防并发 | SELECT FOR UPDATE（悲观锁） | 锁住行，事务结束释放，并发低时可用 |
| 数据库级别防并发 | 乐观锁 version 字段 | UPDATE WHERE version=?，适合冲突少场景 |
| 定时任务防重复 | XXL-JOB 调度框架层面保证 | 框架保证只有一台机器执行 |
| 锁超时问题 | Redisson WatchDog | 默认 30s，每 10s 续期 |
| 主从切换锁丢失 | RedLock（了解即可） | 向多数节点加锁，争议较大，生产慎用 |
消息队列
| 场景 | 方案 | 特点 / 工具 |
|---|
| 消息不丢失（生产者） | 开启 confirm / acks=all + 重试 | RabbitMQ confirm；Kafka acks=all |
| 消息不丢失（Broker） | 消息持久化 + 多副本 | Kafka replication.factor≥3 |
| 消息不丢失（消费者） | 手动 ACK，成功后再确认 | 避免自动 ACK 导致消费失败但已确认 |
| 消息重复消费幂等 | 消息 ID + Redis SETNX | 消费前 set nx，成功则处理，失败则跳过 |
| 消息重复消费幂等 | 数据库唯一索引兜底 | INSERT IGNORE，重复则查已有结果返回 |
| 消息积压 | 扩容消费者实例 | 消费能力与实例数成正比 |
| 消息积压 | 新建临时 topic 批量迁移消费 | 积压严重时快速扩容消费 |
| 延迟消息 | RocketMQ 延迟消息 | 原生支持 18 个延迟级别 |
| 延迟消息 | RabbitMQ 死信队列 + TTL | 消息过期进死信队列，触发消费 |
| 延迟消息 | Redis ZSet（score=执行时间） | 轻量，Redisson DelayedQueue 封装 |
| 延迟消息 | 定时任务扫库 | 兜底方案，延迟精度低但稳定可靠 |
| 顺序消息 | 同一 key 路由到同一队列/分区 | Kafka partition key；RocketMQ MessageQueueSelector |
| 消息事务 | RocketMQ 事务消息 | half 消息 + 本地事务 + 回查机制 |
分布式事务
| 场景 | 方案 | 特点 / 工具 |
|---|
| 跨库/跨服务最终一致 | 本地消息表 + MQ | 简单可靠，最终一致，业界最常用 |
| 跨库/跨服务最终一致 | MQ 事务消息 | RocketMQ 原生支持，比本地消息表更简洁 |
| 同构数据库跨库 | Seata AT 模式 | 自动生成 undo_log，业务代码侵入极低 |
| 高并发金融场景 | TCC（Try-Confirm-Cancel） | 性能最好，业务侵入性强 |
| 长流程多服务编排 | SAGA 模式 | 每步有补偿操作，适合跨多服务长事务 |
| 强一致场景 | XA 协议（两阶段提交） | 强一致，性能差，有锁等待，不推荐大量使用 |
幂等性
| 场景 | 方案 | 特点 / 工具 |
|---|
| 防表单重复提交 | Token 机制（前端申请+后端 Lua 原子校验删除） | 一次性 token，天然防重 |
| 接口重复调用 | 业务唯一流水号 + DB 唯一索引 | DuplicateKeyException 捕获后返回已有结果 |
| 接口重复调用 | Redis SETNX 幂等锁 | key=业务ID，设过期时间，业务失败需释放 |
| 更新操作幂等 | 乐观锁 version 版本号 | UPDATE WHERE version=? 影响行数=0 则幂等 |
| 更新操作幂等 | 状态机校验（当前状态是否允许操作） | 防止重复状态流转 |
| MQ 消费幂等 | 消息 ID + Redis/DB 去重 | 消费前标记，成功后持久化标记 |
| 支付场景 | out_trade_no 全局唯一 + 查重 | 重复请求返回第一次结果 |
五、系统架构设计
调用模式（同步 / 异步 / 回调 / 事件）
| 场景 | 方案 | 特点 |
|---|
| 强依赖结果，实时返回 | 同步调用（HTTP / RPC） | 简单，调用方阻塞等待，耦合度高 |
| 不依赖下游结果，解耦 | 异步调用（MQ 发消息） | 解耦，削峰，响应快，结果不即时 |
| 需要最终拿到结果 | 异步 + 回调（Callback / Webhook） | 下游处理完后主动通知上游，常见于支付回调 |
| 需要最终拿到结果 | 异步 + 轮询查询结果 | 前端轮询接口，适合用户可等待场景 |
| 服务内多任务并行 | CompletableFuture 并行编排 | 无 MQ 依赖，JVM 内并行，任务有先后依赖时用 thenCompose |
| 业务事件解耦 | 事件驱动（Spring ApplicationEvent / Guava EventBus） | 同进程内发布订阅，解耦业务模块 |
| 跨服务事件 | MQ 消息（Kafka / RocketMQ） | 异步、持久化、可重放 |
| 需要响应结果的异步 | RPC 异步调用（Future 模式） | Dubbo/gRPC 均支持异步 Future |
| 实时双向通信 | WebSocket / SSE | 服务端主动推送，适合实时通知/进度 |
定时任务
| 场景 | 方案 | 特点 / 工具 |
|---|
| 单机简单定时 | Spring @Scheduled | 无分布式支持，多实例会重复执行 |
| 分布式定时任务 | XXL-JOB | 可视化调度，分片执行，推荐 |
| 分布式定时任务 | Elastic-Job | 动态分片，弹性扩缩容，当当开源 |
| 复杂调度规则 | Quartz Cluster 模式 | DB 存储调度信息，多节点竞争执行 |
| 防多实例重复执行 | 分布式锁（Redis SETNX）+ 任务标记 | 任务开始抢锁，执行完释放 |
| 海量数据分片处理 | XXL-JOB 分片参数（shardIndex/shardTotal） | 每个实例只处理属于自己的数据分片 |
| 延迟执行一次性任务 | Redisson DelayedQueue / RocketMQ 延迟消息 | 比定时扫库更实时 |
| 任务失败重试 | 框架内置重试 + 失败告警 | 记录失败任务，支持手动重试 |
| 任务幂等 | 任务执行状态标记 + 唯一业务 key | 防止任务重启后重复处理 |
可用性与心跳检测
| 场景 | 方案 | 特点 / 工具 |
|---|
| 服务健康检测 | HTTP 心跳探针（/actuator/health） | Spring Boot Actuator 内置，注册中心定期探测 |
| 服务健康检测 | TCP 连接探测 | 比 HTTP 轻量，适合非 HTTP 协议服务 |
| 服务自动摘除 | 注册中心心跳超时自动下线 | Nacos/Eureka 服务续约，超时则摘除 |
| 进程级存活检测 | 操作系统进程守护（Supervisor / systemd） | 进程挂掉自动重启 |
| 依赖组件检测 | 定时探测 DB/Redis/MQ 连通性 | 连接池 testOnBorrow / 心跳 SQL |
| 数据库主库故障切换 | MySQL MHA / Orchestrator | 自动检测主库宕机，提升从库为主库 |
| 多节点选主 | Zookeeper 临时节点抢占 / Raft 协议 | etcd/ZK 实现分布式选主，主节点负责执行 |
| 接口可用率监控 | 错误率超阈值触发熔断 | Sentinel 异常比例策略，自动熔断 |
| 全链路健康大盘 | Prometheus + Grafana | 采集各服务指标，可视化，告警配置 |
高可用与熔断降级
| 场景 | 方案 | 特点 / 工具 |
|---|
| 依赖服务超时/不可用 | 熔断降级（Sentinel / Resilience4j） | 熔断器状态机：关闭→开启→半开 |
| 兜底数据 | fallback 返回默认值/缓存旧数据 | 降级时不返回错误，返回合理兜底 |
| 超时控制 | 所有 RPC 设置合理超时 | Feign/RestTemplate/gRPC 均要设置 |
| 重试 | 幂等接口 + 指数退避重试 | Spring Retry / Resilience4j Retry |
| 服务单点 | 多实例部署 + 负载均衡 | Nginx / SLB / LoadBalancer |
| 机房级故障 | 异地多活 | 流量就近访问，机房故障自动切换 |
| 全链路超时传递 | 通过 Header 传递剩余超时时间 | 避免上游超时后下游还在无效执行 |
| 舱壁隔离 | 不同业务使用独立线程池 | 一个业务卡死不拖垮其他业务 |
架构设计场景
| 场景 | 方案 | 特点 / 工具 |
|---|
| 短链系统 | 发号器（自增ID转62进制）+ Redis 缓存 + 302 重定向 | 简单唯一，点击统计异步 MQ |
| 消息推送系统 | 渠道路由（Push/SMS/邮件）+ 频率控制 + 状态机 | 极光/信鸽/阿里云短信，送达回调 |
| 评论系统（楼中楼） | parent_id + root_id 存储，分页查根评论 | 按 root_id 批量查子评论，减少 N+1 |
| 排行榜 | Redis ZSet（score=积分） | O(log N) 更新，O(log N+K) 查 Top K |
| 积分系统 | 积分明细流水表 + Redis 计数 | 明细表支持对账，Redis 高频更新 |
| 搜索系统 | ES + 同义词/拼音分词 + function_score 相关性排序 | IK + pinyin 插件 |
| 风控系统 | 规则引擎（Drools）+ 实时特征（Redis）+ 离线模型 | 实时规则 + ML 模型双保险 |
| 灰度发布 | 流量染色 + Header 路由 + 网关规则 | 金丝雀发布，小比例流量验证 |
| 全链路压测 | 压测流量染色（Header 标记）+ 影子库 | 不影响生产数据，真实评估容量 |
| 链路追踪 | SkyWalking（Java Agent 无侵入） | TraceId 串联全链路，性能分析，告警 |
六、业务设计模式
参数传递方案
| 场景 | 方案 | 特点 / 适用 |
|---|
| 简单值传递，调用链短 | 直接方法参数传递 | 最清晰，推荐优先使用，但参数多时签名臃肿 |
| 参数多且层层透传 | 封装 Context 对象传递 | RequestContext/BizContext，聚合相关参数，便于扩展 |
| 同线程内跨层访问（如登录信息） | ThreadLocal | 无需显式传参，需注意线程池复用时清理 |
| 链路追踪、日志上下文 | MDC（Mapped Diagnostic Context） | SLF4J MDC，日志自动带 traceId/userId |
| 异步线程间传递上下文 | InheritableThreadLocal / TTL（TransmittableThreadLocal） | 阿里 TTL 解决线程池场景的上下文传递 |
| 微服务跨进程传递上下文 | HTTP Header 传递（X-User-Id / X-Trace-Id） | 网关注入，服务间通过 Feign 拦截器透传 |
| 微服务跨进程传递上下文 | gRPC Metadata | gRPC 原生上下文传递机制 |
| 配置/全局参数 | Spring Environment / 配置中心 | 不适合请求级别，适合全局静态配置 |
领域驱动设计 DDD
| 场景 | 方案 | 特点 |
|---|
| 微服务边界如何划分 | 按限界上下文划分，一个 BC 对应一个服务 | 避免按技术层切，应按业务能力切 |
| 服务内部代码臃肿 | 引入聚合根，业务逻辑收敛到领域对象 | 告别贫血模型，OrderItem 自己计算总价 |
| 跨聚合操作如何处理 | 领域事件 + 最终一致，不跨聚合直接操作 | 订单支付→发领域事件→库存聚合消费 |
| 跨限界上下文调用 | 防腐层（ACL）隔离，转换为本 BC 的模型 | 防止外部模型变化侵入内部领域 |
| 贫血模型 vs 充血模型 | DDD 推荐充血模型，行为和数据放一起 | Order.pay() 而不是 OrderService.pay(order) |
| 复杂对象创建 | 工厂方法 / 工厂类封装创建逻辑 | OrderFactory.createFromCommand(cmd) |
| 数据库与领域模型不一致 | 仓储层做 DO ↔ Domain Object 转换 | 领域对象不依赖 ORM 注解，保持纯洁 |
| 业务规则频繁变更 | 规则外置到领域服务 / 规则引擎（Drools） | 核心规则封装在领域层，不散落在业务流程里 |
| 历史系统重构引入 DDD | 修缮者模式（Strangler Fig） | 防腐层包裹老系统，逐步替换，不一次性大改 |
| 事件溯源（Event Sourcing） | 存储领域事件序列，状态由事件重放计算 | Axon Framework，适合审计要求高的场景 |
| CQRS（读写分离） | 写走领域模型，读走独立查询模型（ES/视图） | 读模型按查询需求定制，性能好，复杂度高 |
业务流程设计
| 场景 | 方案 | 特点 / 工具 |
|---|
| 多分支 if-else 替换 | 策略模式（Map<type, Strategy>） | 开闭原则，新增类型不改原代码 |
| 审批流 / 多步骤处理 | 责任链模式 | 每个节点只做一件事，可动态组合 |
| 状态变更管理 | 状态机（Spring Statemachine / 自实现） | 明确定义状态和流转，防止非法转换 |
| 复杂业务编排 | 流程引擎（Activiti / Flowable） | 可配置流程，适合审批/工单场景 |
| 规则频繁变更 | 规则引擎（Drools / Easy Rules） | 业务规则外置，不改代码 |
| 接口参数扩展 | 扩展字段用 Map/JSON 存储 | 避免频繁加字段，牺牲可读性 |
| 新老逻辑切换 | 功能开关（Feature Flag）+ 配置中心 | 灰度控制，随时开关，不用发布 |
| 数据组装（多服务聚合） | BFF 层（Backend For Frontend）聚合 | 网关后一层，专门做数据裁剪和聚合 |
| 非核心逻辑解耦 | 领域事件 + 观察者/MQ | 核心流程完成后发事件，其他模块自行响应 |
数据完整性
| 场景 | 方案 | 特点 / 工具 |
|---|
| 同库多表操作 | 本地事务 @Transactional | 简单，ACID 保证 |
| 跨库/跨服务操作 | 本地消息表 + MQ | 最终一致，最常用 |
| 跨服务强一致 | TCC 模式 | 性能好，侵入强，需实现 try/confirm/cancel |
| 长流程补偿 | SAGA 补偿模式 | 每步有回滚逻辑，适合跨多服务长流程 |
| 库存超卖防护 | 预占库存模型（locked_stock + sold_stock） | 预占，支付确认后转 sold_stock |
| 对账补偿 | T+1 全量对账 + 差异补偿表 | 定时拉取双方流水比对，差异自动/人工修复 |
| 支付防重复扣款 | out_trade_no 唯一 + 查重逻辑 | 支付前查记录，幂等处理 |
| 数据最终校验 | 定时对账任务 + 告警 | 核心链路必备，发现异常及时处理 |
面向对象六大原则（SOLID + LoD）
| 原则 | 核心思想 | 违反时的表现 | 实现方案 | 典型代码/工具 |
|---|
| S 单一职责原则（SRP） | 一个类只做一件事，只有一个引起变化的原因 | 一个 Service 方法几百行，又查又改又发通知 | 按职责拆分类：OrderQueryService / OrderCommandService / OrderNotifyService | 按业务维度拆包，避免万能 Utils 类 |
| O 开闭原则（OCP） | 对扩展开放，对修改关闭；加新功能不改老代码 | 新增支付方式要改 if-else，新增渠道要改 switch | 策略模式：定义接口，新增实现类而不改调用方 | Map<String, PayStrategy>，Spring @Component 自动注册 |
| L 里氏替换原则（LSP） | 子类可以替换父类出现的任何地方，不改变程序行为 | 子类重写父类方法后抛出父类不抛的异常，或缩窄了前置条件 | 子类只扩展行为，不收窄契约；优先组合而非继承 | 接口 + 组合替代深层继承，避免重写核心逻辑 |
| I 接口隔离原则（ISP） | 不应强迫客户端依赖它不使用的方法；接口要小而专 | 一个大接口十几个方法，实现类一半都是空方法或抛 UnsupportedOperationException | 按角色拆分接口：Readable / Writable / Queryable | Java 8 default 方法提供默认实现；Spring 各种细粒度接口 |
| D 依赖倒置原则（DIP） | 高层模块不依赖低层模块，都依赖抽象；面向接口编程 | Service 直接 new Dao 实现类，换数据库就要改 Service | 依赖注入（DI）：高层依赖 Repository 接口，底层实现注入 | Spring IoC 容器，@Autowired 接口而非实现类 |
| LoD 迪米特法则（最少知识） | 一个对象应尽量少了解其他对象的内部；只和直接朋友通信 | 链式调用 a.getB().getC().doSomething()，耦合深 | 封装委托：在直接对象上提供方法，隐藏内部结构 | 外观模式（Facade）统一入口；避免跨层直接访问 |
六大原则记忆口诀： 单开里接依迪（SRP-OCP-LSP-ISP-DIP-LoD）
原则间联动场景：
| 场景 | 涉及原则 | 方案 |
|---|
| 新增支付渠道不改代码 | OCP + DIP | 策略接口 + Spring 注入，Map 路由 |
| Service 方法越来越长 | SRP | 按查询/命令/事件拆分，或提取领域服务 |
| 子类频繁重写父类逻辑 | LSP | 改用组合，将可变行为提取为策略对象 |
| 实现接口发现很多方法用不上 | ISP | 拆分细粒度接口，按角色实现 |
| 单元测试难以 mock 依赖 | DIP | 依赖注入接口，测试时注入 mock 实现 |
| 调用链过深，改动一处影响多处 | LoD | 引入 Facade 层，封装内部调用细节 |
设计模式应用场景
| 模式 | 典型应用场景 | 代表框架/用法 |
|---|
| 单例 | 连接池、配置对象、注册表 | Spring Bean 默认单例 |
| 工厂 / 抽象工厂 | 多类型对象创建（支付方式、通知渠道） | 策略 Map 替代 if-else |
| 策略 | 替换 if-else，算法族可替换 | Map<type, Strategy>，Spring 注入 |
| 模板方法 | 固定流程，子类实现步骤（导入/导出） | AbstractClass + Hook 方法 |
| 观察者 | 事件驱动解耦 | Spring ApplicationEvent，Guava EventBus |
| 责任链 | 审批流、过滤器链、拦截器 | Servlet Filter，Spring Interceptor |
| 装饰器 | 功能增强，不修改原类 | Java IO 流，Spring AOP |
| 代理 | AOP、事务、日志、权限切面 | JDK 动态代理，CGLib，Spring AOP |
| 建造者 | 复杂对象构建，参数多 | Lombok @Builder |
| 适配器 | 接口不兼容的对象协作 | Spring MVC HandlerAdapter |
七、性能优化
接口性能优化
| 场景 | 方案 | 特点 / 工具 |
|---|
| 串行查询变并行 | CompletableFuture.allOf | 总耗时=最慢那个，无 MQ 依赖 |
| 减少 DB 查询 | Redis 缓存热点数据 | 命中率高则效果显著 |
| 减少网络 IO | 批量接口合并请求 | 将 N 次 RPC 合并为 1 次 |
| 非核心逻辑 | 异步处理（MQ / @Async） | 日志、通知、积分不阻塞主流程 |
| SQL 慢 | 索引优化 / 覆盖索引 / 避免回表 | EXPLAIN 分析 |
| 大量小请求 | 批量合并（Batch）处理 | DB 批量 insert，Redis pipeline |
| 序列化性能 | 换序列化框架 | Protobuf / Kryo 比 JSON 快，体积小 |
| 连接池不够 | 调整连接池参数 | HikariCP maximumPoolSize，Redis 连接池 |
| 热点方法耗时 | Arthas trace 命令在线诊断 | 不重启，实时定位方法耗时 |
线程池
| 场景 | 方案 | 特点 / 工具 |
|---|
| CPU 密集型 | coreSize = CPU核数 + 1 | 减少线程切换开销 |
| IO 密集型 | coreSize = CPU核数 * 2（或更大） | IO 等待时 CPU 可处理其他线程 |
| 任务队列满了 | CallerRunsPolicy（调用方线程执行） | 自动限流效果，不丢任务 |
| 隔离不同业务 | 多个独立线程池（舱壁隔离） | 防止一个业务拖垮全部 |
| 线程池监控 | Micrometer + Prometheus + Grafana | 监控队列积压、活跃线程、拒绝次数 |
| 动态调整参数 | Hippo4j 动态线程池 | 不重启调整参数，美团/阿里均有实现 |
| 异步编排 | CompletableFuture 链式调用 | thenApply/thenCompose/allOf 组合 |
大数据量处理
| 场景 | 方案 | 特点 / 工具 |
|---|
| 百万级数据导出 | EasyExcel 流式写入 + 分页查询 | 低内存，阿里开源 |
| 百万级数据导出 | 异步导出 + OSS 存储 + 通知下载 | 提交任务→后台处理→发链接 |
| 大批量数据导入 | 分批次 batch insert（每批 500-1000） | 避免单次大事务，可断点续传 |
| 大批量数据导入 | MQ 异步消费入库 | 解耦，消费速度可控 |
| 实时流式数据处理 | Flink / Spark Streaming | 实时计算，状态管理，精确一次语义 |
| 大文件上传 | 分片上传 + 断点续传 | 前端切片，后端合并，OSS 原生支持 |
| 海量数据统计 | 预聚合（定时汇总写 DB） | 以空间换时间，查询直接读聚合结果 |
| 近似基数统计（UV） | HyperLogLog | Redis PFADD/PFCOUNT，误差 0.8%，空间极小 |
| 海量数据去重 | 布隆过滤器 | 空间小，有误判，不支持删除 |
| 海量整数去重/签到 | BitMap | Redis SETBIT，1 bit 表示一个整数 |
JVM & 性能排查
| 场景 | 方案 | 特点 / 工具 |
|---|
| CPU 飙高 | top -Hp pid 找线程 → jstack 看堆栈 | 找死循环/长时间运行的线程 |
| 内存泄漏 | jmap dump → MAT / VisualVM 分析 | 找 GC Root 引用链，定位泄漏对象 |
| 频繁 Full GC | jstat -gc 监控 → 调整堆参数 | 老年代增长过快，可能有内存泄漏 |
| OOM 自动 dump | -XX:+HeapDumpOnOutOfMemoryError | OOM 时自动生成 hprof，事后分析 |
| 在线诊断 | Arthas | watch/trace/ognl/dashboard，不重启诊断 |
| GC 选型 | G1GC（JDK 9+ 默认）/ ZGC（低延迟） | 低延迟场景用 ZGC，停顿 < 10ms |
| 线程死锁 | jstack 看 BLOCKED 线程 | Found deadlock 关键字定位 |
八、微服务与基础设施
微服务场景
| 场景 | 方案 | 特点 / 工具 |
|---|
| 服务注册发现 | Nacos（推荐）/ Eureka / Consul | Nacos 兼顾注册中心+配置中心 |
| 服务间调用 | OpenFeign + LoadBalancer | 声明式 HTTP 客户端，集成负载均衡 |
| 服务间调用 | gRPC | 高性能，Protobuf 序列化，适合内部高频调用 |
| 熔断降级 | Sentinel（推荐）/ Resilience4j | Hystrix 已停维，Sentinel 功能更丰富 |
| 分布式配置 | Nacos Config / Apollo | 动态配置，实时推送，支持命名空间隔离 |
| API 网关 | Spring Cloud Gateway / Kong / APISIX | 统一入口，鉴权、限流、路由 |
| 服务间鉴权 | JWT / OAuth2 / mTLS | 网关统一鉴权，内部服务可内网互信 |
| 多环境隔离 | Nacos 命名空间 + 标签路由 | 开发/测试/生产环境隔离 |
安全场景
| 场景 | 方案 | 特点 / 工具 |
|---|
| 接口鉴权 | JWT Token（无状态）/ Session（有状态） | JWT 适合微服务，Session 需 Redis 共享 |
| 第三方授权 | OAuth2 / OIDC 授权码模式 | 第三方登录，最安全的授权方式 |
| 防重放攻击 | 请求携带时间戳 + nonce，服务端校验 | 时间戳超 5 分钟拒绝，nonce 存 Redis 去重 |
| 接口防篡改 | 参数排序 + HMAC-SHA256 签名 | 密钥不在请求中传输 |
| SQL 注入 | MyBatis #{} 占位符，禁用 ${} | PreparedStatement 预编译 |
| XSS 防护 | 输出编码，CSP 策略 | OWASP Java HTML Sanitizer |
| CSRF 防护 | CSRF Token / SameSite Cookie | Spring Security 内置 |
| 敏感数据脱敏 | 手机号/身份证正则替换，日志脱敏 | 展示层脱敏，日志框架级别过滤 |
| 权限控制 | RBAC 角色权限模型 | Spring Security，菜单/按钮/数据行级权限 |
九、算法与数据结构
算法场景
| 场景 | 方案 | 特点 |
|---|
| Top K 问题 | 小顶堆（PriorityQueue，容量 K） | O(N log K)，在线处理，内存友好 |
| Top K（海量数据） | 分片 + 各片小顶堆 + 合并 | 先 hash 分文件，各文件取 Top K，再合并 |
| 快速找第 K 大 | 快速选择算法（partition） | 平均 O(N)，不需要完全排序 |
| 分布式路由均衡 | 一致性哈希 + 虚拟节点 | 增删节点只影响相邻区间，虚拟节点解决倾斜 |
| 限流 / 滑动统计 | 滑动窗口（ZSet + score=时间戳） | 精确控制窗口内请求数 |
| 定时任务调度 | 时间轮算法 | Netty HashedWheelTimer，Kafka 延迟队列底层 |
| 延迟任务 | 最小堆（按执行时间排序） | JDK DelayQueue 底层实现 |
| 海量 URL 判存 | 布隆过滤器 | 位数组 + 多 hash 函数，有误判率 |
| 海量整数去重 | BitMap | 10 亿整数仅需 128MB |
| 近似基数统计（UV） | HyperLogLog | Redis PFADD/PFCOUNT，误差 0.8% |
| LRU 缓存淘汰 | LinkedHashMap（accessOrder=true） | JDK 原生，重写 removeEldestEntry |
| LFU 缓存淘汰 | 双 HashMap + 双向链表 | 按访问频次淘汰，实现复杂 |
| 数据流中位数 | 大顶堆 + 小顶堆 | 大顶堆存较小一半，小顶堆存较大一半 |
十、理论速查
CAP / 一致性模式
| 模式 | 典型系统 | 说明 |
|---|
| CP（强一致，牺牲可用） | Zookeeper、etcd | 选主期间不可用，保证数据一致 |
| AP（高可用，弱一致） | Eureka、Cassandra | 节点宕机仍可用，数据短暂不一致 |
| 最终一致 | 本地消息表、MQ 事务消息 | 经过延迟后数据趋于一致 |
| 强一致 | 本地事务、XA | 单机或同库，最简单 |
| BASE 理论 | 分布式系统常态 | 基本可用 + 软状态 + 最终一致，对 ACID 的妥协 |
最后
场景题没有标准答案，面试时的加分项在于：
- 主动说明为什么选这个方案，而不只是"我知道这个方案"
- 能说出方案的取舍和边界（什么时候用，什么时候不适合）
- 结合实际项目举例，哪怕数据编一下也比纯理论好
- 主动延伸到监控、告警、降级、回滚等工程保障环节
持续更新中，欢迎评论补充~
