本文是「2026 Java 后端面试连载」第 7 篇。前 6 篇已覆盖 Java 并发、Redis、MySQL、JVM 调优、Spring 原理、消息队列与分布式事务,链接见文末。本篇主题是高并发场景设计——八股是下限,场景题才是 2026 年面试的主战场。
题目来源说明
本文题目不是编的,全部来自两类公开材料:
- 公开招聘 JD 样本:基于 38 期公开招聘 JD 样本统计(BOSS 直聘、拉勾、猎聘等平台在招岗位),「秒杀 / 高并发场景」考点簇以 37 个题面变体覆盖 38 期样本,热度仅次于 Spring 三件套与消息队列。牛客 11 月热帖的说法更直接:场景题权重已超过 45%,纯八股淘汰率维持在 80% 以上——美团/高德/字节 2026 秋招面经均是如此。
- 公开面经:本文两道压轴题都有明确出处——美团终面压轴「秒杀库存分层防御,追问 Redis 挂了怎么办」(牛客实录),以及快手可灵真题「100 万张券、10 秒 1000 万请求、每人限领一张,不允许超发、允许少量失败但不能重复发券」。
面试官考场景题,考的不是方案背诵,而是决策链:业务背景(什么量级、什么约束)→ 原理(为什么这样分层)→ 现象与故障(哪里会坏)→ 排查与恢复(坏了怎么办)→ 选型(什么场景用什么方案)。本文按这条链组织,先给速查表,再逐题拆。
速查表:9 道高频题的决策链
| # | 高频题 | 一句话结论 | 关键追问 |
|---|---|---|---|
| 1 | 场景题怎么答不挂科? | 四步:问清指标 → 画核心链路 → 逐点套瓶颈方案 → 给失效兜底 | 只讲方案不讲 key 设计会怎样 |
| 2 | 秒杀全链路每层防什么? | 五层漏斗:客户端/接入/网关/业务/存储,99% 流量挡在 DB 之前 | 为什么秒杀服务要独立部署 |
| 3 | 防超卖的闸在哪几道? | Redis Lua 原子预扣 + DB 条件更新 cnt>0 + 唯一索引,三道缺一不可 | 只靠 Redis 预扣够不够 |
| 4 | 为什么用 Lua 不用分布式锁? | 判断+扣减+去重必须原子,锁的 QPS 上限远低于 DECR | Redis 主从切换丢扣减怎么办 |
| 5 | DB 扛不住 10 万 QPS 怎么削峰? | MQ 异步落库,消费者并发度 ≈ DB 可承受 TPS / 批大小 | 消费太慢订单一直"排队中"怎么办 |
| 6 | Redis 挂了怎么办? | 关入口保 DB,而不是把流量放进 DB;恢复后对账校准 | 网关层怎么知道该关 |
| 7 | 100 万券 10 秒 1000 万请求限领怎么设计? | 预热+摇号分批放行 → Redis Lua 原子「判断+扣减+去重」→ MQ 异步发券 → 对账补发 | 允许少量失败为什么不能重复发 |
| 8 | Redis 扣减成功但 DB 写失败? | 预扣流水 + 本地消息表/事务消息 + 定时对账补单 | 预扣未落库的流水怎么回滚 |
| 9 | 热 key 把单个 Redis 分片打爆? | 库存分桶(100 件拆 10 桶),桶间转移补体验 | 分桶后某桶空了总量还有怎么处理 |
一、场景题四步答题法:先定框架再填内容
原理。场景题最大的失分原因不是「方案错」,而是「没框架」——想到哪说到哪,面试官无法判断你有没有设计能力。2026 年面经沉淀出的标准四步:
- 问清指标:QPS 多少、数据量多少、一致性要求什么级别(不超卖零容忍?允许少卖?)、响应时间要求。这一步本身就是得分点——真实工程师动手前一定先对齐约束,上来就画架构图的反而像背题。
- 画核心链路:一个请求从用户点击到数据落库经过哪几层,用一条线讲清楚。
- 逐点套瓶颈方案:缓存、异步、削峰、限流、降级——每个瓶颈点给一个手段,并说清代价。
- 给失效兜底:「Redis 挂了?DB 扛不住?消息积压?」——主动说出每一层的失败模式和恢复路径。
加分细节:只讲方案不讲 key 设计(比如 seckill:stock:1001 这种命名、预扣流水的表结构)会被判定「没上线经验」。场景题的答案要落到可实施的粒度:表结构、key、Lua 脚本语义、对账 SQL 的核对口径,至少各给一处。
二、秒杀分层防御:每一层防什么
原理。秒杀的本质矛盾是瞬时流量比数据库能力高两个数量级(10 万 QPS vs 1000 TPS)。解法只有一个思路:分层漏斗,把 99% 的流量挡在 DB 之前。按流量经过的顺序答:
| 层 | 手段 | 防什么 |
|---|---|---|
| 客户端 | 按钮置灰、答题/验证码、静态资源 CDN、开抢前拉时间戳校准 | 重复点击、脚本刷、时序不公 |
| 接入层 | 网关令牌桶限流(按 userId/活动维度)、IP/UID 频控、静态页走边缘 | 流量洪峰、CC 攻击 |
| 网关/服务层 | 队列缓冲(MQ 削峰)、Redis 预扣库存(Lua 原子)、用户维度去重 | 超卖、重复下单 |
| 业务层 | 订单创建(本地事务 + 幂等键)、异步落库、状态机 | 重复消费、状态错乱 |
| 存储层 | DB 唯一索引兜底、update ... set cnt=cnt-1 where id=? and cnt>0 | 最终超卖 |
三个容易被追问的设计决策:
- 秒杀服务独立部署,不与主站共享连接池/线程池/Redis 实例——秒杀被打挂时不能连累正常交易,这是故障隔离的基本功。
- 限流要返回友好页而不是 429 报错:「排队中,稍后查结果」在产品语义上就是正确答案,错误码反而是事故工单来源。
- 答题/验证码/预约制是最便宜也最有效的削峰:把「同一毫秒的 10 万请求」变成「分批放行的 1 万×10 批」,比任何技术方案的成本都低。
现象与排查。压测时最常见的问题不是某层扛不住,而是层与层之间配置错位:网关超时 10s 但下游服务超时 15s(网关先断、下游还在白干);消费者并发度拉满但连接池只有 20(下游饿死)。压测报告要按层看 RT 分解,而不是只看总 QPS。
三、防超卖的三道闸:缺一道都可能出事
原理。超卖的根因是「判断有库存」和「扣减」两个动作之间的并发窗口。防线有三道,各自独立成立:
第一道:Redis 预扣(Lua 原子)。「判断 + 扣减 + 用户去重」三件事必须在同一个 Lua 脚本里完成:
-- KEYS[1]=库存 key KEYS[2]=用户去重 set
if redis.call('sismember', KEYS[2], ARGV[1]) == 1 then
return -1 -- 重复请求
end
if tonumber(redis.call('get', KEYS[1])) > 0 then
redis.call('decr', KEYS[1])
redis.call('sadd', KEYS[2], ARGV[1])
return 1
end
return 0 -- 已售完
拆成先 GET 再 DECR 两次命令,并发下必然超卖——这是 Lua 存在的唯一理由。为什么不分布式锁:锁的 QPS 上限远低于原子命令,且引入锁过期、主从丢锁等新故障面(分布式锁的看门狗与 RedLock 争议,本连载第 2 篇已专文覆盖,此处不展开)。
第二道:DB 条件更新。真正落库时:
update seckill_stock set cnt = cnt - 1
where sku_id = #{skuId} and cnt > 0;
-- 影响行数 = 0 即卖完,不抛异常、不回滚整个事务
行锁 + 条件判断天然防并发,比「先 select 再 update」安全(后者两个事务能同时读到同一余量)。
第三道:唯一索引。(user_id, activity_id) 唯一键防同一用户重复成单——即使前两道全部失效(Redis 主从切换丢扣减、消息重复投递),DB 兜底也能保证不超发、不重发。
追问:只靠 Redis 预扣够不够? 不够。Redis 主从异步复制下,主节点扣减成功尚未同步就宕机,新主上的库存凭空多出来——这就是为什么 Redis 只能做「预扣」,DB 才是权威库存。三道闸的分工要能一句话说清:Redis 管性能,DB 条件更新管正确性,唯一索引管幂等。
四、削峰:把 10 万 QPS 削成 1000 TPS
原理。Redis 预扣成功的请求也不能直接写 DB(DB 只有 1000 TPS),正确姿势是 MQ 异步:预扣成功 → 发 MQ → 立即返回「排队中」,前端轮询/推送查结果。
关键参数是消费端并发度:消费者数 × 单条处理耗时 ≈ DB 可承受 TPS。这不是拍脑袋,是拿压测数据算出来的——假设 DB 稳定承受 1000 TPS、单笔订单落库 5ms,理论并发上限 200,再按连接池上限和主库 CPU 折半,实际配 80~100 并发。消费太快打挂 DB,消费太慢用户体验崩,中间这条线要靠压测标定,面试里能报出数字来源的就是加分项。
少卖比超卖更难。不超卖有 DB 兜底,少卖的来源是全链路任意一环中断:Redis 扣了但发 MQ 失败、MQ 丢了消息、消费失败重试耗尽。对策三件套:本地消息表/事务消息保证「扣减动作」与「发消息」原子(详见第 6 篇);重试 + 死信队列保证消费不静默失败;最终以 DB 实际扣减数为准回补 Redis。产品上明确 trade-off:超卖零容忍,允许少量少卖——把这句话主动说出来,比背方案更能体现设计能力。
五、“Redis 挂了怎么办”:美团终面的标准追问
现象。Redis 故障恢复的 1 分钟里,如果入口不关,全部流量穿透到 DB——1000 TPS 的库直接被 10 万 QPS 打穿,连累全站。
排查与预案分层:
- 第一选择:直接关闭入口(返回「活动太火爆」),而不是把流量放进 DB。秒杀是「少卖可接受」的场景,入口熔断损失的是成交量,DB 打挂损失的是全站——这笔账要在面试里算清楚。
- 感知手段:网关层配 Redis 健康探测 + 错误率熔断(Resilience4j,失败率阈值触发 OPEN),不要靠人工发现。
- 恢复路径:AOF everysec + 主从自动切换兜底数据;恢复后必须对账——用 DB 权威库存重置 Redis 预扣余量,防止带着错误计数继续扣。
- 如果业务不允许关入口:退化为 DB 直扣模式,用网关把 QPS 限到 DB 可承受水位(1000 QPS 进来,其余返回排队),牺牲吞吐保正确性。
加分回答:把「降级开关」讲成预案体系——每个外部依赖(Redis/MQ/下游服务)都要有「关掉它系统还能跑」的预案,且预案在压测里演练过,而不是写在文档里。这一段正是美团追问「Redis 挂了怎么办」想听到的东西:考的不是 Redis,是你的失败模式思维。
六、快手可灵真题:100 万券、10 秒 1000 万请求、每人限领一张
业务背景先问清:100 万张券 = 总量确定;10 秒 1000 万请求 = 平均 100 万 QPS(远超常规秒杀);每人限领一张 = 强去重;不允许超发、允许少量失败、不能重复发券 = 一致性约束是「超发零容忍 + 重发零容忍 + 少发可补偿」。约束里没说响应时间——这暗示可以异步化,是设计的突破口。
完整链路(六步):
- 预热 + 分批放行:活动开始前把券量加载进 Redis(避免首请求击穿);10 秒内分 5~10 批放行(前端摇号/预约制),把 100 万 QPS 的瞬时尖峰摊平 5~10 倍。
- 接入层限流去噪:网关按 userId 令牌桶限频(单用户 1 QPS 足够——限领一张,多刷无意义);脚本特征拦截(同设备/IP 聚簇)。
- Redis Lua 原子「判断+扣减+去重」:与第三节脚本同构,
sismember挡重复、DECR预扣、成功者写入「预扣流水」(userId + 券批次 + 状态 = 预扣中)。100 万 QPS 打到 Redis 集群,单 key 竞争仍可能过热 → 库存分桶(见第八节)。 - MQ 异步发券:预扣成功的进 MQ,消费端按 DB 可承受水位落库(真正的券记录写入 + 用户券账户更新),前端返回「领取中,稍后到账」。
- 幂等落库:
(user_id, batch_id)唯一索引兜底——MQ 重复投递、消费重试都不会重复发券,这一道闸直接兑现「不能重复发券」。 - 对账补发:活动结束后核对三方:预扣流水数、券发放数、Redis 余量。预扣成功但 15 分钟未成券的流水走补发任务;确认失败的流水释放预扣(券量回加)。
为什么「允许少量失败但不能重复发券」是这个设计的关键题眼:它允许你在两个方向上做不对称设计——发放链路可以「失败 + 人工/任务补偿」(最终一致),但唯一索引这条幂等闸一道都不能少。答成「用分布式锁保证只领一次」就把题答反了:锁挡不住所有重复(锁丢、重试),幂等才挡得住。
七、Redis 扣减成功但 DB 写失败:半状态与对账补单
现象。这是秒杀链路被追问最多的故障题(快手可灵真题深水区):Lua 预扣成功 → MQ 消息发出前服务宕机(或消费落库失败),DB 没扣、Redis 已扣,库存凭空少了。
原理:这是跨 Redis/DB 两个存储的分布式半状态问题,解法与 MQ 篇的「本地事务 + 发消息」同构:
- 防丢先行:扣减动作与「预扣流水写入」原子完成——流水记在 DB(同库本地事务)或先发事务消息/写本地消息表,再动 Redis。预扣流水是后续一切恢复的依据。
- 恢复路径一(自动对账):定时任务比对「预扣流水」与「订单/发券表」:预扣了但超过时限未落库的,回滚预扣(Redis 余量加回、流水置失败);落库了但流水没闭环的,补发或告警。
- 恢复路径二(库存回收任务):扫「已预扣但 N 分钟未成单」的记录回收库存——这也是「预扣记录带 TTL/状态」这一设计存在的原因。
- 兜底:AOF everysec 控制 Redis 数据丢失窗口;对账差异超阈值告警人工介入;活动结束后全量校准一次。
排查口诀:先看差异方向——Redis 少 DB 正常(丢消息/消费失败)走补发;Redis 多 DB 少(重复扣减/回滚丢失)走回补。方向搞反,补偿任务会把库存越修越错。
八、库存分桶与热点 key 治理
现象。单个商品库存 key 的 QPS 可达数万,Redis 单分片(单核处理该 key)成为瓶颈,表现是「集群总容量充足但单分片 CPU 100%、请求超时突刺」。
方案:库存分桶。把 100 件库存拆成 10 个桶各 10 件(seckill:stock:{id}:0~9),请求按 userId 哈希路由到桶,单 key 竞争降为 1/10。
代价与治理:
- 某桶卖完但总量还有 → 体验问题:做桶间转移(从余量最多的桶匀过来),或请求失败时重哈希到下一个桶(最多试 2 次就放弃,避免全桶扫描制造新热点)。
- 桶数与库存量的关系:桶数 ≈ 预期峰值 QPS / 单 key 安全水位,不是越多越好——桶太多,每桶库存太少,「某桶提前售完」的体验问题反而放大。
- 更彻底的方案:本地预扣(应用内存原子变量扣一小段库存,用完再向 Redis 批量进货),适合库存量极大、容忍度高的场景;秒杀量级下「Redis 分桶 + MQ 削峰」已是标准答案。
加分链:抖音真题「设计支持动态扩容的全链路压测系统,秒杀前 5 分钟预测所需资源」考的就是同一套能力——压测影子流量打标(透传标记不入真实库)、按容量模型(单机 QPS × 机器数 × 安全系数)反推扩容数。热点治理 + 压测演练 + 降级预案三件事合起来,才是「高并发设计能力」的完整证明。
追问链自测:面试官的三层深挖
把下面三条链口述一遍,每层都能接住才算过关:
- 超卖链:Lua 脚本为什么必须 → 拆成两条命令会怎样 → Redis 主从切换丢扣减怎么办 → DB 条件更新为什么够 → 唯一索引防的是什么 → 三道闸各管什么
- 故障链:Redis 挂了第一动作是什么 → 网关怎么感知 → 恢复后库存以谁为准 → 预扣成功 DB 没扣怎么办 → 对账口径怎么定 → 少卖的库存最后去哪了
- 限领链:1000 万请求第一层削在哪 → 为什么允许少量失败 → 重复发券靠什么挡 → MQ 积压用户一直「领取中」怎么办 → 活动结束对账核对哪三方
结语与下篇预告
高并发场景题的面试本质是失败模式工程学:分层漏斗管流量,三道闸管超卖,预扣流水加对账管半状态,降级开关管依赖故障。方案没有标准答案,但每个方案的代价和失效路径必须有答案——把「Redis 挂了怎么办」这种问题主动讲在面试官前面,是场景题拿高分的唯一路径。
前 6 篇:Java 并发 · Redis · MySQL · JVM 调优与线上排查 · Spring 原理 · 消息队列与分布式事务



被折叠的 条评论
为什么被折叠?



