没有实际的高并发经验，面试如何吹一波牛？

作者：奔跑的毛球

很多人吐槽，现在找Java初级开发的工作都要高并发经验，但平时工作里根本没机会接触这种项目。大多数项目并没有那么多并发需求，遇到冲突，顶多加个分布式锁就行了。那如果真的碰到这种面试，怎么应对呢？这里简单总结一些能唬住面试官的高并发相关技巧。

为了更好理解，咱暂时开个早餐店。

<顺便吆喝一句，大厂外包岗，前 / 后端 or 测试，尤其东莞、深圳等地HC挺多的，考虑的伙伴可以看看>☞这里>

1. 系统的稳定性

高并发业务中首先要考虑的是：系统的稳定性。是首先要保证的问题点。

就好比我一卖早点的，突然一千人冲过来了，咋办，为了保证我店面的安全，要么让排队，然后限制供应。要是油条半天做不出来，等的人等了很久了，咱就给它熔断掉，不卖了，大家也别等了，告辞了您嘞。还有就是卖豆浆的师傅扛不住了，太累了就休息休息，不干主力了。

• 限流和熔断：防止流量高峰时系统崩溃。可以用像 Sentinel、Hystrix 这样的工具来控制流量和自动熔断，防止雪崩效应。
• 降级策略：某个功能扛不住时，可以先让它“休息”一下，比如返回缓存数据或者提示用户功能暂时不可用。

实际面试的时候，可以说我们为了应对大流量的冲击，采取了限流和熔断的措施，比如我们的什么什么服务(真实业务中的不重要的服务)，在什么什么时候（大流量场景，比如双11），就直接限流了。什么什么服务，就直接熔断和降级。 意思就是提出一个论点的时候，提一小段故事，来佐证你的说法。面试官其实也喜欢听故事。

2. 资源争抢与锁竞争

高并发场景下，资源争抢问题尤其严重。

就好比几个顾客一起冲到摊位上抢油条，咱到底该先卖给谁？如果不加以控制，可能还会发生顾客互相抢油条的情况，最后弄得大家都不高兴。钱付了，最后油条不够，这就尴尬了。

• 数据库并发控制：用乐观锁或者悲观锁来防止数据被同时修改出问题。比如，用版本号或者时间戳来确保数据更新的正确性。
• 分布式锁：在分布式系统中，避免多个节点同时操作同一资源。可以用 Redis 或 Zookeeper 实现分布式锁。

真实场景中，分布式锁使用的更多，可以提一下，在什么什么业务中，使用redis增加了一个分布式锁，来保证数据的一致性。

3. 缓存的优化设计

缓存就像是摊位上的“预制油条”，顾客来了不需要每次都现做，直接从缓存里取现成的，速度快得多。但如果处理不好，缓存也会有自己的麻烦，比如“缓存穿透”、“缓存击穿”和“缓存雪崩”。

• 缓存穿透、击穿和雪崩：缓存不命中、大量请求涌入数据库时，系统压力会很大。可以用布隆过滤器（Bloom Filter）避免无效查询，用多级缓存架构（比如 Redis 加本地缓存）来分担压力。
• 缓存更新策略：比如用双写策略或者异步更新，甚至是基于消息队列的延迟双删策略来保证缓存和数据库的数据一致性。

为了体现自己真的做过缓存的优化设计，可以提一下穿透，击穿和雪崩。穿透是指缓存中没有，全跑到表里去查询了。击穿是指一个热点数据失效了，突然大量的请求到库里了。而雪崩是指，大量数据到过期时间了，全部失效，这时候大量数据打到库里了。穿透的解决方案上边说了，布隆过滤器。击穿就需要用正确的过期回填策略，雪崩最容易避免，别把大量数据的过期时间设置的相同就好了。

可以提前设计一个场景，就说在某个场景下，遇到了雪崩的问题，数据库负载突然上升，经过查证是大量数据同时过期导致的，然后修改了过期时间就好了。这个其实比较极端，但是发生了就比较悲催。

4. 数据库压力和优化

数据库就像是摊位背后仓库的库存登记表，如果顾客太多、需求太高，这个表很容易被搞得乱七八糟，甚至崩溃。为了解决这个问题，我们需要做一些优化，就像给摊主配上更多的仓库和店员，一起分担工作。

• 分库分表：当一张表的数据太多时，可以水平分表或者垂直拆分，同时要注意分片键的选择。
• 读写分离：将读请求和写请求分散到不同的数据库实例上，以减轻主库的压力。
• 索引和查询优化：创建合适的索引，避免全表扫描和大范围查询，提升查询效率。

分库分表其实大部分业务就有吧，面试的时候注意，分库分表的条件是什么。提前想清楚，答得时候顺口而出就行。别想，想了就是假的了。

5. 队列和异步处理

如果所有任务都要求立刻处理，系统就像一口气涌入了太多顾客的摊位，摊主根本忙不过来。这时候就需要用到消息队列和异步处理来分担工作量，就像安排顾客有序地排队，先登记一下需求，再慢慢满足。

• 消息队列：使用消息队列（如 Kafka、RabbitMQ）将瞬时的大量请求缓冲起来，再让消费者慢慢处理，这样可以平衡系统的负载。
• 异步任务处理：将一些不需要实时处理的任务放到后台，让主业务流程更流畅。

消息队列用的也应该多，想清楚自己系统用得具体是那个MQ，然后记录一次大量请求到来得时候，服务花费了多久处理完了，还引起了什么小问题。比如我们，阿里给我们突然返回了所有订单信息，导致mq一直在处理这个业务，我们仓库发过来得信息一直在淤塞，有那么一段时间，两个系统得数据是不一样得。就是举个小例子，使人更加信服，毕竟我们在吹牛。

6. 前端优化和静态资源处理

前端和静态资源的优化就像是提前把油条摊位前的各种调料、筷子、餐巾纸等都准备好，避免顾客反复问摊主要这些小东西，从而减少摊主的工作量，让整个摊位的运转更高效。

• 前端静态资源优化：用 CDN 和缓存技术减少服务器请求量。合理配置浏览器缓存策略（如 ETag、Cache-Control），降低服务器负担。
• 前后端分离：前端和后端完全分离，减少后端资源消耗，提高系统的整体性能。

前后端分离么，就是为了获取前端资源更迅速，提升整体得性能。

7. 应用服务扩展与容器化

当摊位（系统）越来越火爆时，摊主一个人显然忙不过来了，这时候就需要考虑如何扩展摊位、增加人手（服务扩展），甚至把整个业务划分成多个摊位，每个摊位各管各的（微服务拆分），这样才能高效运转，满足越来越多的顾客需求。

• 服务扩展：通过增加实例数量来提升系统处理能力，可以使用 Kubernetes 等容器化平台实现自动扩展。
• 微服务拆分：将一个大的应用拆分成多个微服务，每个微服务专注于自己的一块业务，这样可以减少资源竞争和锁问题。

这里想说的话，服务扩展比较好说，双活，冷热备，分布式。都可以。但是微服务拆分，稍微有点麻烦，你得说出来咋拆，最好还能说出来这么拆得原因。比如我们商城，就客户一个系统，订单一个，仓库一个。

8. 日志和监控

做高并发系统就像经营一个大型连锁摊位，如果没有及时的信息反馈和监控手段，就像摊主完全不知道店里发生了什么，顾客堵门了都没察觉，等出问题了再处理已经晚了。因此，实时的日志和监控就像摊主的眼睛和耳朵，可以帮助他随时掌握店铺的运营状况，及时发现问题并迅速处理。

• 全链路监控：通过 APM 工具（如 SkyWalking、Zipkin）进行全链路监控，及时发现和定位性能瓶颈。
• 日志分析：利用 ELK 等日志分析系统，实时监控系统状态，帮助分析故障原因。

监控就可以说是，为了防止异常得大流量增加的，倘若是正常的大流量，那么就是泼天的富贵，想办法吸收。若是异常的，坏人发出的，那么监控系统报异常，我们直接拒之门外。

9. 连接池和线程池管理

高并发系统中，就像一个繁忙的摊位，摊主得合理分配资源和人手（线程和连接），才能确保摊位高效运行，不然摊主忙不过来就容易出现问题。连接池和线程池的管理就像安排摊位前的排队和后厨的工作分配，让各个环节都有条不紊地运作，避免出现忙成一团的混乱场面。

• 数据库连接池：合理配置数据库连接池的大小，避免连接数耗尽导致系统崩溃。
• 线程池管理：用合适的线程池（如 JDK 自带的 ThreadPoolExecutor），合理配置核心线程数、最大线程数和队列长度，避免线程耗尽或任务丢失。

线程池这里可以说，在遇到什么什么需要多线程并发的业务的时候，我们增加了线程池来处理这个异步任务。再想想原因，处理的结果。就好啦。

10. 安全性与防护

在一个繁忙的摊位，安全和防护同样重要。如果不加以防范，就可能遭遇恶意顾客的攻击，造成损失。安全性和防护策略就像摊主在店门口设置的守卫和监控，确保摊位的正常运营不被打扰。

• 流量防刷：通过验证码、IP 黑白名单、行为分析等手段，防止恶意流量攻击。
• 数据防篡改：对关键数据进行签名校验或一致性校验，防止并发下数据被非法篡改。

虽然这些概念听起来很高大上，但实际操作时也不见得有多复杂。面试时，把这些要点记住，说出来显得你有实战经验。具体项目中用到什么样的优化策略，还是得根据实际情况来。这样一来，即便没有实际高并发项目的经验，也能用理论和细节给自己加分。

最重要的是，需要提前准备，提前想好，在遇到什么问题的时候，怎么说。最好写下来打磨一下，在被问到的时候脱口而出，这样足以体现出是做过的，有真实的经验。要是先一愣神，然后又嗯嗯啊啊的说半天，这就尴尬了。