【C++】面试：系统设计与性能优化

C++ 高级面试、公司技术栈深度考察模块，系统设计综合能力评估，性能优化考察工程落地能力。结合项目讲出彩。

1. 系统设计基础

1.1 设计原则

高可用：冗余 + 故障转移
高扩展：水平扩展、模块化
高性能：缓存、异步、并发
高可靠：一致性、容错

1.2 扩展方式

水平扩展：加机器（无状态服务）
垂直扩展：升级单机配置
分片：按维度拆分数据

2. 短链系统设计

2.1 核心功能

长链接 -> 短链接
短链接 -> 重定向长链接
访问统计

2.2 存储设计

复制代码

表 structure:
id, 短码, 长URL, 创建时间, 访问次数

2.3 Hash 算法

MD5/SHA1（摘要）
自增 ID + 62进制转换
雪花算法分片

2.4 高并发优化

本地缓存（LRU）
Redis 缓存
布隆过滤
限流

2.5 面试问题

冲突怎么办？查表冲突改用备选码
如何反查？ BASE62 逆向 / DB 查询
如何防攻击？ IP 限速 + 验证码

3. 抢票/秒杀系统

3.1 核心挑战

高并发雪崩
超卖
机器人刷票

3.2 架构设计

复制代码

┌──────────────┐
│  CDN/Nginx  │  ← 静态资源、限流
└──────────────┘
     ↓
┌──────────────┐
│  Gateway    │  ← 鉴权、限流
└──────────────┘
     ↓
┌──────────────┐
│  消息队列   │  ← 削峰填谷
└──────────────┘
     ↓
┌──────────────┐
│  库存服务    │  ← 原子扣减
└──────────────┘
     ↓
┌──────────────┐
│  DB         │  ← 数据库
└──────────────┘

3.3 关键技术

Redis 原子扣减：DECR
乐观锁：version
分布式锁：Redisson
消息队列：Kafka/RabbitMQ
限流：令牌桶 / 滑动窗口

3.4 防超卖

cpp 复制代码

// 错误
stock = stock - 1;    // 多个线程读到相同库存

// 正确
if (redis.decr(goods_stock) >= 0) {
    // 扣减成功，写入 MQ
} else {
    // 库存不足
}

4. 消息队列

4.1 作用

异步：削峰填谷
解耦：生产/消费分离
可靠：消息持久化

4.2 常见 MQ

MQ	特点	场景
Kafka	高吞吐、日志	大数据
RabbitMQ	多协议、灵活	通用
RocketMQ	金融、事务	电商
Redis	轻量	临时

4.3 消息顺序

同一个 Partition 有序
全局有序：单分区
业务有序：消息体带序号

4.4 消息持久化

磁盘顺序写
RAID 阵列
多副本 replicas

5. 缓存系统

5.1 缓存策略

Cache-Aside：
- 读：先缓存，后 DB
- 写：先 DB，后删除缓存
Write-Through：
- 同步双写
Write-Behind：
- 异步写 DB

5.2 淘汰策略

策略	特点	场景
LRU	最近最少使用	通用
LFU	最少使用频率	热点数据
FIFO	先进先出	无差别
Random	随机	无差别

5.3 缓存问题

缓存穿透：布隆过滤 / 空值缓存
缓存击穿：互斥锁 / 永不过期
缓存雪崩：TTL 随机 + 多级缓存

5.4 一致性

删除 vs 更新的选择
延迟双删
最终一致性

6. 分库分表

6.1 何时分

单表 > 1000万
单库 > 100GB
QPS > 5000

6.2 分片策略

Range ：按时间|ID范围
- 优点：范围查询简单
- 缺点：热点不均
Hash ：取模
- 优点：数据均匀
- 缺点：扩展难

6.3 迁移步骤

双写（同步 + 异步）
灰度切读
切写
下线

7. 性能优化

7.1 CPU 优化

代码优化：减少计算
向量化：SIMD
并行：OpenMP

7.2 内存优化

内存池：减少分配
对象池：复用对象
预分配：减少扩容
减小对象：short/int

7.3 IO 优化

零拷贝：sendfile
缓冲 IO：减少系统调用
顺序写：日志优化
熔断：快速失败

7.4 网络优化

连接池：复用连接
HTTP/2：多路复用
GZIP：压缩
CDN：就近访问

8. 性能指标

8.1 核心指标

QPS（Queries Per Second）
TPS（Transactions Per Second）
RT（Response Time）
PV（Page Views）
UV（Unique Visitors）

8.2 计算公式

复制代码

QPS = PV / 时间
TPS = 成功事务数 / 时间
RT = 完成时间 - 开始时间
并发 = TPS * RT

8.3 性能目标

量级	QPS	说明
小型	< 100	个人项目
中型	100-1000	小团队
大型	1000-10000	公司级
巨型	> 10000	BAT 级别

9. 分布式系统

9.1 CAP 定理

Consistency（一致）+ Availability（可用）+ Partition tolerance（分区容错）

最多同时满足两个
CP：Zookeeper
AP：Eureka

9.2 BASE 理论

Basically Available：基本可用
Soft state：软状态
Eventually consistent：最终一致

9.3 分布式事务

2PC ：两阶段提交
- Prepare + Commit
- 协调者单点
3PC ：三阶段提交
- CanCommit + Prepare + Commit
TCC ：Try + Confirm + Cancel
- 业务侧实现
Saga ：链式补偿
- 正向逆向

10. 监控与诊断

10.1 监控体系

基础设施：CPU/内存/磁盘/网络
应用：QPS/RT/错误率
业务：订单/转化率
链路：TraceId

10.2 工具

类型	工具	场景
性能	perf/VTune	CPU 分析
内存	valgrind/ASAN	内存问题
并发	helgrind	线程竞争
IO	iostat/sar	IO 瓶颈
网络	netstat/tcpdump	网络问题

10.3 常见问题

CPU 100%：死循环/计算密集
内存泄漏：对象未释放
响应慢：SQL 慢/GC/锁竞争
OOM：内存溢出/GC 频繁

🔥 本章综合高频追问

问：如何设计一个抢票系统？

答：MD2 详细展开，先解决高并发扣减。
问：Redis 缓存挂了怎么办？

答：多级缓存 + 熔断降级 + 本地缓存。
问：分库分表如何查询？

答：路由 + 聚合 / 异构索引 / 使用搜索引擎。
问：如何保证 CK ?

答：BASE 理论，最终一致性。

📝 模块总结

本模块覆盖系统设计核心 短链、秒杀、缓存、分库 ，以及 CAP、性能优化，结合项目深入讲解。可应对高级技术面，展示工程能力与架构思维。