场景设计题

Rain的Java大神实战圈

介绍一下分布式事务一句话定义：分布式事务就是保证多个独立微服务 / 数据库操作的原子性，要么全部成功，要么全部回滚，最终达到数据一致性的机制 🔒

Rain的Java大神实战圈

频繁FullGC如何优化先通过命令行工具快速确认问题类型，避免盲目猜测：FullGC 频繁的本质只有一个：老年代空间不足，但背后原因千差万别。我整理了一个排查流程图：

Rain的Java大神实战圈

MQ重复消费问题怎么解决简单说就是：消费者已经处理完消息，但 ACK 没成功回到 MQ 服务器，导致 MQ 认为消息处理失败，触发重发机制。

Rain的Java大神实战圈

线上服务器反应慢如何排查这道题是大厂必考题，考察的不是你背了多少命令，而是你的系统思维能力和问题定位方法论。优秀的回答应该体现出 "先宏观后微观，先整体后局部"的排查思路，而不是上来就说" 看日志 "、" 查 CPU"。

Rain的Java大神实战圈

如何保证MQ消息顺序消费消息乱序的根本原因是生产有序→传输 / 存储无序→消费无序，具体体现在三个环节：💡 核心公式：相同业务 Key 的消息 → 同一个队列 → 同一个消费者线程

Rain的Java大神实战圈

线上MQ消息积压了怎么处理"先止损、再排查、后预防"，核心原则是优先保证核心业务可用，再逐步定位和解决根本问题，绝对不能先花半小时查原因而让业务一直挂着。

Rain的Java大神实战圈

介绍一下Redis的高可用方案这是所有高可用方案的基石，核心解决数据备份和读写分离问题。在主从复制基础上，解决自动故障转移问题，是中小流量生产环境最常用的方案。

Rain的Java大神实战圈

如何保证Mysql和Redis双写一致性这个问题本质上是分布式系统中的数据一致性问题。因为 MySQL 和 Redis 是两个独立的存储系统，无法做到原子性更新，所以我们只能通过合理的更新策略来尽可能保证最终一致性，同时兼顾性能和可用性。

Rain的Java大神实战圈

介绍一下Redis的缓存穿透击穿雪崩定义：请求的数据既不在 Redis 缓存，也不在数据库，导致每次请求都穿透缓存直接打到数据库，数据库压力骤增。

Rain的Java大神实战圈

对千万级单表进行分页查询为什么慢？ MySQL 需要先扫描 1000010 条记录，然后丢弃前 1000000 条，只返回最后 10 条。

Rain的Java大神实战圈

MySQL建表时需要注意什么统一团队规范，避免后续维护灾难，核心原则：这是最容易被忽视但影响最大的部分，核心原则：用最小的数据类型满足业务需求

Rain的Java大神实战圈

千万级大表如何新增字段千万级大表新增字段的本质问题是：传统 DDL 会触发全表重建 + 长时间锁表，导致业务写入完全阻塞，轻则接口超时，重则服务雪崩。

Rain的Java大神实战圈

日增量500万的表结构如何设计在正式设计前，我先明确几个核心边界（避免答非所问）：整理了面试真题、每日技术知识点、系统学习路线，都汇总在个人网站 www.javadashen.com，有需要的同学自取。

Rain的Java大神实战圈

数据库主从有延迟怎么处理面试官提问“在高并发互联网场景下，数据库主从延迟是高频痛点，会导致用户读到旧数据、业务逻辑异常。请问你在实际项目中是如何系统性解决这个问题的？”

Rain的Java大神实战圈

分库分表会带来哪些问题如何解决分库分表是解决单库单表性能瓶颈的核心方案，但它本质是 "用复杂度换性能"，会引入 7 大类核心问题，我结合实际项目经验逐一说明：

Rain的Java大神实战圈

介绍一下分库分表分库分表本质上是数据库水平扩展的核心方案，当单库单表的数据量和并发量达到瓶颈时，通过 "化整为零" 的方式将数据分散到多个库和表中，解决单机存储和性能问题。

Rain的Java大神实战圈

线上慢SQL的排查思路"先止损 - 再定位 - 后根治 - 防复发" 的四步黄金流程 🚀线上出问题，先保服务可用，再慢慢排查根因！

Rain的Java大神实战圈

MySQL单表有10亿数据如何做迁移整体思路是先全量后增量，双写兜底，灰度切换，可回滚。推荐方案：用 DataX 按主键范围切分 100-200 个并行任务做全量迁移，速度可达 10 万行 / 秒以上，10 亿数据约 2-3 小时完成。

Rain的Java大神实战圈

如何统计亿级用户的在线状态这个问题本质上不是简单的计数问题，而是高并发写入 + 低延迟读取 + 海量数据的综合挑战：我会从最简单的方案开始，逐步演进到适合亿级用户的架构：

Rain的Java大神实战圈

扫码登录的实现原理扫码登录的核心本质是利用已登录的可信设备（手机），为未登录的不可信设备（PC）颁发身份凭证，本质是跨设备的身份授权流程。