1. 如何定位接口性能瓶頸？常用哪些工具？

• 考察點：性能分析工具的使用與問題定位能力。

• 核心答案：

  • 工具：Arthas（在線診斷）、JProfiler（內存與CPU分析）、VisualVM、Prometheus+Grafana（監控）、SkyWalking（分布式鏈路追蹤）。

  • 關鍵指標：響應時間、QPS、錯誤率、GC頻率、數據庫連接池利用率。

  • 步驟：監控報警定位到慢接口 → 鏈路追蹤分析調用鏈耗時 → 結合日志和線程堆棧定位代碼或資源瓶頸。

• 擴展問題：

  • Arthas的trace和watch命令如何使用？

  • 如何通過火焰圖快速定位CPU熱點？

---

2. 接口響應時間過長，可能有哪些原因？如何優化？

• 考察點：系統性分析性能問題的能力。

• 核心答案：

  • 常見原因：

    1. 數據庫：慢SQL、未命中索引、鎖競爭。

    2. 網絡：帶寬不足、DNS解析慢、HTTP連接池配置不合理。

    3. 代碼：循環嵌套過深、序列化開銷大、重復計算。

    4. 資源爭用：線程阻塞、鎖競爭、連接池耗盡。

  • 優化手段：

    • 數據庫：添加索引、優化SQL、分庫分表。

    • 緩存：Redis緩存熱點數據、本地緩存（Caffeine）。

    • 異步：耗時操作異步化（MQ或CompletableFuture）。

    • 并行：使用并行流或分治策略。

• 擴展問題：

  • 如何判斷索引是否生效？如何分析執行計劃？

  • 緩存與數據庫一致性如何保證？

---

3. 高并發場景下接口超時，如何排查？

• 考察點：高并發問題的實戰處理經驗。

• 核心答案：

  1. 檢查線程池：核心線程數是否過小？隊列是否堆積？拒絕策略是否合理？

  2. 資源瓶頸：數據庫連接池是否占滿？Redis連接數是否不足？

  3. 鎖競爭：是否有不合理的synchronized或ReentrantLock使用？可考慮分段鎖或CAS。

  4. 限流與降級：是否觸發限流策略？熔斷器是否開啟？

• 案例：線程池隊列堆積導致任務延遲，調整為核心線程數=CPU數，隊列改用SynchronousQueue。

• 擴展問題：

  • 如何選擇線程池參數？CPU密集型與IO密集型任務有何區別？

  • 分布式鎖的Redisson實現與優化點？

---

4. 如何優化數據庫查詢性能？

• 考察點：SQL優化與數據庫調優能力。

• 核心答案：

  • 索引優化：避免索引失效（如字段類型不匹配、函數操作）、覆蓋索引、聯合索引順序。

  • SQL調優：減少JOIN、分頁優化（避免OFFSET過大）、使用批處理。

  • 架構優化：讀寫分離、分庫分表（ShardingSphere）、冷熱數據分離。

  • Explain分析：關注type（ALL→index→range→ref）、Extra字段（Using filesort需優化）。

• 擴展問題：

  • 分庫分表后如何解決跨分片查詢？

  • 如何通過索引下推（ICP）減少回表？

---

5. 緩存穿透、緩存雪崩如何解決？

• 考察點：緩存設計中的典型問題應對。

• 核心答案：

  • 緩存穿透：惡意查詢不存在的數據。

    • 解決：布隆過濾器攔截、空值緩存（設置短過期時間）。

  • 緩存雪崩：大量緩存同時失效。

    • 解決：隨機過期時間、熱點數據永不過期（后臺異步更新）。

  • 緩存擊穿：熱點Key突然失效。

    • 解決：互斥鎖（Redis的SETNX）、邏輯過期時間。

• 擴展問題：

  • 布隆過濾器的誤判率如何計算？

  • Redis分布式鎖的RedLock算法爭議點？

---

6. 如何設計一個高性能的RPC接口？

• 考察點：接口設計原則與架構思想。

• 核心答案：

  • 協議層：選擇高效序列化（Protobuf/JSON-B）、長連接復用。

  • 線程模型：Netty的Reactor模式、業務線程池隔離。

  • 資源控制：限流（令牌桶/漏桶）、熔斷降級（Hystrix/Sentinel）。

  • 監控：埋點統計耗時、異常報警。

• 擴展問題：

  • 如何通過零拷貝技術優化網絡傳輸？

  • Dubbo的線程池配置參數有哪些？

---

7. 什么是JVM層面的性能優化？

• 考察點：JVM調優與GC原理。

• 核心答案：

  • 參數調優：堆內存分配（-Xms/-Xmx）、選擇合適的GC器（G1/ZGC）。

  • 內存泄漏：通過MAT分析堆轉儲，定位未釋放的對象。

  • 線程問題：死鎖檢測（jstack）、減少上下文切換。

• 案例：頻繁Full GC導致接口卡頓，調整為G1并增大堆內存。

• 擴展問題：

  • G1的Mixed GC觸發條件是什么？

  • 如何通過逃逸分析優化棧上分配？

---

8. 如何通過異步提升接口性能？

• 考察點：異步編程模型的應用。

• 核心答案：

  • 場景：日志記錄、消息發送、非核心計算。

  • 實現方式：線程池、MQ（Kafka/RocketMQ）、CompletableFuture。

  • 注意事項：線程池隔離、異常處理、資源釋放。

• 案例：用戶注冊后異步發送郵件，主流程響應時間減少200ms。

• 擴展問題：

  • Spring的@Async注解底層原理？

  • 如何保證異步任務的事務一致性？

---

9. 如何模擬高并發場景測試接口性能？

• 考察點：壓測工具使用與結果分析。

• 核心答案：

  • 工具：JMeter（GUI靈活）、wrk（輕量級命令行）、Gatling（Scala DSL）。

  • 關鍵指標：TPS、RT、錯誤率、資源利用率（CPU/內存/IO）。

  • 步驟：階梯加壓、持續壓測、分析瓶頸點。

• 擴展問題：

  • 如何區分系統瓶頸是CPU-bound還是IO-bound？

  • 分布式壓測如何實現？

---

10. 分布式系統中接口性能如何保障？

• 考察點：分布式架構下的性能設計。

• 核心答案：

  • 服務治理：負載均衡（一致性Hash）、服務熔斷、彈性擴縮容。

  • 數據一致性：最終一致性（TCC/Saga）、讀寫分離。

  • 中間件優化：Kafka分區與消費者組設計、Redis集群分片。

• 擴展問題：

  • 如何通過分庫分表避免跨庫事務？

  • CAP理論在分布式系統設計中的權衡？

---

總結

性能優化不僅要求掌握工具使用和代碼技巧，更需要系統性思維與實戰經驗積累。面試中需結合具體場景，展示從監控定位到方案落地的完整閉環能力。建議準備1-2個實際優化案例，突出分析過程與量化結果（如“接口RT從2s降至200ms”），以增強說服力。