参考资料

• Google SRE Distributed Systems
• AWS Builders Library Timeouts and Retries
• Microsoft Transactional Outbox

Java 面试题（06） - 微服务、系统设计与生产排障题

读完后，你应能完成以下任务：

• 绘制“Java 面试题（06） - 微服务、系统设计与生产排障题 / 微服务边界应如何划分？”的关键对象与数据流，解释“简洁答案： 围绕业务能力、数据所有权和团队认知边界划分，不按技术层或数据库表机械拆分。”，并用源码位置、日志或 Trace 标注证据。
• 为“Java 面试题（06） - 微服务、系统设计与生产排障题 / 接口幂等如何设计？”设计正常与异常输入，验证“仅在入口查一次 Redis 不能防住并发穿透；”，输出首个偏差位置与回归测试结果。
• 实现“Java 面试题（06） - 微服务、系统设计与生产排障题 / 如何保证数据库变更与消息发布一致？”的最小代码或配置，检验“Outbox 要监控积压、失败、重复和清理延迟；”，输出命令、结果与 Diff，并说明不适用边界。

面试回答不能停在名词解释。

一、先建立全局：微服务、系统设计与生产排障题 是什么？

理解“微服务、系统设计与生产排障题”，先要把标题中的对象放进同一条处理链：它接收什么输入，经过哪些状态变化，最终用什么证据判断结果。下表不另造概念，只把作者正文已经解释的章节按依赖顺序连起来。

“微服务、系统设计与生产排障题”的第一个核心判断是：简洁答案： 围绕业务能力、数据所有权和团队认知边界划分，不按技术层或数据库表机械拆分。。先弄清这个判断中的对象和输入输出，后面的实现、故障和验收才有共同语境。

顺序	章节	读完本节应抓住的结论
1	微服务边界应如何划分？	简洁答案： 围绕业务能力、数据所有权和团队认知边界划分，不按技术层或数据库表机械拆分。
2	接口幂等如何设计？	仅在入口查一次 Redis 不能防住并发穿透；
3	如何保证数据库变更与消息发布一致？	Outbox 要监控积压、失败、重复和清理延迟；
4	超时、重试、熔断和限流应如何配合？	只对可重试且幂等的瞬时失败做有上限退避重试，
5	线上延迟突然升高，排障顺序是什么？	再关联指标、日志与资源事件。
6	场景题答题框架	先固定现象、时间、版本、输入和影响范围，

1.1 核心对象之间怎样衔接

flowchart LR
  S1["微服务边界应如何划分？"] --> S2
  S2["接口幂等如何设计？"] --> S3
  S3["如何保证数据库变更与消息发布一致？"] --> S4
  S4["超时、重试、熔断和限流应如何配合？"] --> S5
  S5["线上延迟突然升高，排障顺序是什么？"]

这张图只表达本文的讲解顺序，不替代正文机制。判断“微服务、系统设计与生产排障题”是否真正掌握，需要能从最后一个结果沿图回到前面每个章节的输入、状态变化和证据。

1.2 再看失败：问题最早会出现在哪一步？

在“微服务、系统设计与生产排障题”的对象和顺序已经明确后，再看可观察的失败：条件缺失、结果不可复现或失败后责任不清。定位时不从最后一条错误猜原因，而是沿上图找第一个偏离正文结论的节点。

二、微服务边界应如何划分？

简洁答案： 围绕业务能力、数据所有权和团队认知边界划分，不按技术层或数据库表机械拆分。

深入说明： 一个服务应能独立演进并拥有自己的写模型； 跨服务事务越多通常说明边界不稳。 拆分会引入网络失败、观测、发布和数据一致性成本，规模不足时模块化单体更简单。 决策要有变更频率、扩缩容和组织协作的真实证据。

继续追问： 如何从共享数据库逐步迁移到服务拥有数据而不中断业务？

三、接口幂等如何设计？

简洁答案： 用稳定幂等键标识同一业务意图， 在原子事务中记录处理状态与结果， 重复请求返回同一结果。

深入说明： 幂等键要绑定租户、操作和请求摘要，设置符合业务重试窗口的生命周期。 仅在入口查一次 Redis 不能防住并发穿透； 数据库唯一约束或条件更新承担最终并发控制。 下游调用也需传播稳定业务标识并处理部分成功。

继续追问： 创建订单超时后客户端重试，服务端如何区分“未执行”和“已提交但响应丢失”？

四、如何保证数据库变更与消息发布一致？

简洁答案： 使用 Transactional Outbox 将业务数据和待发布事件写入同一事务， 再异步投递并由消费者幂等处理。

深入说明： 发布器可能重复发送， 因此 exactly-once 通常转化为 at-least-once 加业务幂等。 Outbox 要监控积压、失败、重复和清理延迟； 事件包含版本与稳定标识。 不能先提交数据库再直接发消息后假设两步永远同时成功。

继续追问： CDC 发布与轮询 Outbox 在延迟、运维和顺序保证上如何选择？

五、超时、重试、熔断和限流应如何配合？

简洁答案： 先给整条调用链分配超时预算， 只对可重试且幂等的瞬时失败做有上限退避重试， 再用限流和熔断阻止过载扩散。

深入说明： 每层独立重试会指数放大请求； 重试应集中在最了解业务语义的一层，加入抖动并尊重服务端 Retry-After。 熔断不是修复依赖，而是快速失败； 降级必须声明数据新鲜度和功能缺失，恢复时避免瞬时洪峰。

继续追问： 如何用错误预算和重试预算判断重试是否正在放大事故？

六、线上延迟突然升高，排障顺序是什么？

简洁答案： 固定时间、版本、路由和影响范围， 从用户请求的 Trace 找第一个异常 Span， 再关联指标、日志与资源事件。

深入说明： 先检查最近变更和流量形态，再比较入口、队列、应用、数据库和依赖耗时分位数。 CPU 平均值正常不代表没有节流、锁竞争或单核热点。 止损与根因分析分开记录，恢复后用相同输入验证并完成数据对账。

继续追问： 没有完整 Trace 时， 如何利用 request_id、慢查询、线程转储和发布记录建立因果链？

七、场景题答题框架

遇到生产排障或系统设计题， 先固定现象、时间、版本、输入和影响范围， 再沿调用链寻找第一个异常事实。 不能只说“加缓存”“上微服务”或“扩容”。

八、动手验证：先跑通 微服务、系统设计与生产排障题，再改变一个变量

前面的章节已经建立问题、概念和机制。现在把“微服务、系统设计与生产排障题”放进同一套基线中运行；本节不再引入新术语，只验证前文结论能否被复现。

8.1 基线与候选只允许一个变量不同

验证“微服务、系统设计与生产排障题”时，先固定样本、基线、候选、成功标准和失败边界。候选方案只能改变本次要验证的变量；如果同时更换数据、依赖和配置，即使结果改善，也不能知道是哪一项产生作用。

执行“微服务、系统设计与生产排障题”时，动作是：同环境运行基线与候选，记录输入、中间状态和异常。原始结果不能只保留截图或汇总分数，必须同步保存：可重放命令、结构化日志、输出 Diff、失败样本、版本，使下一次复查可以在同一输入上重放。

实验要素	本文要求
固定条件	固定样本、基线、候选、成功标准和失败边界
唯一变量	本次候选方案与基线之间的一项明确差异
原始证据	可重放命令、结构化日志、输出 Diff、失败样本、版本
通过阈值	结果符合结论条件，异常输入可解释、可恢复
立即停止	条件缺失、结果不可复现或失败后责任不清

8.2 执行前先排除不可比较条件

“微服务、系统设计与生产排障题”开始前先确认下面四项；任一项不成立，都应先修复实验条件，而不是解释结果。

• 基线能够在“微服务、系统设计与生产排障题”的当前环境重复运行。
• 候选只改变一个与“微服务、系统设计与生产排障题”结论直接相关的条件。
• “微服务、系统设计与生产排障题”的基线和候选使用同一批输入、同一版本依赖与同一通过阈值。
• “微服务、系统设计与生产排障题”的原始输出和失败现场不会被重试、格式化或汇总覆盖。

8.3 执行后先核对证据完整性

结果出来后先检查证据，再讨论“微服务、系统设计与生产排障题”是否通过。缺少中间状态时，最终输出只能说明现象，不能证明机制。

检查项	当前文章的判定
输入可追溯	固定样本、基线、候选、成功标准和失败边界
过程可回放	同环境运行基线与候选，记录输入、中间状态和异常
结果可审计	可重放命令、结构化日志、输出 Diff、失败样本、版本

“微服务、系统设计与生产排障题”的一次合格基线对照按以下顺序执行：

1. 保存“微服务、系统设计与生产排障题”基线版本及输入摘要，确认基线本身可以重复运行。
2. 写下“微服务、系统设计与生产排障题”候选方案唯一变化的变量，以及它预期影响的指标。
3. 在同一环境执行“微服务、系统设计与生产排障题”：同环境运行基线与候选，记录输入、中间状态和异常。
4. 为“微服务、系统设计与生产排障题”保存：可重放命令、结构化日志、输出 Diff、失败样本、版本。
5. 使用“微服务、系统设计与生产排障题”预登记条件判断：结果符合结论条件，异常输入可解释、可恢复。
6. 如果“微服务、系统设计与生产排障题”未通过，不修改第二个变量，先恢复基线并保留失败现场。

九、用一张矩阵验证 微服务、系统设计与生产排障题 的关键结论

矩阵按正文顺序列出“微服务、系统设计与生产排障题”的结论。一次实验只选择一行，只改变这一行对应的条件；不要把多行合并成一个无法归因的大实验。

正文章节	已解释的结论	本轮唯一变量	必须保存的证据
微服务边界应如何划分？	简洁答案： 围绕业务能力、数据所有权和团队认知边界划分，不按技术层或数据库表机械拆分。	只改变与“微服务边界应如何划分？”相关的条件	可重放命令、结构化日志、输出 Diff、失败样本、版本
接口幂等如何设计？	仅在入口查一次 Redis 不能防住并发穿透；	只改变与“接口幂等如何设计？”相关的条件	可重放命令、结构化日志、输出 Diff、失败样本、版本
如何保证数据库变更与消息发布一致？	Outbox 要监控积压、失败、重复和清理延迟；	只改变与“如何保证数据库变更与消息发布一致？”相关的条件	可重放命令、结构化日志、输出 Diff、失败样本、版本
超时、重试、熔断和限流应如何配合？	只对可重试且幂等的瞬时失败做有上限退避重试，	只改变与“超时、重试、熔断和限流应如何配合？”相关的条件	可重放命令、结构化日志、输出 Diff、失败样本、版本
线上延迟突然升高，排障顺序是什么？	再关联指标、日志与资源事件。	只改变与“线上延迟突然升高，排障顺序是什么？”相关的条件	可重放命令、结构化日志、输出 Diff、失败样本、版本
场景题答题框架	先固定现象、时间、版本、输入和影响范围，	只改变与“场景题答题框架”相关的条件	可重放命令、结构化日志、输出 Diff、失败样本、版本

9.1 记录本次实际实验

下面的记录用于“微服务、系统设计与生产排障题”当前这一次实验，不是第二套知识目录。先从矩阵选择一个章节，再填写实际值；没有填写的字段表示尚未验证。

topic: "微服务、系统设计与生产排障题"
selected_chapter: required
claim_from_article: required
baseline_version: required
changed_condition: exactly_one
execution: "同环境运行基线与候选，记录输入、中间状态和异常"
evidence: "可重放命令、结构化日志、输出 Diff、失败样本、版本"
pass_when: "结果符合结论条件，异常输入可解释、可恢复"
stop_when: "条件缺失、结果不可复现或失败后责任不清"
observed_result: required
first_deviation: null_or_evidence
recovery_replay: required_after_failure

9.2 边界实验必须证明能够停止和恢复

成功路径只能证明“微服务、系统设计与生产排障题”在当前样本上工作，不能证明它可以进入生产。边界实验需要主动制造：条件缺失、结果不可复现或失败后责任不清，并观察系统是否在产生不可逆副作用前停止。

场景	只改变什么	应保存什么	通过标准
正常路径	使用已知有效输入	可重放命令、结构化日志、输出 Diff、失败样本、版本	结果符合结论条件，异常输入可解释、可恢复
边界路径	把一个输入推进到约束临界值	临界值前后的输出与指标	不静默降级，不把部分结果冒充成功
明确失败	注入：条件缺失、结果不可复现或失败后责任不清	原始错误、首个异常阶段和最终状态	失败被正确分类且没有扩大副作用
恢复重放	执行：保留基线，缩小变量；根因确认前不扩大范围	原失败样本的复测证据	原样本恢复，正常样本没有回归

恢复动作不是简单重启。对于“微服务、系统设计与生产排障题”，第一步是：保留基线，缩小变量；根因确认前不扩大范围。完成后使用原始失败样本复测；只验证一个新样本成功，不能证明触发条件已经消失。

“微服务、系统设计与生产排障题”边界实验结束后，应把正常、临界、失败和恢复四类记录放在同一个运行批次中。这样才能区分“候选方案真的修复问题”和“环境变化让问题暂时没有出现”。

十、微服务、系统设计与生产排障题 的结果解释

解释“微服务、系统设计与生产排障题”实验时先看首个偏差，而不是最后一条错误。最后的异常通常只是上游状态错误的结果；从末端反推容易误把症状当根因。

观察结果	可以支持的判断	下一步
主链路没有达到预期	条件缺失、结果不可复现或失败后责任不清	先执行：保留基线，缩小变量；根因确认前不扩大范围
异常链路无法恢复	条件缺失、结果不可复现或失败后责任不清	先执行：保留基线，缩小变量；根因确认前不扩大范围
新样本成功但原样本仍失败	修复没有覆盖原始触发条件	固定原失败输入，恢复基线后重新比较
指标改善但证据无法回链	数据、版本或中间状态没有固定	暂停发布，补齐可追溯记录后重跑

“微服务、系统设计与生产排障题”只有同时满足“结果符合结论条件，异常输入可解释、可恢复”，并且没有出现“条件缺失、结果不可复现或失败后责任不清”，才可以认为主链路通过。这里的“通过”只对当前固定版本、样本和环境有效，不能外推到尚未测试的容量、权限或数据分布。

如果“微服务、系统设计与生产排障题”候选方案与基线差异很小，先检查证据分辨率是否足够；如果差异很大，先排除数据泄漏、环境漂移和版本不一致。两种情况都不能只看一个汇总均值，需要回到逐样本输出和中间状态。

“微服务、系统设计与生产排障题”故障定位完成后，记录“现象、首个偏差、根因、改动、原样本复测”五项。缺少原样本复测时，只能标记为待观察，不能标记为已解决。

十一、微服务、系统设计与生产排障题 的发布判断

发布判断需要把“微服务、系统设计与生产排障题”的质量、失败边界和恢复能力放在同一份记录中。以下任一条件缺失，都应停止扩量，而不是用“基本正常”替代证据。

• “微服务、系统设计与生产排障题”的基线与候选只存在一个计划内变量。
• “微服务、系统设计与生产排障题”的输入、代码、依赖、配置和数据版本可以追溯。
• “微服务、系统设计与生产排障题”的正常、临界、失败和恢复样本使用同一套断言。
• “微服务、系统设计与生产排障题”的原始输出、中间状态和失败现场已经保留。
• “微服务、系统设计与生产排障题”的日志、Trace、截图和测试数据已经脱敏。
• “微服务、系统设计与生产排障题”的停止条件、负责人和回滚入口已经演练。
• “微服务、系统设计与生产排障题”尚未覆盖的输入、权限、容量和外部依赖已经登记。

最终记录至少包含基线版本、唯一变量、原始证据、首个偏差、恢复复测和发布责任人。没有参与本次修改的人如果不能据此重放“微服务、系统设计与生产排障题”的判断，就不能发布。

十二、总结

• 微服务边界应如何划分？：简洁答案： 围绕业务能力、数据所有权和团队认知边界划分，不按技术层或数据库表机械拆分。
• 接口幂等如何设计？：仅在入口查一次 Redis 不能防住并发穿透；
• 如何保证数据库变更与消息发布一致？：Outbox 要监控积压、失败、重复和清理延迟；
• 超时、重试、熔断和限流应如何配合？：简洁答案： 先给整条调用链分配超时预算，只对可重试且幂等的瞬时失败做有上限退避重试，再用限流和熔断阻止过载扩散。
• 线上延迟突然升高，排障顺序是什么？：简洁答案： 固定时间、版本、路由和影响范围，从用户请求的 Trace 找第一个异常 Span，再关联指标、日志与资源事件。