第4章 服务治理与限流降级

🎯 面试问题：生产环境中如何选择限流算法？请给出选型依据

考察点：算法原理理解、场景匹配能力、实现复杂度评估

回答框架：明确流量特征 → 对比算法优劣 → 结合系统限制给出推荐 → 提及降级准备

示例回答：首选令牌桶，支持突发流量（如秒杀），配合 Redis + Lua 实现分布式限流；对必须平滑的场景用漏桶，但注意其拒绝突发可能影响体验。同步说明熔断兜底，防止限流误杀。

可能追问：令牌桶如何实现预热？滑动窗口为何不适合高并发？

🎯 面试问题：熔断降级的核心设计要点是什么？如何避免误触？

考察点：状态机理解、故障隔离经验、熔断与恢复的平衡设计

回答框架：定义熔断条件（错误率/慢调用） → 三态切换逻辑 → 半开恢复策略 → 配合降级接口

示例回答：采用 Hystrix 或 Sentinel，设置错误率>50%+最小请求数门槛，打开后等待30s进入半开，单次成功则关闭。设置不同慢调用阈值（如TP99）避免冲动熔断，同时提供降级 fallback 返回默认值。

可能追问：熔断区间内请求全部快速失败，如何保证业务连续性？

🎯 面试问题：服务发现中如何保证客户端实例列表的实时性与一致性？

考察点：注册中心原理（CAP权衡）、健康检查机制、客户端缓存策略

回答框架：注册中心选型依据 → 心跳与健康检查 → 推送/拉取模式 → 本地缓存降级

示例回答：Nacos 使用 AP+C 模式，服务端每隔5s健康检查，通过 watch 机制推送变更；客户端本地维护缓存，注册中心不可用时读取缓存并启用定时拉取，避免服务发现成为单点。

可能追问：如果注册中心短暂宕机，客户端实例列表如何快速恢复？分区后如何保证最终一致性？