📚 课程目录第2章高频面试问题与回答框架

高频面试问题与回答框架

容量规划面试中，面试官会通过标准化问题考察你的架构思维、量化能力和风险意识。本章拆解三类核心高频问题，并提供结构化答题框架，帮助你在不同公司风格下稳扎稳打。

面试问题	假设一个核心业务 Topic，日均消息量 10 亿条，峰值 QPS 50 万，你如何规划分区数？
面试官考察点	量化计算能力、对分区与吞吐量关系的理解、是否考虑生产/消费两端瓶颈。
回答框架	① 明确业务峰谷特征；② 计算单分区处理能力（生产端和消费端取小值）；③ 预估分区数 = 峰值 QPS / 单分区最大吞吐 × 冗余系数；④ 说明验证手段（压测）。
简短示例回答	假设单分区生产端 2MB/s 约 2000 QPS（按 1KB 消息），消费端单分区 4000 QPS，取小值 2000 QPS。50 万 QPS 需要 250 分区，考虑 30% 冗余取 325 分区，建议先用 300 分区再压测调整。
可能追问	如果消费能力只有生产一半怎么调整？
避坑提醒	不要只算理论峰值，必须说明“单分区吞吐”受压测环境和消息体大小影响；冗余系数需给出理由（如故障转移、流量突增）。

面试问题	公司计划将日志数据全部接入消息队列，保留 7 天，日数据量 200TB，如何估算存储需求？
面试官考察点	多副本理解、压缩比经验值、预留策略是否全面。
回答框架	① 原始数据日增量；② 乘以副本数（如 3 副本）；③ 乘以压缩比（文本日志通常 2~3 倍）；④ 加上预留 buffer（15% 或 30%）；⑤ 得出总容量需求。
简短示例回答	日入 200TB，3 副本原始需 600TB。文本压缩比按 3 算得到 200TB 存储，保留 7 天共 1.4PB，再加 20% 预留约 1.68PB。若使用 SSD 则需考虑 GC 额外预留。
可能追问	如果日志是 JSON 格式，压缩比怎么变化？
避坑提醒	必须区分“原始数据”和“存储后数据”，压缩比需基于同类数据经验值；副本倍数不要和 RAID 混淆。

面试问题	秒杀场景流量瞬间 10 倍，队列可能出现发送超时、消费堆积，你会如何规划容量？
面试官考察点	整体治理思维：限流、降级、弹性扩缩的配合。
回答框架	① 设置客户端发送限流 + 服务端拒绝策略；② 消费端自动扩容+流控；③ 堆积兜底（DB 写降级、消息丢到死信队列）；④ 压测基准值与自动伸缩阈值。
简短示例回答	客户端 bucket 限制 50 万 QPS 以内，超过的返回重试。消费端根据堆积量自动扩容 2 倍，若堆积超过阈值则丢弃非关键消息。同时开启降级开关，将非核心业务消息写入本地文件异步补偿。
可能追问	丢消息场景下如何保证最终一致性？
避坑提醒	降级方案必须说明“可接受丢失的消息类型”，不能笼统说丢弃全部；弹性扩容需考虑冷启动时间。

💡 面试加分话术：“我通常先用 峰值QPS/单分区吞吐=分区数 算底线，再结合历史压测曲线和业务冗余要求上调 20%~30%。” 这句话能让面试官感知你兼具理论计算和工程落地经验。

⚠️ 避坑总结：不要用“我感觉需要很多分区”这种模糊回答；所有数字必须给出推导过程；务必区分生产端和消费端两个维度。