第2章：高频面试问题与回答框架

面试问题：请分享一次你成功排查并解决 API 网关高延迟故障的经历。

面试官考察点：

• 是否有从现象到根因的完整排查链路
• 是否使用过分布式追踪、日志分析等工具
• 能否量化故障影响和恢复效果

回答框架：

1. S (情境)：交代业务高峰期流量背景，例如 QPS 10w+，某次大促期间。
2. T (任务)：明确目标，例如“将 P99 延迟从 3s 降到 500ms 以内”。
3. A (行动)：分步骤说明：查看监控→链路追踪定位线程阻塞→分析慢 SQL→优化缓存策略。
4. R (结果)：给出量化数据，如“P99 延迟降至 400ms，错误率从 5% 降至 0.1%”。

简短示例回答：

可能追问：

• 当时用了哪些监控指标判断故障范围？
• 如果再遇到类似问题，你有自动化工具预防吗？
• 热点 key 拆分具体怎么做？

面试问题：如何设计一个合理的熔断降级策略，来防止网关雪崩？

面试官考察点：

• 是否理解熔断、降级、限流的区别与关联
• 能否根据业务特性配置滑动窗口、阈值、恢复策略
• 线上有实操经验，不是只背理论

回答框架：

1. 定义阈值：基于业务容忍度，设置错误率或慢调用比例。
2. 熔断状态机：闭合→断开→半开，细化恢复试探策略。
3. 降级预案：明确哪些接口可降级、返回默认值/缓存。
4. 动态调整：配置中心下发，支持灰度变更。

简短示例回答：

可能追问：

• 半开状态下如何控制试探流量？
• 熔断与限流如何协同使用？
• 遇到抖动频繁怎么处理？

面试问题：在不同类型的互联网公司做网关故障治理，重点有什么不同？

面试官考察点：

• 是否有跨公司/跨业务域的视野
• 能否区分电商、社交、金融等场景的治理差异
• 理解不同规模下技术选型的权衡

回答框架：

1. 电商/大促场景：关注瞬间流量冲击，重点在限流+弹性扩容。
2. 金融/支付场景：关注一致性+安全风控，熔断需谨慎，强依赖不能随意降级。
3. 音视频/社交场景：关注长连接+实时性，网关故障要快速failover。
4. 中台/通用场景：关注高可用+多协议支持，可复用治理组件。

简短示例回答：

可能追问：

• 你所在公司的网关QPS规模是多少？
• 如果让你给一个创业公司设计网关治理方案，你会怎么做？
• 你认为未来网关治理的发展方向是什么？