第3章 AWS核心服务面试：EC2、S3、RDS、Lambda等高频考点

面试问题：你如何为业务选择合适的 EC2 实例类型？

考察点：对 EC2 家族（通用型、计算优化、内存优化、存储优化、GPU）的理解；成本意识；实际决策逻辑。

回答框架：① 分析工作负载特性（CPU/内存/IO/网络）→ ② 匹配实例家族 → ③ 考虑基准性能与突发性能（T系列）→ ④ 结合预留实例/Spot 实例做成本优化。

示例回答：“以我们的 API 网关微服务为例：峰值 CPU 40%、内存 2GB，选择 t3.medium 突发实例，结合 CPU Credit 余额监控；当连续高负载时自动切换至 c5.large 计算优化实例，利用混合实例组降低 40% 成本。”

可能追问：“T3 与 T2 的 Credit 机制区别？” “如何监控 Credit 耗尽？” “Spot 实例中断时如何优雅处理？”

面试问题：S3 数据一致性模型是什么？如何保证高并发下的读取性能？

考察点：S3 强一致性特性（2020年后）；前缀分区设计；性能优化手段。

回答框架：① 说明 S3 已支持读后写强一致（List/Get/Put）→ ② 提及旧模型与变化 → ③ 高并发场景使用随机前缀（如哈希对象键）避免热点分区 → ④ 结合 Transfer Acceleration / S3 Select 优化吞吐。

示例回答：“我们迁移至 S3 后，对用户 ID 做 MD5 取首两位作为前缀，分散到上千个分区，使 GET 延迟稳定在 5ms 内；同时为日志分析启用 S3 Select，过滤效率提升 5 倍。”

可能追问：“S3 强一致性与 DynamoDB 最终一致区别？” “S3 事件通知的 at-least-once 如何保证幂等？” “如何计算最优前缀数量？”

面试问题：如何减少 AWS Lambda 的冷启动延迟？

考察点：Lambda 执行环境生命周期；运行时优化；预置并发策略。

回答框架：① 控制函数包大小（< 10MB）→ ② 使用轻量运行时（如 Node.js / Python）→ ③ 启用 Provisioned Concurrency → ④ 优化依赖（只打包必要库，使用 Lambda Layers 共享）→ ⑤ 利用 AWS SDK v3 按需引入。

示例回答：“某高并发 API 采用 Python + Powertools，函数包压缩至 2MB；设置 50 个预置并发单元，冷启动概率从 15% 降至 0.5%；同时使用 Lambda SnapStart（Java 场景），启动时间降低 80%。”

可能追问：“Provisioned Concurrency 与 Reserved Concurrency 区别？” “SnapStart 的局限性？” “VPC 环境下的冷启动如何优化？”

典型背景：拥有 5-8 年 AWS 架构经验，主导过百万美元级账单项目。他们常见陷阱提问方式：

• “你在这类场景下遇到过什么坑？” —— 考察真实工程经验
• “如果预算砍掉 30%，你怎么选？” —— 考察成本优化落地能力
• “说说你用过哪些你没提的服务？” —— 考察知识广度与诚实

应对策略：每个问题都绑定一个具体项目数字（如节省 20% 成本）、一个失败案例学到的教训，展示复盘能力。