岗位能力画像与简历优化
岗位能力画像｜五大维度 & 关键词清单
| 能力维度 | 考察重点 | 简历关键词（示例） |
|---|---|---|
| Go语言底层 | GMP调度、内存逃逸、反射、panic/recover | goroutine池、pprof、逃逸分析优化 |
| 微服务架构 | 服务注册发现、配置中心、网关、限流熔断 | Consul/Etcd、Sentinel、Hystrix |
| 分布式系统 | 一致性协议、RPC通信、分布式事务、链路追踪 | Paxos/Raft、gRPC、Jaeger、Saga |
| 中间件实战 | 缓存、消息队列、数据库、分库分表 | Redis Cluster、Kafka、ShardingSphere |
| 工程素养 | 代码规范、性能调优、可观测性、CI/CD | Prometheus、ELK、GitOps、Docker/K8s |
成果量化句式模板
- 性能优化： 通过Go pprof定位CPU热点，将核心接口P99延迟从300ms降至120ms（降低60%）。
- 稳定性提升： 基于Sentinel配置熔断规则，系统可用性从99.9%提升至99.99%。
- 架构设计： 主导将单体服务拆分为10+微服务，引入gRPC通信，吞吐量提升3倍。
- 中间件选型： 自研Redis分布式锁组件，支持自动续期，接口并发能力提升5倍。
本章面试问答卡片
面试问题 1
面试问题： 你如何理解Go的GMP调度模型？它在微服务场景下有什么优势？
面试官考察点： ①是否真正理解调度原理；②能否关联实际业务优化；③避免八股文背诵。
回答框架： 定义GMP → 结合微服务场景（高并发IO密集） → 对比OS线程优势 → 举例说明。
简短示例回答： GMP将goroutine映射到少量M线程，让微服务在高并发下用极低开销（2KB/goroutine）支撑数万连接。我们曾用pprof发现协程阻塞，通过调整GOMAXPROCS减少上下文切换，吞吐量提升40%。
可能追问： ①协程阻塞会导致什么？②GMP中P的数量如何影响性能？③如何用pprof排查协程泄漏？
面试问题 2
面试问题： 你如何设计微服务中的限流和熔断策略？
面试官考察点： ①对限流算法（令牌桶/漏桶）理解深度；②熔断器状态机；③落地经验（参数配置、降级方式）。
回答框架： 选择场景 → 介绍限流算法 → 熔断器机制（Close/Open/Half-Open） → 参数调优 → 降级兜底。
简短示例回答： 采用令牌桶+Sentinel做接口限流，QPS阈值设为峰值的1.5倍。熔断器配置滑动窗口（10秒内错误率>50%则Open），半开状态允许1个试探请求。降级策略返回缓存默认值，避免雪崩。
可能追问： ①令牌桶和漏桶区别？②熔断恢复时间如何计算？③如何避免限流误伤正常请求？
面试问题 3
面试问题： 请描述你参与过的一个微服务项目，包含技术栈和你承担的角色。
面试官考察点： ①项目真实性；②技术深度与复杂度；③你个人贡献（非团队功劳）。
回答框架： STAR法则：Situation（背景） → Task（任务） → Action（个人行动） → Result（量化结果）。
简短示例回答： 电商订单服务拆分为10+微服务，我负责链路追踪系统。利用Jaeger采集全链路数据，定位库存服务慢SQL。优化后订单创建从1.5s降至400ms，线上故障排查时间缩短80%。
可能追问： ①为什么选Jaeger而非Skywalking？②如何保证链路采样不丢数据？③慢SQL具体怎么定位和修复？