102问题

1.你们本地部署大模型具体的配置 参数是怎样的

​ 我们本地部署的是 Ollama + DeepSeek-R1 7B 的组合，主要作为审核和情感分析模型使用。
​ 部署环境是：
​ 8 核 CPU + 32G 内
​ 一块 3090 24G 显存的 GPU —–显卡的型号
​ Ollama 启动参数中配置：
​ num_gpu: 1
​ num_ctx（上下文长度）: 4096（保证标题、简介字段能完整输入）
​ num_thread: 自动（由 Ollama 自动根据 CPU 核数分配）
​ 我们通过 Spring AI 统一封装模型调用，使 Camunda 的 JavaDelegate 能够直接调用审核接口

2.ai审核只能审核短剧标题和简介吗，不能审核短剧内容吗

​ 视频内容审核属于多模态识别，需要视频帧抽取、ASR、行为识别，这部分我们没有在本地做，因为算力成本太高。
​ 我们的 AI 审核分两层：
​ 1,文本审核（本地模型）
​ 标题、简介、标签
​ 情感分析、涉政涉黄、违规用语
​ 2,视频内容审核（外部平台）
​ 通过腾讯云 VOD 的内容审核能力，它会：
​ 自动抽帧
​ 识别黄暴、暴力、广告等内容
​ 审核回调直接进入 Camunda 流程
​ 因此我们的审核对标题/简介/图片/视频内容都是覆盖的，只是负责的模块不一样。

3.你说你们是多租户，是怎么实现数据隔离的，a公司不能看到公司的数据吧

​ 你的项目使用 Spring Cloud + 多租户平台，这里你这样回答：
​ 我们的多租户采用的是数据库级隔离+应用级租户上下文的组合方案。
​ 数据库层： 每张核心业务表都带 tenant_id 字段，MyBatis-Plus 通过自定义 TenantLineHandler 自动拼接
​ WHERE tenant_id = xxx
​ 实现物理隔离数据。
​ 应用层：
​ 用户登录后，Sa-Token 中写入 tenantId
​ 网关从 Token 解析后塞入请求头
​ 下游服务通过 ThreadLocal 的 TenantContext 保存租户信息
​ MyBatis-Plus 自动替换租户 ID，不允许跨租户查询
​ 我们还做了 缓存隔离：
​ Redis Key 前缀使用：
​ video:{tenantId}:{videoId}
​ 保证缓存不串租户。

4 短信接口你们有做防刷吗

​ 我们对短信验证码做了三层防刷策略：
​ 频控：
​ 同手机号 60 秒只能发 1 次
​ 同 IP 1 小时最多发 15 次
​ Redis 用 INCR + EXPIRE 实现
​ 行为校验：
​ 前端接入滑块验证码
​ 黑名单池：
​ 自动记录异常频繁请求的 IP/设备指纹
​ Redis + TTL 自动衰减

5.多次点击发布按钮，这一块有没有做什么安全措施

​ 在短剧发布这种关键操作上做了两种幂等保护：
​ 前端防重复点击：按钮 loading 状态锁定
​ 后端防重复提交（核心）：
​ 使用 Redis 分布式锁
​ Key = publish:{tenantId}:{videoId}
​ TTL 设置 3 秒
​ 这样同一用户连续点击多次发布，只会执行一次流程。
​ 另外发布流程走 Camunda 工作流，本身也具备幂等校验，避免重复创建任务

6.miniio有没有做集群部署 是怎么实现上传的，有没有断点续传之类的

​ MinIO 我们做了两种部署策略：
​ 开发环境：单节点 MinIO
​ 生产环境：MinIO 4 节点分布式集群
​ EC（纠删码）为 4/2
​ //////////////使用 Nginx 负载均衡访问
​ 上传流程使用的是 MinIO 官方的 Multipart Upload（分片上传） 接口：
​ 大文件自动分片
​ 支持断点续传
​ 上传完成后自动合并块
​ 我们这块会自动重试失败的 Part，因此对网络波动比较友好

为什么要模拟 robot 账号登录 XXL-Job？不能直接调任务吗？

​ 为什么不直接调用 XXL-Job 的 openAPI？
​ 为什么要登录一个模拟账号？
​ XXL-Job 的任务你们是怎么触发的？
参考话术
​ 我们不是从 XXL-JOB 控制台页面触发，而是通过它的 OpenAPI 接口触发任务执行。
​ robot 账号只是为了权限隔离，便于区分是系统自动触发还是人工触发。
​ 我们不会模拟点按钮，而是直接发 trigger/run API 调任务。

单机 Map 保存审核结果，会不会有线程安全/多实例问题？

参考话术
Map 只在流程内部暂存，用于在同一Camunda 流程中传递，不用于跨节点通信。
需要跨任务传递的，我们会放到 Camunda 流程变量 或 Redis。
所以不会出现安全数据的问题。

本地大模型审核 + 腾讯云视频审核，如果其中一个失败怎么办？

​ 如果大模型审核失败了呢？
​ 如果腾讯云审核回调延迟怎么办？
​ 两个审核不一致怎么处理？
参考话术：
​ 我们的审核采用 容错 + 兜底策略：
​ 本地大模型异常–>走默认人工审核
​ 腾讯云视频审核异常–>XXL-Job 会自动重试
​ 两者冲突–>统一流入人工审核节点
​ 不会出现审核中断的情况。

审核流程为何使用 Camunda？可不可以不用？

参考话术：
视频审核是一个多阶段的流程：
AI审核–>视频内容审核–>人工审核–>审核结果汇总
使用 Camunda 的目的是：
把复杂流程可视化
状态和节点可追溯
人工审核可以暂停/回退
多个审核结果汇总更清晰
如果不用工作流，自己维护状态机会非常混乱。

XXL-Job 触发腾讯云上传任务，这里有没有幂等问题？

最常问：
如果重复触发，视频会不会被上传两次？
话术：
我们做了两层幂等：
XXL-Job 任务使用业务 Id 作为参数，任务重复触发不会重复执行
腾讯云 VOD 上传使用唯一的 fileId，同一个源文件上传两次也不会重复转码
所以整体流程是天然幂等的。

腾讯云回调是怎么和工作流衔接的？

​ 回调怎么通知 Camunda？
​ 有没有延迟？
​ 如何保证一致性？
参考：
​ 腾讯云审核是异步的，我们在回调接口里更新审核状态，并通过 Camunda 的 RuntimeService 唤醒对应流程实例。
​ 如果回调超时，则自动进入人工审核节点。

消息幂等性保证

方案1: Redis Set记录已处理消息ID

String doneKey = "done:like:msg";
if (redisTemplate.opsForSet().isMember(doneKey, msgId)) {
    // 消息已处理，直接ACK
    ack.acknowledge();
    return;
}

// 处理业务逻辑
processBusiness(event);

// 记录消息ID
redisTemplate.opsForSet().add(doneKey, msgId);

// 手动ACK
ack.acknowledge();

方案2: 数据库唯一索引 + 幂等更新

-- user_likes表设计
UNIQUE KEY uk_user_target (user_id, target_id, target_type)

-- 幂等更新SQL
UPDATE user_likes SET status = ? WHERE user_id = ? AND target_id = ? AND target_type = ?

---

最终一致性保证

流程:

1. 用户点击点赞 → 发送Kafka消息 → 立即返回成功
2. Kafka消费者1（user-service）→ 更新Redis缓存
3. Kafka消费者2（interaction-service）→ 更新数据库
4. 消息持久化 + 手动ACK → 保证消息不丢失
5. 幂等性处理 → 重复消费结果一致

优势:

• 降低接口响应时间（异步处理）
• 削峰填谷（高并发缓冲）
• 最终一致性（数据库与缓存同步）

双写一致性

用mq的手动ack机制确认，一个失败就不会ack

C. 常见问题FAQ

Q1: Kafka消息积压怎么办？
A: 增加消费者实例数、优化消费逻辑、增加分区数

Q2: Redis内存不足怎么办？
A: 设置合理的过期时间、使用LRU淘汰策略、扩容Redis节点

Q3: Camunda流程实例查询慢？
A: 定期归档历史数据、优化数据库索引、使用缓存

Q5: 布隆过滤器误判怎么办？
A: 降低误判率（增大内存）、配合缓存空对象使用

7.3 Kafka事件驱动架构

7.3.1 生产者拦截器（自动填充公共字段）

KafkaEventProducerInterceptor:

@Override
public ProducerRecord<String, Object> onSend(ProducerRecord<String, Object> record) {
    BaseEvent baseEvent = (BaseEvent) record.value();

    // 自动填充msgId（雪花ID）
    baseEvent.setMsgId(IdUtil.getSnowflakeNextId());

    // 自动填充userId（从Sa-Token获取）
    baseEvent.setUserId(StpUtil.getLoginIdAsLong());

    // 自动填充timestamp
    baseEvent.setTimestamp(System.currentTimeMillis());

    return record;
}

效果: 业务代码只需构造核心业务字段，公共字段自动填充

---

7.3.2 消息幂等性保证

方案1: Redis Set记录已处理消息ID

String doneKey = "done:like:msg";
if (redisTemplate.opsForSet().isMember(doneKey, msgId)) {
    // 消息已处理，直接ACK
    ack.acknowledge();
    return;
}

// 处理业务逻辑
processBusiness(event);

// 记录消息ID
redisTemplate.opsForSet().add(doneKey, msgId);

// 手动ACK
ack.acknowledge();

方案2: 数据库唯一索引 + 幂等更新

-- user_likes表设计
UNIQUE KEY uk_user_target (user_id, target_id, target_type)

-- 幂等更新SQL
UPDATE user_likes SET status = ? WHERE user_id = ? AND target_id = ? AND target_type = ?

---

7.3.3 最终一致性保证

流程:

1. 用户点击点赞 → 发送Kafka消息 → 立即返回成功
2. Kafka消费者1（user-service）→ 更新Redis缓存
3. Kafka消费者2（interaction-service）→ 更新数据库
4. 消息持久化 + 手动ACK → 保证消息不丢失
5. 幂等性处理 → 重复消费结果一致

优势:

• 降低接口响应时间（异步处理）
• 削峰填谷（高并发缓冲）
• 最终一致性（数据库与缓存同步）

\

技术痛点

1Repository****Service

• 管理流程定义（BPMN）、部署、模板等静态资源（Definition 层）
• 主要负责部署流程、查询流程定义、读取模型文件等。

// 部署一个 BPMN 文件
Deployment deployment = repositoryService.createDeployment()
    .addClasspathResource("my-process.bpmn")
    .name("My Deployment")
    .deploy();

// 查询流程定义
ProcessDefinition procDef = repositoryService.createProcessDefinitionQuery()
    .processDefinitionKey("my_process_key")
    .latestVersion()
    .singleResult();

2保存远程调用

保存剧集信息，演员信息，基本信息，关联信息之后再

远程调用启动

3ai初审

@Service
public class OllamaModerationServiceImpl implements OllamaModerationService {


    @Autowired  // xxxChatModel
    OllamaChatModel ollamaChatModel;


    /**
     * 检测文本的情感类型
     * @param text
     * @return
     */
    @Override
    public String moderation(String text){
        //1、用户消息；
        Message userMessage = new UserMessage(text);
        //2、系统提示词
        String systemText = """
            接下来我会给你发一段文本，需要你分析一下这个文本是正向还是负面的文本。1代表正向，
            0代表负面，直接给我返回0或者1，不要返回其他废话。
            """;
        SystemPromptTemplate systemPromptTemplate =
            new SystemPromptTemplate(systemText);
        //3、构造系统消息
        Message systemMessage = systemPromptTemplate.createMessage();
        //4、所有提示词 = 系统 + 用户提示词
        Prompt prompt = new Prompt(List.of(systemMessage,userMessage));
        //5、调用模型
        String json = ollamaChatModel.call(prompt)
            .getResult().getOutput().getText();
        return json;
    }

}

1. Runtime****Service

• 运行时管理流程实例（Instance 层）
• 启动流程、管理运行中的流程实例和执行对象（Execution）
• 设置与获取流程变量（Process Variables）
• 触发消息、信号、定时事件等。

// 启动流程实例
ProcessInstance pi = runtimeService.startProcessInstanceByKey("my_process_key", variables);

// 根据条件查询运行中的实例
runtimeService.createProcessInstanceQuery()
    .processInstanceId(pi.getId())
    .singleResult();

// 设置变量
runtimeService.setVariable(pi.getId(), "amount", 2000);

4人工初审

5

6

面试

ollama 暴露的 API 接口地址。SPring AI直接可以调用。上线了。云GPU服务器。

各种模型调用、RAG、向量检索

模型幻觉（微调模型会有幻觉） ok，没问题

相似度算法、

温度高，输出不稳定。

了解 过 vllm 框架 能加速推理。不了解

每晚3点。短剧会全量缓存，预热。防止漏更新。 5000多短剧。为未来准备的

短剧每天都会增。

增量数据是靠kafka 消息，进行redis和数据库同步

并发多线程查询的，会提交线程池 submit 提交任务

CompletableFuture.runAsync()

allof() 返回所有结果

主键就是局促；叶子节点完整数据

其他就是非局促；叶子节点只有主键id

只查索引列数据即可。不写select *

从机 start slave 命令就可以。

1. 主机开启 binlog 日志
2. 从机连接主机。
3. 从机开始同步获取binlog，并记录relay_log（中继日志）
4. 从机重放 relay_log 内容

binlog同步到哪里有 记录position位置。

技术复杂度高，得搞一堆 注册中心、配置中心、远程调用、链路追踪等

基本不用，嫌不好维护

require_new

required

等 Synchronized (对象头锁标志位)

无锁 –> 偏向锁(一个线程在用所) –> 轻量(两个线程在用所【自旋获取锁】) –> 重量(更多线程在用所【等待唤醒机制获取锁】)

或者 Lock( AQS中的 state 属性， CLH队列（双向链表的队列）维护锁公平性 )

=================================

****基础的搜索：****直接走向量库搜索（Redis）、不走大模型

不断的新发短剧。新短剧进向量库。所有的搜索走向量库相似度搜索；

开发了首页的****信息流短剧推荐功能****。信息流主要特点就是 *低码率*（通过降低视频画质、降低视频采样率（60帧变为 25帧）等最终降低视频每秒传输的字节数）；

1. 因为考虑到 播放进度需要前端每秒汇报一次，请求速率很高。并且记录用户的播放进度。引入kafka 进行，并设计用户事件（UserEvent extends BaseEvent [唯一id，发送事件，用户]）。 用户的所有行为请求进来，直接封装为事件。发送给kafka；（基本信息的封装由kafkaTemplate的拦截器进行统一设置。）
2. 其他系统全部监听****kafka消息****，从而实现同步；
   1. *Redis数据缓存系统*：****缓存优先模式****（短剧信息、短剧点赞数量、短剧播放进度都直接查Redis，Redis没有再走回源逻辑即可）， 所有和用户对接的高频的增删改查，查redis即可；
   2. 这些数据没有过期时间，考虑到 一旦数据过期要回源。MySQL由于自己同步速度慢，没有同步到数据，导致回源无数据，从而产生数据不一致问题。
   3. MySQL持久化系统：监听到消息以后。慢慢的进行数据保存；（Redis万一哪天没有数据，就回源MySQL查询）
3. R：*用户高频操作的缓存命中率：几乎100%；基本不回源*。MySQL目前和Redis数据差异基本在秒级（由于目前量还没有太大）；Redis 的线上故障时间（目前除了手动停机，Redis自己没停机过）。Redis 是 8核 32G 机器。 主从复制。无哨兵
4. 为了实****现稳定转码，和人工兜底处理****。引入了 xxl-job，将转码任务交给 xxl-job 调度给某个机器，并且设置失败重试规则。 这样的好处是，即使多次失败后，任务还在xxl-job中有保存。手动修复相关问题后还可以继续手工启动任务；（主要核心思路，xxl-job原生只支持在控制台提交定时任务。现在需要AI审核通过以后，自动提交转码任务。所以默认robot机器人账号登录xxl-job，触发一个一次性任务启动）

链表 字典 跳跃表

AOF指令集 每秒一次

appendfsync everysec # 每秒同步1次（默认，推荐）

appendfsync always # 每次写命令都同步（最安全，性能损耗最大）

appendfsync no

宕机

缓冲区不足

高吞吐量、低延迟、*高可用（多副本机制）*

多消费者模型

消息可靠

kafka最终一致性

---

---

---

---

注册中心 配置中心

服务发现

服务上线自动注册到注册中心，客户端去注册中心获取对方微服务地址

@EnableXxxx 系列 @EnableCache @EnableTransationManagement

接口可以有多实现，。 抽象类单继承

Set 无需不重复 List 有序重复

select count(*) from user group by age in having (12,30) 差不多就这些

主键一定唯一，唯一不一定主键

explain

手动 commit ； 异常调用 rollback；

ACID、可能存在；具体过期策略；

底层就是 setnx ex 命令

加锁 删锁 原子性 锁续期 锁粒度不能太粗

kafka 就是 mq

消息幂等性 业务保证。 识别消息唯一id，做防重复处理

发送一个重试队列中 重试

tail -f grep|“关键字”

ping

线程池 通过创建合适索引优化为行锁

短信api 系统会根据是否有回调 进行代码层面的重试

try-with-resource 避免内存泄露

其他就是阿里开发手册嵩山版

你就说了解就行

定位

• 用 ps -ef | grep 服务进程名 或 jps（Java 服务）确认进程是否存在，是否有异常重启（结合操作系统日志 /var/log/messages 或 dmesg 查看是否被 OOM 杀死）。

*JVM——jstack*

• 用 jstack <进程ID> 生成线程栈快照，搜索服务的业务线程（如 Tomcat 的http-nio-xxx线程、自定义线程池线程）。
• 重点关注状态为 BLOCKED（阻塞等待锁）、WAITING（无限期等待，如Object.wait()）、TIMED_WAITING（超时等待，如Thread.sleep()）的线程：
  • 若大量线程BLOCKED，查看是否在竞争同一把锁（如静态方法锁、单例对象锁），定位到具体代码行（栈信息会显示类和方法）。
  • 若线程WAITING在java.net.SocketInputStream.read，说明在等待外部服务（如数据库、第三方 API）响应，可能是依赖超时或未返回。
  • 若线程卡在java.io.FileOutputStream.write，可能是日志文件写入阻塞（如磁盘满、权限不足）。

skywalking也可以

*垃圾回收*

• 用 jstat -gc <进程ID> 1000 监控 GC 情况：若FGC频繁（每秒多次）且FGCT时间长（如每次几百毫秒），说明内存不足导致 GC 停顿，服务无法处理请求。
• 用 jmap -heap <进程ID> 查看堆内存配置（如新生代、老年代大小），确认是否因堆配置过小导致频繁 GC。
• 用 jconsole 或 jvisualvm 连接服务，实时查看线程状态、内存使用、GC 活动，定位阻塞点。

并行一起做，并发一个人做多个任务

---

---

反序列化的核心是：****读取序列化格式的数据（JSON/XML/ 二进制），并根据特定规则将其转换为编程语言中的对象****。具体步骤通常是：

1. 读取序列化数据（从文件、网络流、请求体等）。
2. 根据数据格式（如 JSON）选择对应的解析器（如 Jackson、Gson）。
3. 指定目标对象类型，解析器将数据映射为该类型的实例。

****在 Spring Boot 中通过******\*@RequestBody\******实现反序列化***

在 Spring Boot 的 RESTful 接口中，客户端发送的 JSON 数据会通过 HTTP 请求体传递，服务端通过@RequestBody注解自动完成*****JSON→Java 对象*****的反序列化，底层由 Jackson 库实现。

****1. 准备实体类（目标对象）****

首先定义与 JSON 数据结构匹配的 Java 类：

*泛型允许我们定义类、接口或方法时，指定一个类型参数，在具体使用时再确定实际类型。*

• java.nio.file 包及其相关包 java.nio.file.attribute 为文件 I/O 和访问默认文件系统提供了全面支持。虽然该 API 包含许多类，但只需关注少数几个入口点即可。因此 API 非常直观且易于使用。
• 如何学习？
  1. Path 类：路径、路径操作、相对/绝对路径
  2. Files 类：文件操作共有的基本概念、文件检查、删除、复制和移动

*1. 通过****\*Executors\*****工具类快速创建（常用）*

****固定大小线程池**** ***\*newFixedThreadPool\****

****(2) 缓存线程池**** ***\*newCachedThreadPool\****

****(3) 单线程池**** ***\*newSingleThreadExecutor\****

****(4) 定时任务线程池**** ***\*newScheduledThreadPool\****

****2. 直接使用******\*ThreadPoolExecutor\******手动创建（推荐，更灵活）***

****1. CPU 密集型任务****

• ****特点****：任务主要消耗 CPU 资源（如计算、排序、加密），几乎无等待时间。
• ****线程数设置****：≈CPU 核心数（或 CPU 核心数 + 1）。
• ****原因****：CPU 核心数是同时能执行的最大线程数，过多线程会导致上下文切换，反而降低效率。

****2. IO 密集型任务****

• ****特点****：任务包含大量 IO 等待（如数据库查询、网络请求、文件读写），CPU 大部分时间处于空闲状态。

• ****线程数设置****：≈CPU 核心数 ×2（或 CPU 核心数 /(1 - 阻塞系数)）。

• ****原因****：当一个线程等待 IO 时，CPU 可调度其他线程执行，充分利用 CPU 资源。“×2” 是经验值，本质是让 CPU 在 IO 等待期间不空闲。

• *****Spring*****是整个生态的核心框架，提供基础功能；

• *****Spring MVC*****是 Spring 框架的一个模块，专注于 Web 开发；

• *****Spring Boot*****是基于 Spring 框架的快速开发工具，简化配置。

****1. Spring（Spring Framework）****

• ****定位***：Java 开发的**核心基础框架***，提供依赖注入（DI）、面向切面编程（AOP）等核心特性。
• ****核心功能****：
  • ****IoC 容器****：管理对象的创建和依赖（BeanFactory、ApplicationContext）；
  • ****AOP****：实现日志、事务、权限等横切逻辑；
  • ****事务管理****：统一的事务控制（声明式 / 编程式）；
  • ****数据访问****：整合 JDBC、ORM 框架（MyBatis、Hibernate）。
• ****特点****：功能全面但配置繁琐（需 XML 或注解配置），需手动整合各模块。

****2. Spring MVC****

• ****定位***：Spring 框架的**Web 模块***，基于 MVC 设计模式的请求驱动型框架。
• ****核心功能****：
  • 处理 HTTP 请求（Controller、RequestMapping）；
  • 请求参数绑定、视图解析（JSP/Thymeleaf）；
  • 拦截器、异常处理；
  • 与 Spring 核心无缝集成（依赖注入、AOP）。
• ****应用场景****：开发传统 Web 应用或 RESTful API。
• ****特点****：需手动配置 DispatcherServlet、视图解析器等组件。

****3. Spring Boot****

• ****定位***：**Spring 的快速开发脚手架***，简化 Spring 应用的搭建和配置。
• ****核心功能****：
  • ****自动配置****：根据依赖自动配置组件（如引入 spring-boot-starter-web 则自动配置 Spring MVC）；
  • ****起步依赖****：整合常用依赖（如 spring-boot-starter-web 包含 Spring MVC、Tomcat 等）；
  • ****嵌入式容器****：内置 Tomcat/Jetty，无需部署 WAR 包；
  • ****Actuator****：监控应用健康状态、指标。
• ****特点****：“约定优于配置”，减少 XML / 注解配置，快速开发独立运行的 Spring 应用。

*一段时间*

*SELECT COUNT(*) AS total_likes*

*FROM likes*

*WHERE created_at >= ‘2023-10-01 00:00:00’*

*AND created_at < ‘2023-11-01 00:00:00’;*

spring AI Alibaba

*业务*

生产者异步发送

队列多分区

手动提交消费的偏移量

唯一标识 有的

内只取交集 用null 表示

range 范围ref 非主eqref index system ccollection map

hashmap hashmap concurrenthashmap

高级 for 这种也说下

获取 key 的 set 集合通过迭代器遍历 set 获取

直接 get

hash 碰撞 的时候

nacos openfeign sentinel gateway

配置中心和注册中心

检查服务名 @feignclient 上的注解是否与控制器保持一致 可以了

版本回退 git reset

让你说流程呢 直接说流程就行了下面我给你写好了

核心线程数 不够的话放阻塞队列 队列满了继续创建线程执行任务

五个 默认的拒绝跑出异常 拒绝不跑出异常 拒绝等待时间最长的任务 调用主程序的 自定义拒绝策略

20251121面试记录

先去开放平台申请–获取对应的key配置在项目中—本地项目那个公钥访问第三方的API

先说explain 再说说字段 type key key_len rows extra[using filesort]

MVCC redolog undolog binlog 实现事务的控制

基于kafka的最终一致性 解耦 A–执行完–发消息 B消费消息 并修改状态

基于seata的分布式事务解决方案

JVM: 就是虚拟机 分了三个子系统 类加载子系统 运行时数据区子系统 执行

用arthas 看 阿尔萨斯 配合 jstack 导出 堆的dump日志 查看 GC信息

高并发: 缓存 异步 队列

高可用: 熔断 降级 限流

end