阿里面试

现在系统压力其实不大，每天20万新增数据量也不大，每年哪怕单表新增千万级数据其实也还算可以接受。

第一个问题：如果假设你的系统承载的业务量翻了10倍，每天新增200万数据，你的系统架构要如何演进？

如果系统承载的业务量翻了100倍，每天新增2000万数据，你的系统架构要如何演进？

候选人：

我们还没这种需求，所以我暂时还没想过这个问题。

建议：

实际上这类问题在BAT、美团、京东等大公司里面试，都是常问的，为什么呢？

因为大公司里的系统面对的就是业务经常翻倍的增长，系统压力越来越大，所以每年都要做几次技术升级，一直要进行架构演进。

所以在互联网公司里，架构设计能力中非常关键的一环，就是针对业务增长，架构演进的能力是非常核心的。

你要有一个意识说如果你的业务量10倍增长，100倍增长，你的系统架构要如何演进？这几乎是资深工程师必须要有的一个意识和能力。

其实大家可以思考一下，如果10倍增长，单表每年新增近亿数据，还能用单库单表的方式来承载吗？

肯定不行了，所以必然针对10倍增长的场景，需要引入分库分表的技术，保证每个库每个表分散一定的数据量，避免单表单库数据量过大。

那么大家再思考一下，如果100倍增长呢，每年单表新增近10亿数据，你分库分表也不一定够了。因为此时可能会有高并发访问的问题，数据库抗起来很吃力。

此时，你要不要考虑数据异构、冷热分离等数据存储的架构设计？

比如采用MySQL分库分表 + 分布式NoSQL数据库 + Elasticsearch分布式搜索 + Redis缓存的架构，来整体设计这个数据存储架构。

先做冷热分离的架构，比如最热的数据放入分布式NoSQL数据库，专门承载当日数据的高并发写入，以及高性能的读写。

然后每过一段时间，做数据归档，把NoSQL里不再频繁使用的冷数据迁移到MySQL里去归档。

最后就是应对海量数据的检索，可以把索引构建在Elasticsearch里来应对，但是从NoSQL+MySQL的异构存储来提取明细数据即可。

而且针对一些特别热查询的数据，可以依托Redis做一个缓存。

其实那个P9面试官的面试评价里，期望的也是候选人把这一套架构说出来。虽然P6+的职级不一定说有能力完全hold住这个架构，但是起码要有这个意识。

结果候选人完全什么都说不出来，那当然会让人很失望了。

这位同学他们的系统有一部分的数据是放在特殊存储服务里的，用的是云平台上的存储服务，而且存放在存储服务里的数据还是很核心的数据。

所以面试官就开始问第二个问题了。

面试官：

你能说说你对这种特殊存储服务的理解吗，原理是什么？

你们用的云平台上的服务存储他的架构是什么样的，你们的存储是如何规划的？

候选人：

我一般是调用API往里面写数据，详细的还没太多关注过。

建议：

这是该同学犯的第二个错误，不说资深工程师，就说作为一个高级工程师，应该对自己负责的系统使用到的方方面面都有一定的了解。

比如你要是用了语音转换API，或者是快递公司的查询API，那你起码知道人家背后大致在干什么，或者问清楚人家API的QPS极限，以及访问量是多少。

你们用了特殊的存储服务，起码知道那种存储服务的实现原理是什么，存储的容量规划等等问题，这是一个高级工程师hold住自己工作的起码工作素养。

面试气氛尴尬，不过仍然继续。

面试官：

那你觉得这个系统最大的技术难点是什么？

候选人：

我想想（思索10秒后），好像没什么难的，主要就是一些接口，然后数据就落入数据库了。

建议：

大公司面试一定会问你系统的难点是什么，这代表你的项目经验有多少含金量。

哪怕你们项目很Low，平时也得想办法弄点新技术进去，没难点也要凑点儿难点出来，否则去面试必然给人鄙视。

举个例子，比如上面的这个系统，实际上他有一个步骤是要做数据迁移，也就是说把数据库里可能几百万数据量，一次性迁移到另外一套存储里去

那么这个数据迁移的步骤，其实涉及到千万级的数据量迁移。

你如何保证数据迁移的效率？如何保证迁移后的数据准确性？在迁移的过程中如何避免影响数据库的性能？

像这些问题，其实你平时都应该考虑一下，作为一个技术难点好好阐述一下吧。

那你说说你认为自己最擅长最有深度的技术吧？

候选人：

我好像平时自己用MQ技术比较多一些。

面试官：

那你说说Kafka、RabbitMQ、RocketMQ几种MQ的对比，还有他们各自的原理。

它们分别如何实现分布式消息队列架构的，底层的机制都聊一下，对比一下特点以及优缺点。

建议：

大公司一定会考察你的技术深度，一般就是对你平时用的最多，或者最熟悉的技术深入挖掘和考察，看你的技术深度有多深。

结果这个同学自己说了MQ，但是对MQ的了解实际上非常的浅薄，深入的东西都说不出来，那么最后一定就是让面试官很无语了。