前言：

Hi，朋友！你是否吐槽过，找Java初级开发的工作都要高并发经验，但平时工作里根本没机会接触这种项目。大多数项目并没有那么多并发需求，那如果真的碰到这种面试，怎么应对呢？这里简单总结高并发相关技巧，让面试官给你竖起大拇指。

下面说一说相关高并发的知识。

系统的稳定性

对应高并发首要考虑的任务是系统的稳定性，也是必须保证的问题点。

限流和熔断：防止流量高峰时系统崩溃。可以用像 Sentinel、Hystrix 这样的工具来控制流量和自动熔断，防止雪崩效应。

降级策略：某个功能扛不住时，可以先让它“休息”一下，比如返回缓存数据或者提示用户功能暂时不可用。

实际面试的时候，可以说为了应对大流量的冲击，采取了限流和熔断的措施，比如我们的什么什么服务(真实业务中的不重要的服务)，在什么什么时候（大流量场景，比如双11），就直接限流了。什么什么服务，就直接熔断和降级。 意思就是提出一个论点的时候，提一小段故事，来佐证你的说法。面试官其实也喜欢听故事。

资源争抢与锁竞争

高并发场景下，资源争抢问题尤其严重。

数据库并发控制：用乐观锁或者悲观锁来防止数据被同时修改出问题。比如，用版本号或者时间戳来确保数据更新的正确性。一般数据库添加乐观锁和悲观锁的操作运用的还是比较少的，我们常常在业务中添加分布式锁加以控制和处理。

分布式锁：在分布式系统中，避免多个节点同时操作同一资源。可以用 Redis 或 Zookeeper 实现分布式锁。

缓存的优化设计

缓存穿透、击穿和雪崩：缓存不命中、大量请求涌入数据库时，系统压力会很大。可以用布隆过滤器（Bloom Filter）避免无效查询，用多级缓存架构（比如 Redis 加本地缓存）来分担压力。

缓存更新策略：比如用双写策略或者异步更新，甚至是基于消息队列的延迟双删策略来保证缓存和数据库的数据一致性。

为了体现自己真的做过缓存的优化设计，可以提一下穿透，击穿和雪崩。这些内容网上有很多可以参考，记住这些名词的含义并加深理解。

数据库压力和优化

读写分离：将读请求和写请求分散到不同的数据库实例上，以减轻主库的压力。

分库分表：当一张表的数据太多时，可以水平分表或者垂直拆分，同时要注意分片键的选择。

索引和查询优化：创建合适的索引，避免全表扫描和大范围查询，提升查询效率。

分库分表其实大部分业务就有吧，面试的时候注意，分库分表的条件是什么。提前想清楚，答得时候顺口而出就行。别想，想了就是假的了。

队列和异步处理

消息队列：使用消息队列（如 Kafka、RabbitMQ）将瞬时的大量请求缓冲起来，再让消费者慢慢处理，这样可以平衡系统的负载。

异步任务处理：将一些不需要实时处理的任务放到后台，让主业务流程更流畅。

消息队列用应用场景有很多，想清楚自己系统用得具体是那个MQ，然后记录一次大量请求到来得时候，服务花费了多久处理完了，还引起了什么小问题。比如我们，阿里给我们突然返回了所有订单信息，导致mq一直在处理这个业务，我们仓库发过来得信息一直在淤塞，有那么一段时间，两个系统得数据是不一样得。就是举个小例子，使人更加信服，毕竟我们在吹牛。

前端优化和静态资源处理

前端静态资源优化：用 CDN 和缓存技术减少服务器请求量。合理配置浏览器缓存策略（如 ETag、Cache-Control），降低服务器负担。

前后端分离：前端和后端完全分离，减少后端资源消耗，提高系统的整体性能。

前后端分离么，就是为了获取前端资源更迅速，提升整体得性能。

应用服务扩展与容器化

服务扩展：通过增加实例数量来提升系统处理能力，可以使用 Kubernetes 等容器化平台实现自动扩展。

微服务拆分：将一个大的应用拆分成多个微服务，每个微服务专注于自己的一块业务，这样可以减少资源竞争和锁问题。

日志和监控

全链路监控：通过 APM 工具（如 SkyWalking、Zipkin）进行全链路监控，及时发现和定位性能瓶颈。

日志分析：利用 ELK 等日志分析系统，实时监控系统状态，帮助分析故障原因。

连接池和线程池管理

数据库连接池：合理配置数据库连接池的大小，避免连接数耗尽导致系统崩溃。

线程池管理：用合适的线程池（如 JDK 自带的 ThreadPoolExecutor），合理配置核心线程数、最大线程数和队列长度，避免线程耗尽或任务丢失。

安全性与防护

流量防刷：通过验证码、IP 黑白名单、行为分析等手段，防止恶意流量攻击。

数据防篡改：对关键数据进行签名校验或一致性校验，防止并发下数据被非法篡改。

总结

虽然这些概念听起来很高大上，但实际操作时也不见得有多复杂。面试时，把这些要点记住并加以用自己的话进行说明，最好下面打磨理解一下，被问到脱口而出，可以足以体现你是有真实经验的。