简历 preview
简历上 : 实现多实例部署下的 热榜 异步计算和查询
流程设计
需求分析 :
需要能够获取到最近7天 前100点赞的数据
模块分析 :
设计一个 RankService 支持获取 TopN 的操作
模块设计
-
提供一个基于 本地缓存 + Zset 实现的热榜设计 并且通过 分key 热点信息
-
提供一个离线计算的热榜服务, 使用小根堆进行维护数据 。使用分布式锁 启动时固定实例进行计算热榜
难点 & 亮点
问题 :
热榜服务要求高可用 高性能 以及处理较大的数据 怎么做到 ?
方案 :
-
使用 本地缓存 + Redis 的方式进行 处理高可用 。 如果本地缓存和redis 缓存都实效 加载本地已过期的进行兜底
-
较大的数据 可以采用 分key 的方式进行处理 。 或者通过业务折中的方式，例如 只考虑最近7天的 top 数据，最近 7 天可能最多也就100w条
问题 :
Zset 不可能进行较大数据量大计算, 这会给机器带来很大的压力
方案 :
-
采用定时任务 离线计算 。
-
使用 优先队列维护一个小根堆，固定 TopN 的数量。 每次分批进行获取数据加载计算
亮点 :
-
考虑在多实例部署的情况下, 可能会存在 多个实例同时计算一个热榜，并且每个热榜都会有细微的偏差。 使用分布式锁+自动续约的机制 控制同一时间只有一个 节点 在进行计算
-
使用 Hacknews 模型
Score = (p - 1) / (T + 2)^G公式进行计算热点信息。防止点赞数量被老贴市场霸占 -
在 Redis 存 TopN 的时候晴空 Content 避免占用较大的内存
缺点
-
缓存方式比较简单
-
强一致性不足
总分：62 / 100
按「2 年 Golang 后端」面试标准看：方向对、有架构意识，但深度不够、表述不严谨、经不起追问。能过初筛讲清故事，很难稳住深挖。
| 维度 | 分数 | 简评 |
|---|---|---|
| 问题定义与业务抽象 | 70 | TopN + 近 7 天边界清楚 |
| 架构设计完整性 | 65 | 多级缓存 + 离线计算主链路合理 |
| 技术细节与落地 | 50 | 缺关键实现、参数、边界条件 |
| 难点亮点说服力 | 68 | 锁、堆、HN 公式有亮点，但讲不透 |
| 表达与专业度 | 55 | 错别字、占位符多，像草稿 |
| 面试可追问准备 | 48 | 几乎没有「被问住」时的备用料 |
优点
- 主路径合理：查询走本地缓存 → Redis → 兜底；计算走离线 TopN + 小根堆，符合热榜常见做法，不是乱堆关键词。
- 有业务折中意识：用「近 7 天 / 约 100 万」控数据量，比硬扛全量排序更像有生产经验。
- 亮点选得对：多实例分布式锁、Hacker News 时间衰减、ZSet 不存 Content——这些正是面试官能追问的点。
- 主动暴露缺点：缓存简单、强一致不足，至少说明你知道系统边界，比只会吹「高可用高性能」好。
- 有架构图：比纯文字更容易在面试里讲清读写两条链路。
缺点（面试会被卡住的地方）
- 简历描述太空：「多实例部署下的热榜异步计算和查询」没有规模、指标、职责边界，面试官第一问就会要数字。
- 方案停在名词层：分 key、小根堆、分布式锁、自动续约都点到了，但缺：
- 分 key 规则（按天？按互动类型？怎么合并 TopN？）
- 堆的维护时机与批大小
- 锁用 Redis/etcd？续约失败怎么办？持锁实例挂了呢？
- 本地缓存过期后仍兜底，跨实例一致性怎么说？
- 公式只写了不解释：
Score = (p - 1) / (T + 2)^G里 p/T/G 含义、G 怎么选、和「点赞数排序」差在哪，不讲等于没亮点。 - 图文对不齐：图里有并发 Queue、分区、
forceGetLocal，正文几乎没展开，面试官对着图一问，你会空。 - 「高可用」论证弱：本地 + Redis 失效后用过期数据，是降级不是高可用；没有说明降级 SLA、空榜、穿透、击穿。
- 表达不专业：
xxxx、实效→失效、晴空→清空、Hacknews，会直接拉低可信度。 - 缺点写完就停了：「强一致性不足」没有影响面和为何可接受，像没想完。
建议（按面试准备优先级）
- 补一组可说的数字：数据量、TopN、计算周期、单次计算耗时、QPS、缓存命中率、锁超时/续约周期。没有真实数也要给合理量级。
- 准备 3 层回答：一句话结论 → 架构步骤 → 细节/权衡。例如「为何小根堆」：只要 Top100，堆复杂度 O(n log k)，比全量排序或大 ZSet 更合适。
- 把追问清单写进稿子，至少覆盖：
- 多实例本地缓存不一致怎么办？
- 计算中途失败，半成品会不会写进 Redis？
- 分 key 后如何得到全局 Top100？
- 锁续约失败 / 时钟漂移 / 脑裂
- 缓存击穿（热榜 key 过期瞬间）
- 讲清 HN 公式：老帖高赞为何会被新帖追上；G 调大/调小的业务含义。
- 把图里的并发 Queue 讲成 Go 实现：channel + worker pool、batch size、背压，对应 2 年经验该有的落地感。
- 润色表述：去掉占位符和错别字；简历改成「近 7 天 Top100 热榜：离线小根堆计算 + Redis ZSet + 本地缓存，分布式锁保证单实例计算」。
- 缺点改成「已知取舍」：例如强一致不必要，因为热榜允许分钟级延迟；用计算周期 + TTL 把最终一致说清楚。
面试官视角一句话
作为 2 年经验候选人，这份材料证明你做过热榜、懂分层和折中，但目前更像设计草稿，不像能扛 20–30 分钟深挖的面试稿。把「分 key / 锁续约 / 公式参数 / 并发队列 / 降级语义」补实，并清掉错别字，分数大概能到 75–80；再补上指标和失败场景，才比较稳。