面试官问：流量突然暴增100倍，系统怎么扛？我的方案是...

匿名上传

发布时间:2025-10-28 13:45:01

前言

大家好，我是大华。今天我们来聊一个经典面试题：

“如果你负责的系统，流量突然提升100倍，你会怎么办？”

这个问题看似具有一定挑战性，但实际上考察的是候选人的系统设计能力、应急处理思维以及实战经验。

不管是开发、运维还是系统架构师，这类高并发场景的处理思路都是必须掌握的核心能力。

我们下面一步步分析这个问题的解决方案。

一、为什么会突然流量暴增？

系统流量不会无缘无故就突然暴涨，常见原因有：

热点事件驱动：如明星八卦、重大体育赛事等突发新闻 商业活动推动：电商大促（双十一、618等）、大型营销活动 安全攻击：DDoS攻击、恶意爬虫等 产品特性爆发：抽奖活动、红包功能、病毒式传播内容

说白了就一句话：流量远超系统原有设计的容量，如果不及时处理会导致系统崩溃。

二、怎么办？先抗住，再优化！

我的应对原则是：
先保命，再治病。
也就是先保证系统不挂，再逐步优化。

下面我分几步来说，配合Java代码示例。

第1步：快速限流，别让流量打垮系统

流量突然冲进来，第一反应一定是：先拦掉一部分，保证系统不崩溃。

常用的限流方式：

计数器限流（简单粗暴）
滑动窗口限流（更平滑）
令牌桶算法（常用）
漏桶算法（均匀输出）

举个Java代码例子（用Google Guava的RateLimiter）：

import com.google.common.util.concurrent.RateLimiter;

public class RateLimiterDemo {
    // 每秒允许10个请求
    private static final RateLimiter limiter = RateLimiter.create(10.0);

    public void serveRequest() {
        if (limiter.tryAcquire()) {
            // 处理请求
            doBusiness();
        } else {
            // 直接返回“系统繁忙”，别让请求积压
            returnBusy();
        }
    }
}

第2步：服务降级，保核心弃次要

流量太大时，必须牺牲部分功能，保证核心流程畅通。

比如一个电商系统，你可以：

关闭推荐服务
关闭积分计算
关闭非核心弹窗

但下单、支付流程必须保住。

Java中可以用Hystrix或Sentinel做降级，简单版可以自己写个开关：

@Service
public class OrderService {
    @Autowired
    private ServiceDegradeConfig degradeConfig;

    public void createOrder(Order order) {
        if (degradeConfig.isRecommendServiceClosed()) {
            // 跳过推荐相关逻辑
            skipRecommendationLogic();
        }
        // 继续处理核心业务流程
        processCoreBusiness();
    }
}

第3步：缓存一切可以缓存的

缓存是抗高并发的神器。包括：

Redis缓存：热点数据全部放Redis，减少数据库压力
本地缓存：用Caffeine/Guava Cache，抗极端热点
页面静态化：比如商品详情页生成静态HTML

Java代码示例（Redis + Spring Cache）：

@Cacheable(value = "userCache", key = "#userId", unless = "#result == null")
public User getUserById(String userId) {
    return userRepository.findById(userId);
}

第4步：数据库优化，避免被打穿

数据库是最容易挂的一环。优化方式：

读写分离：主库写，从库读
分库分表：流量太大时可以考虑（但紧急情况下可能来不及）
SQL优化：避免慢查询
连接池调优：加大连接数（但别太大）

Druid连接池配置示例：

// 示例：Druid连接池配置
@Configuration
public class DataSourceConfig {
    
    @Bean
    public DataSource dataSource() {
        DruidDataSource dataSource = new DruidDataSource();
        dataSource.setMaxActive(100);    // 最大连接数
        dataSource.setMaxWait(1000);     // 最大等待时间(ms)
        dataSource.setTestWhileIdle(true);
        return dataSource;
    }
}

第5步：异步化，削峰填谷

把同步操作改成异步，用MQ消峰。

比如：用户下单后，先快速返回成功，然后通过MQ慢慢处理库存、短信通知等。

Java + RabbitMQ示例：

@Service
public class OrderService {
    
    @Autowired
    private RabbitTemplate rabbitTemplate;
    
    public void createOrder(Order order) {
        // 同步处理核心业务
        orderRepository.save(order);
        
        // 异步处理后续操作
        rabbitTemplate.convertAndSend("order.exchange", 
                                    "order.routingKey", 
                                    order);
    }
}