高性能系统面试通常从一个具体症状开始：接口变慢、数据库 CPU 升高、消息开始积压，或者大促流量超过了现有容量。回答时先确认 QPS、P99、数据量和读写比例，再沿着请求链查入口、应用、缓存、数据库和消息队列，直接报出“加缓存、上 MQ、分库分表”很容易被继续追问。
这篇文章是 JavaGuide 高性能专题的复习入口，按流量入口、数据库优化、消息队列和综合系统设计四部分整理。每部分列出常见追问，具体原理和实现放在对应专题文章中。
复习时先抓住哪些问题？
模块需要讲清楚的内容常见追问方向流量入口怎样缩短用户访问距离，并把请求分配给可用节点CDN、回源、缓存策略、四层/七层负载均衡、调度算法数据库优化读写量和数据规模增长后，怎样定位并缓解数据库瓶颈SQL、索引、读写分离、分库分表、深度分页、冷热分离消息队列哪些任务可以异步处理，怎样应对突发流量可靠性、重复消费、顺序、积压、Kafka、RocketMQ、RabbitMQ综合设计如何从指标、瓶颈和业务约束推导方案容量、压测、一致性、成本、灰度和回滚
模块需要讲清楚的内容常见追问方向
模块
需要讲清楚的内容
常见追问方向
流量入口怎样缩短用户访问距离，并把请求分配给可用节点CDN、回源、缓存策略、四层/七层负载均衡、调度算法
流量入口
怎样缩短用户访问距离，并把请求分配给可用节点
CDN、回源、缓存策略、四层/七层负载均衡、调度算法
数据库优化读写量和数据规模增长后，怎样定位并缓解数据库瓶颈SQL、索引、读写分离、分库分表、深度分页、冷热分离
数据库优化
读写量和数据规模增长后，怎样定位并缓解数据库瓶颈
SQL、索引、读写分离、分库分表、深度分页、冷热分离
消息队列哪些任务可以异步处理，怎样应对突发流量可靠性、重复消费、顺序、积压、Kafka、RocketMQ、RabbitMQ
消息队列
哪些任务可以异步处理，怎样应对突发流量
可靠性、重复消费、顺序、积压、Kafka、RocketMQ、RabbitMQ
综合设计如何从指标、瓶颈和业务约束推导方案容量、压测、一致性、成本、灰度和回滚
综合设计
如何从指标、瓶颈和业务约束推导方案
容量、压测、一致性、成本、灰度和回滚
高性能优化没有固定的组件清单。相同的慢查询，可能源于缺少索引、深度分页、热点数据、连接池等待，也可能是下游接口拖慢了整条链路。先用指标确定瓶颈，再讨论方案和代价。
CDN 与负载均衡
CDN 把可缓存的内容放到离用户更近的边缘节点，减少跨地域传输和源站压力；负载均衡把进入系统的请求分配到多个服务实例。一个处理内容分发，一个处理请求调度，经常在系统设计题的入口层一起出现。
相关内容：
CDN 工作原理详解
负载均衡原理及算法详解
常见面试题：
CDN 为什么能降低访问延迟？哪些请求仍然需要回源？
HTML、带 Hash 的 JS/CSS、图片和下载文件应该怎样设置缓存？
缓存命中率下降或回源量突然增加时，应该检查哪些配置？
什么是负载均衡？四层和七层负载均衡分别工作在哪一层？
轮询、加权轮询、随机、最少连接数和一致性哈希怎样选择？
健康检查、连接排空和会话保持怎样影响节点上下线？
服务端负载均衡和客户端负载均衡有什么区别？
回答 CDN 问题时不要默认所有内容都适合长期缓存。HTML 如果引用了已经清理的旧静态资源，缓存时间过长会让用户拿到无法加载的页面；涉及用户身份和权限的动态响应还要防止跨用户缓存。
数据库性能优化
数据库变慢后，可以先看慢 SQL、执行计划、索引命中、锁等待、连接池和磁盘 I/O。单条查询还有优化空间时，直接分库分表只会把查询、事务和运维问题一起放大。读写分离和数据分片适合解决容量与吞吐问题，不能代替 SQL 和索引优化。
相关内容：
读写分离和分库分表详解
数据冷热分离详解
常见 SQL 优化手段总结
深度分页介绍及优化建议
常见面试题：
读写分离解决什么问题？主从复制和读请求路由怎样配合？
主从延迟会造成哪些业务问题？哪些请求必须读主库？
什么时候才需要分库分表？垂直拆分和水平拆分有什么区别？
分库分表后，跨库 JOIN、分页、排序、事务和扩容怎样处理？
分片键应该怎样选择？热点租户或热点商家会造成什么问题？
SQL 优化应该从慢查询日志、执行计划和索引中的哪一步开始？
哪些写法会导致索引失效？联合索引的字段顺序如何确定？
LIMIT offset, size 为什么会随页码变慢？游标翻页、延迟关联和覆盖索引怎样选择？
LIMIT offset, size冷热数据怎样划分？迁移期间如何处理双写、增量同步和数据校验？
这组问题经常追问一致性。读写分离会暴露主从延迟，分库分表会增加跨分片事务和查询成本，冷热迁移则要面对新旧存储短期并存。答案里要说明业务能容忍多长时间的不一致，以及出现错误后如何校验和补偿。
消息队列与削峰
消息队列可以把非实时任务移出同步调用链，并在流量突增时暂存请求。引入 MQ 后，调用关系变成异步，生产者确认、Broker 持久化、消费者处理和重试策略都会影响最终结果。
相关内容：
消息队列面试题总结
消息队列基础常见问题总结
Kafka 常见面试题总结
RocketMQ 常见面试题总结
RabbitMQ 常见面试题总结
Disruptor 常见面试题总结
常见面试题：
消息队列怎样实现异步、解耦和削峰？引入后会增加哪些问题？
一条消息从生产者到消费者，哪些环节可能丢失？
至少一次投递为什么可能产生重复消息？消费者如何保证幂等？
全局顺序和分区顺序有什么区别？顺序消费会牺牲哪些能力？
消息积压时，怎样区分生产突增、消费变慢、分区不足和下游故障？
Kafka 为什么吞吐量高？批处理、顺序写、页缓存和零拷贝分别起什么作用？
Kafka 的 ACK、副本和消费者位点怎样影响消息可靠性？
RocketMQ 事务消息解决什么问题？回查机制怎样处理未知状态？
RabbitMQ 的 Exchange、Queue、Binding 和 Routing Key 如何配合？
Disruptor 与跨进程消息队列有什么区别？它适合放在哪类进程内链路？
“消息不丢”不能只看 Broker 是否持久化。生产者发送后没有收到确认、消费者处理成功但位点提交失败、业务数据库写入后进程崩溃，都可能让消息丢失或重复。准备答案时要沿着整条传递链逐段说明。
综合系统设计题
系统设计题不会提前告诉你该用哪种组件。先确认业务目标和容量，再定位最可能的瓶颈；方案落地后还要用压测和监控验证，不能只用平均 RT 或单机 QPS 证明系统已经满足要求。
相关内容：性能测试入门
常见面试题：
如何设计一个高性能订单系统？查询、下单和异步任务分别怎样处理？
接口变慢时，如何利用 Trace、慢 SQL、线程池、连接池和系统资源指标定位瓶颈？
QPS、TPS、并发数、P95/P99 和错误率分别反映什么？
怎样从业务峰值估算容量，并为数据库、缓存、MQ 和下游接口留出安全水位？
缓存、读写分离、分库分表和消息队列应该按什么顺序引入？
优化上线后，怎样通过灰度、压测、监控和回滚验证效果？
性能提高后，一致性、可用性、成本和运维复杂度会发生什么变化？
社招和中高级岗位通常会继续追问项目证据。例如“优化后接口更快了”，需要补充优化前后的流量、延迟分位数、错误率、资源使用率、压测环境和观察周期。没有参与过的部分按学习结果回答即可，不要编造生产指标。
按准备时间安排复习
剩余时间建议安排复习目标1～2 天先过本文所有问题，优先补 SQL/索引、读写分离、分库分表和消息可靠性能回答高频问题，并说出每种方案的主要限制3～7 天补 CDN、负载均衡、深度分页、冷热分离及一种主流 MQ，再画一条完整请求链路能从瓶颈推导方案，遇到一致性和异常场景可以继续回答1 周以上阅读全部专题文章，结合项目整理一次性能问题的发现、定位、优化和验证过程能用真实指标说明选型、收益、代价和后续监控方式
剩余时间建议安排复习目标
剩余时间
建议安排
复习目标
1～2 天先过本文所有问题，优先补 SQL/索引、读写分离、分库分表和消息可靠性能回答高频问题，并说出每种方案的主要限制
1～2 天
先过本文所有问题，优先补 SQL/索引、读写分离、分库分表和消息可靠性
能回答高频问题，并说出每种方案的主要限制
3～7 天补 CDN、负载均衡、深度分页、冷热分离及一种主流 MQ，再画一条完整请求链路能从瓶颈推导方案，遇到一致性和异常场景可以继续回答
3～7 天
补 CDN、负载均衡、深度分页、冷热分离及一种主流 MQ，再画一条完整请求链路
能从瓶颈推导方案，遇到一致性和异常场景可以继续回答
1 周以上阅读全部专题文章，结合项目整理一次性能问题的发现、定位、优化和验证过程能用真实指标说明选型、收益、代价和后续监控方式
1 周以上
阅读全部专题文章，结合项目整理一次性能问题的发现、定位、优化和验证过程
能用真实指标说明选型、收益、代价和后续监控方式
写在最后
如果内容对你有帮助的话，欢迎顺手给 JavaGuide 点一个免费的 Star 支持一下：GitHub | Gitee。
JavaGuide 已持续维护近七年，累计 6100+ 次提交，来自 620+ 位贡献者共同完善。你的 Star、反馈和 PR，都是这个项目继续更新的动力。
如果你正在准备后端/AI 应用开发面试，也可以了解一下我的知识星球，里面包括后端和 AI 实战项目、简历优化、一对一提问和高频考点资料，已经持续维护六年。