Java项目场景压力面看你能撑到第几轮
我看你简历里写了做过千万级用户的类似抖音的短视频社交平台，那我问下，你们平台用户刷首页推荐视频时，视频加载速度一般要求是比较高的，你们是怎么做到的？后台提前加载马上要推荐的几个视频。那视频推荐列表是实时计算的还是预生成的？用了缓存的话，缓存的是整个列表还是单条视频数据？如果某个视频被下架，怎么快速从推荐列表中移除？视频详情页要展示点赞数、评论数、分享数，这些数据是实时查数据库吗？高并发下会不会有性能问题？你们用了Redis的计数器吗？Redis 的 incr 命令如果遇到网络波动，导致计数重复累加怎么办？怎么保证Redis计数和数据库的一致性？评论系统支持用户回复和点赞，评论数据量很大，你们怎么存储的？分库分表。那分表的策略是什么？热门视频的评论有几万条，分页查询时是怎么优化的？如果用户跳页查询，这种场景怎么处理？用户上传视频后，需要经过转码、审核才能发布，这个流程是同步还是异步的？用了任务队列吗？如果转码任务失败了，怎么重试？重试次数有限制吗？大量失败任务堆积在队列里，怎么避免影响正常任务的执行？
平台有用户画像和兴趣标签，用于精准推荐，这些标签是怎么生成的？通过用户实时操作时做一些埋点数据给到后台做实时计算生成。那实时埋点数据怎么处理了？用了 Flink 或者 Kafka Streams 吗？如果用户行为数据突增（比如某热点事件），实时计算流处理任务怎么防止 OOM？
我看你项目里写为了降低数据库压力，做了多级缓存，那本地缓存和分布式缓存Redis是怎么配合使用的？本地缓存的失效策略是什么？如果分布式缓存更新了，怎么通知所有服务节点更新本地缓存？
视频内容有冷热之分，老视频访问量低但不能删，你们怎么存储这些冷数据？用了对象存储（比如 OSS）还是归档数据库？冷数据如果突然被大量访问（比如老视频因热点事件爆火），怎么避免缓存穿透和数据库压力激增？