1. 对于一个系统的接口层应该如何设计
数据校验与安全认证
严格校验入参（类型、长度、格式、合法取值），防止 SQL 注入和非法业务逻辑。
强制使用 HTTPS，采用 JWT 或 OAuth2.0 进行身份鉴权，并对敏感信息进行脱敏处理。
异步处理与可观测性
针对耗时长的非核心接口（如发送邮件、统计），采用 消息队列（MQ） 削峰填谷，立即返回“处理中”。
完备的日志（TraceId）和监控指标（QPS、RT、错误率），确保出问题时能快速定位。
应对接口泄漏与大量恶意请求
限流
接口层应当在网关层实现限流，在网关层设置阈值，过滤掉超额流量。
多维度限流： 不要只针对全局，要针对 IP、用户ID、API 路径 进行多重限制。
常用算法： 令牌桶（Token Bucket）： 允许一定程度的突发流量。
漏桶（Leaky Bucket）： 强制平滑流量，由于请求流出速率恒定，适合保护后续数据库。
黑白名单与封禁
动态黑名单： 配合监控系统，如果某个 IP 在短时间内触发了大量的 404 或限流错误，自动将其加入 Redis 黑名单封禁一段时间。
WAF（Web 应用防火墙）： 在接入层（如 Nginx/Cloudflare）阻断常见的攻击向量。
接口隐藏与动态化
URL 签名： 请求必须携带由私钥生成的 Signature，即使 URL 泄漏，攻击者无法伪造签名也无法调用。
接口动态化： 针对抢购等高危接口，URL 后缀可以加上由后端下发的随机 Hash 值，且具有时效性。
幂等性设计（用户重复点击、网络抖动）
前端防抖
点击按钮后置灰（Loading 状态），防止用户物理层面的连续点击。但这只是辅助，不能作为唯一手段。
后端幂等令牌
获取 Token： 进入页面时，前端向后端申请一个唯一的 UUID（Token）。
携带提交： 提交表单时在 Header 中携带此 Token。
校验逻辑：后端使用 Redis 的 SETNX 命令：SET key value NX EX 3600。
如果设置成功，说明是第一次请求，正常执行业务。
如果设置失败，说明是重复请求，直接返回“请勿重复提交”。
应对接口雪崩
如果后端业务逻辑执行慢，大量请求积压在接口层，会导致整个连接池耗尽。
超时控制（Timeout）： 设置合理的接口超时时间（如 3s），防止慢请求拖死线程池。
熔断与降级（Circuit Breaker）： 如果某个下游服务（如积分服务）持续报错，接口层应开启熔断，直接返回友好提示或默认值，不再调用下游。
隔离策略（Bulkhead）： 为核心业务接口分配独立的线程池，防止非核心接口的流量爆发影响核心业务。
2. 如何设计一个百万级QPS的接口
流量削峰与分层过滤
在百万级流量下，保护后端核心资源（如数据库）是第一优先级。
多级限流： * 接入层： 在 Nginx 或云网关（API Gateway）利用漏桶或令牌桶算法，丢弃非正常频率的请求。
应用层： 使用 Sentinel 或 Hystrix 对具体的接口、方法进行集群限流。
黑白名单与风控： 尽早拦截无效流量（如机器人、爬虫）。
请求合并： 将短时间内的大量同类读请求，在网关层合并为一个请求去访问底层服务，减少网络开销。
合理设计缓存（数据下沉）
百万 QPS 下，任何请求直接打到数据库都会瞬间造成系统崩溃。
多级缓存：
本地缓存： 使用 Caffeine 或 Guava Cache 缓存极热点数据，避免 Redis 的网络 IO 瓶颈。
分布式缓存： Redis 集群需采用分片（Sharding）架构，并配合多副本读写分离。
解决热点 Key 与缓存击穿：
热点探测： 实时监控高频访问 Key，动态将其推送到本地内存。
缓存预热： 流量洪峰到达前，提前加载数据。
数据压缩： 尽量缩减缓存 Value 的大小（如使用 Protobuf 替代 JSON），节省带宽。
极速接入层与弹性架构
单机承载能力有限，必须通过水平扩展和优化底层协议来应对流量。
无状态化： 保证应用节点不存储 Session 等状态，以便随时进行秒级水平扩容。
高性能网关： 采用 OpenResty、Go 或基于 Netty 的 Java 网关，利用非阻塞 IO 处理海量连接。
负载均衡策略： 使用四层负载均衡（LVS/DPDK）配合七层负载均衡（Nginx），分担解析压力。
长连接维护： 适当调大连接池，减少 TCP 三次握手的开销。
异步化与解耦
对于非强一致性的操作，必须遵循“先响应，后处理”的原则。
消息队列（MQ）： * 将写操作（如发券、日志、积分增加）投递到 Kafka 或 RocketMQ，实现流量平滑。
顺序与幂等： 确保消息消费的幂等性，防止重复执行。
异步编程： Java 内部使用 CompletableFuture 或 Reactor 模型，避免主线程在 IO 等待上浪费时间。
存储引擎优化
即使有了缓存，存储层也需要做最后的兜底准备。
读写分离与分库分表： 通过分片将压力分散到多个数据库节点。
批量写入： 数据库写操作尽量采用
Batch Insert减少磁盘 IO 次数。冷热隔离： 将近期活跃数据与历史数据分开存储，提升查询效率。
NoSQL 选型： 如果场景允许，优先使用 MongoDB、Cassandra 或 Elasticsearch 等擅长横向扩展的数据库。