海量用户的广告频控与去重设计
哪些公司问过
答案要点
- 把需求抽象为按用户、日期、广告维度的判重与计数
- 允许误判时用布隆过滤器,内存小但有假阳性且不支持删除
- 精确计数用 Redis Hash:key 为日期+用户,field 为广告 ID,HINCRBY 累加
- key 设置过期时间按天自动清理,只存广告 ID,广告详情与频控规则分开存
- 曝光写入走消息队列异步化,存储按用户 ID 分片,读侧加本地缓存
易错点
- 一上来用全量明细表或关系库存曝光记录,内存和查询都扛不住
- 用布隆过滤器却没说明假阳性和不能删除的限制
- 把广告详情冗余进每个用户的计数结构,导致存储膨胀
面试官常见追问
- 如果 Key 包含用户 ID 和日期,具体广告信息怎么存、怎么判重?
- 布隆过滤器的误判率怎么控制?
- 异步累加会不会导致超投?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。