大家好，我们在推进 Apache RocketMQ 在 AI 时代的新方向：让消息/事件流更好地服务 AI Agent 的事件驱动架构、实时 AI Context、以及 Data+AI 的链路编排与分析。RocketMQ 仓库在这里：https://github.com/apache/rocketmq我们想发起一轮社区共建与技术讨论，近期会围绕这些主题持续输出设计与 PR：AI MQ 方向：面向 Agent 的事件驱动模式、上下文/记忆的实时注入、可观测与追踪事件流与实时分析：RocketMQ/Kafka/SQL 流计算等场景的互操作与生态对接思路稳定性与 SRE 自动化：故障演练、容量治理、...

 找不到实习捏 

至今0offer

1. 上次一面聊了你的项目，能再深入说说项目中遇到的最大挑战吗？最大的挑战是处理秒杀场景的高并发问题。当时模拟了一个促销活动，瞬间有几千个请求抢购商品。最初的实现是直接查数据库库存，然后扣减，结果出现了超卖问题，而且数据库压力特别大，响应很慢。我分析后发现主要有三个问题：数据库成为瓶颈，库存扣减不是原子操作，没有做流量控制。解决方案是多层优化。首先把库存预热到Redis，用Lua脚本保证扣减的原子性。Lua脚本先判断库存是否充足，充足才扣减，整个过程是原子的。然后在网关层用Sentinel做限流，超过阈值直接拒绝。订单创建改成异步的，扣完库存就返回，通过RabbitMQ慢慢处理订单。还做了一些...