160 lines
9.0 KiB
Markdown
160 lines
9.0 KiB
Markdown
# Gen2D — Q&A
|
||
|
||
> 按模块分布编排，贴近实际答辩场景。每个 Answer 已精简适配 PPT 展示。
|
||
|
||
---
|
||
|
||
## 一、系统架构（Q1–Q4）
|
||
|
||
**Q1：Gen2D 的整体架构是什么？**
|
||
|
||
A：采用经典分层架构，从浏览器请求到外部依赖共六层：Gin HTTP Server → Handler → Service 层（Eino Pipeline）→ 基础设施层（协程池/队列/事件总线）→ 领域模型 → 外部依赖（MySQL/Redis/CDN/AI API）。各层职责清晰、可独立替换。
|
||
|
||
**Q2：为什么选择异步任务 + SSE 推送的组合？**
|
||
|
||
A：AI 生成耗时 10~120 秒，如果同步调用会耗尽服务器连接。异步提交让 API 快速返回 taskId，后续通过 SSE 长连接推送进度，客户端可以自由离开并在后台接收更新。
|
||
|
||
**Q3：系统的依赖注入方式是什么？为什么没有使用 Wire/Fx 等框架？**
|
||
|
||
A：采用轻量级的 Set*/Init* 函数注入，在 main.go 中约 220 行完成全部注入。项目规模可控，框架级 DI 的复杂度收益比不高。
|
||
|
||
**Q4：配置管理是如何设计的？**
|
||
|
||
A：使用 Viper 实现三层级联：环境变量 > YAML 配置文件 > 代码默认值。容器化部署时可通过环境变量覆盖，开发时使用 YAML 集中管理，零配置也可启动运行。
|
||
|
||
---
|
||
|
||
## 二、并发控制与协程池（Q5–Q8）
|
||
|
||
**Q5：协程池的核心参数和默认值是什么？**
|
||
|
||
A：Worker 数量 = NumCPU × 4，任务队列容量 = 100，单用户最大并发数 = 2。IO 密集型场景推荐 4 倍 CPU 核数。
|
||
|
||
**Q6：什么是背压保护？Gen2D 为什么选择非阻塞拒绝而不是阻塞等待？**
|
||
|
||
A：当协程池队列满时立即返回 ErrPoolFull 错误并返回 HTTP 503，而不是等待有空位。因为用户期望快速反馈，且 AI 生成场景中用户可以重新点击提交——这种短暂的操作成本远低于服务器因连接堆积导致的雪崩风险。
|
||
|
||
**Q7：Per-user 限流的作用和实现机制是什么？**
|
||
|
||
A：防止单个用户占满整个协程池。实现上在 Submit 时就增加 userActive 计数预留槽位，任务完成后释放。这样即使 channel 还未取出任务，也能保证槽位一致性。
|
||
|
||
**Q8：协程池如何优雅关闭？**
|
||
|
||
A：收到 SIGINT/SIGTERM 信号后，先停止接受新任务（consumeCancel），再通过 wg.Wait 等待所有正在执行的 Worker 完成，超时时间为 30 秒。超时则部分任务可能丢失。
|
||
|
||
---
|
||
|
||
## 三、任务队列（Q9–Q11）
|
||
|
||
**Q9：任务队列的可插拔设计是什么意思？**
|
||
|
||
A：定义了统一的 TaskQueue 接口（Submit/Consume/Close），支持 MemoryQueue 和 RabbitMQQueue 两种实现。通过配置中的 `driver` 字段一行切换，单机开发用内存队列，生产环境用 RabbitMQ。
|
||
|
||
**Q10：MemoryQueue 和 RabbitMQQueue 的主要区别是什么？**
|
||
|
||
A：MemoryQueue 零依赖但无持久化和重试，进程重启任务丢失；RabbitMQQueue 消息持久化到磁盘、支持失败重试和手动 ACK，适合多机部署的生产环境。
|
||
|
||
**Q11：任务消息的结构中包含哪些关键字段？**
|
||
|
||
A：包含 TaskID、UserID、ProjectID、Input（PipelineInput）、CreatedAt 和 RetryCount。其中 Input 直接嵌入管线输入结构，反序列化后可直接传入；RetryCount 用于判断是否超过最大重试次数。
|
||
|
||
---
|
||
|
||
## 四、生成管线（Q12–Q16）
|
||
|
||
**Q12：生成管线的四个阶段分别是什么？**
|
||
|
||
A：第一阶段 PromptOptimizer（提示词优化，纯 CPU <1ms），第二阶段 AssetGenerator（AI 出图，IO 密集 10-120s），第三阶段 QualitySupervisor（质量检查 1-5s），第四阶段 FormatAdapter（格式适配/Cut/GIF 1-3s）。
|
||
|
||
**Q13：质量检测最多重试 3 次的策略依据是什么？**
|
||
|
||
A：第 1 次失败通常是 LLM 波动或偶发噪声，重试大概率通过；第 2 次失败说明提示词不够精确，重新优化后改善；第 3 次仍失败表示当前参数确实无法生成合格图片。超过 3 次降级到 FormatAdapter——宁可降级不可阻塞。
|
||
|
||
**Q14：AssetGenerator 的三级回退逻辑是什么？**
|
||
|
||
A：优先使用任务级参考图进行图生图，其次使用工程级参考图 URL 下载后图生图，最后回退到纯文生图。任意一级失败都尝试下一级，确保任务不阻塞。
|
||
|
||
**Q15：管线的安全机制有哪些？**
|
||
|
||
A：包括三个层面——Eino Graph 设置 WithMaxRunSteps(20) 防止无限循环，WorkerPool 设置 context.WithTimeout(10min) 控制任务超时，以及 context.Canceled 支持优雅关闭时取消执行中的管线。
|
||
|
||
**Q16：管线的全局状态是怎么管理的？**
|
||
|
||
A：通过 Eino 的 WithGenLocalState 注入 PipelineState 全局状态对象，各节点通过 StatePreHandler / StatePostHandler 读写状态。状态包含原始输入、最终提示词、质检结果、重试次数和路由目标。
|
||
|
||
---
|
||
|
||
## 五、精灵图处理（Q17–Q19）
|
||
|
||
**Q17：精灵图处理管线包含哪几个步骤？**
|
||
|
||
A：背景移除（白底/绿幕）→ 投影检测分割 → MinFillRatio 过滤空白帧 → trimAlpha 裁剪透明边框 → padToLargest 底部居中对齐 → GIF 预览生成。
|
||
|
||
**Q18：两阶段投影算法相比传统方法有什么优势？**
|
||
|
||
A：传统全局投影会因为武器、尾巴、翅膀等突出物被其他行"稀释"导致切割不准。两阶段算法先用全局行投影检测水平间隙，再在每个行段内独立计算列密度——相当于把二维问题拆解为多个一维子问题，避免跨行干扰。
|
||
|
||
**Q19：GIF Maker 的防鬼影机制如何实现？**
|
||
|
||
A：设置 DisposalBackground，每帧渲染前清除前一帧的内容。同时设置调色板索引 0 为透明色，LoopCount=0 实现无限循环播放。
|
||
|
||
---
|
||
|
||
## 六、SSE 实时推送（Q20–Q22）
|
||
|
||
**Q20：EventBus 的订阅模式有哪几种？**
|
||
|
||
A：两种——Subscribe(taskID) 按任务订阅，Buffer 容量 16，用于单任务实时进度；SubscribeAll() 全局订阅，Buffer 容量 64，用于工程级查看所有任务的混合视图，在 Handler 层按 projectID 过滤。
|
||
|
||
**Q21：为什么 EventBus 的 Publish 使用 non-blocking send？**
|
||
|
||
A：使用 select default 模式，当消费者 channel 缓冲满时静默丢弃事件。这是为了防止慢消费者拖慢管线执行速度，保证 Pipeline 的处理效率不受 SSE 推送影响。
|
||
|
||
**Q22：SSE 连接在什么条件下会自动关闭？**
|
||
|
||
A：两种情况——收到终态事件（completed/failed）时自动关闭；客户端断开连接时通过 c.Request.Context().Done() 触发 Unsubscribe 并退出。
|
||
|
||
---
|
||
|
||
## 七、可观测性（Q23–Q25）
|
||
|
||
**Q23：Gen2D 的可观测性体系覆盖哪些层面？**
|
||
|
||
A：共 35 个 Prometheus 指标分为六大组——HTTP 层、限流层、任务队列层、协程池层、Pipeline 业务层、基础设施层。配套 3 个 Grafana 仪表盘（Overview/Pipeline/Infrastructure）和 10 条告警规则。
|
||
|
||
**Q24：使用 FullPath() 而不是实际路径采集 HTTP 指标有什么用意？**
|
||
|
||
A：使用路由模板 `/api/v1/tasks/:taskId` 而非实际路径 `/api/v1/tasks/abc123`，避免高基数标签导致 Prometheus 内存爆炸。
|
||
|
||
**Q25：哪些告警是 Critical 级别需要立即处理的？**
|
||
|
||
A：PipelineSuccessRateLow（成功率低于 90%）、RedisDown（连接池为零）、RabbitMQDisconnected（断连）和 HighErrorRate（5xx 错误率超 5%）。这些表示核心功能或服务健康度出现严重问题。
|
||
|
||
---
|
||
|
||
## 八、限流与降级（Q26–Q28）
|
||
|
||
**Q26：双层限流的设计思路是什么？**
|
||
|
||
A：全局限流在前先检查系统总体配额（如 24 小时 500 次），通过后检查用户限流（如 24 小时 15 次）。这样可以先防止单一用户耗尽全局资源，再在用户层面做精细控制。
|
||
|
||
**Q27：为什么限流器选择 Fail-Open 而不是 Fail-Close？**
|
||
|
||
A：在"偶尔超限"和"完全不可用"之间，优先保可用性。Redis 故障时放行请求，超出配额的用户后续可以通过账单追缴；如果选择 Fail-Close，Redis 故障会导致所有用户都无法使用服务。
|
||
|
||
**Q28：三级降级链的第一、二、三级分别是什么？**
|
||
|
||
A：第一级 TaskQueue（持久化排队 + 分布式能力），第二级 WorkerPool（有界并发 + 用户隔离），第三级 Legacy FIFO（零配置串行兜底）。每一级都是前一级功能的超集，降级过程渐进、服务始终可用。
|
||
|
||
---
|
||
|
||
## 九、提示词工程（Q29–Q30）
|
||
|
||
**Q29：标签驱动提示词工程的工作原理是什么？**
|
||
|
||
A：内置 40+ 预定义标签分为 7 大类别（内容类型、美术风格、色调配色、线条粗细、场景氛围、光照效果、情绪基调），每条标签映射到精确的图像生成指令。系统将这些指令与用户描述、风格约束和技术参数组装为三段式提示词。
|
||
|
||
**Q30：为什么精灵图的网格布局需要特殊处理？**
|
||
|
||
A：如果不指定间隙要求，AI 生成的图片往往人物之间几乎没有空隙——人类艺术家为了最大化利用画布这样做，但机器无法从中推断分割边界。强制纯白间隙等于人为制造"裂缝"，让投影检测算法可以可靠地分离每帧内容。
|