“业务流程很复杂的系统，怎么避免 if-else 地狱？”——这是聊到业务项目时最经典的一问，标准答案是”用状态机”，再往深问就是策略模式、状态模式、Spring StateMachine。但教科书只讲到”怎么写”，没讲真实系统里真正的难点：状态机规则要不要允许工厂自己改？改了之后在途的单子怎么办？两个工人同时按按钮，状态会不会飞？
本篇拆这套 MES 的工单状态机——本系列业务味最浓的一篇。前一篇框架篇讲的是”所有页面怎么长一个样”，这一篇讲的是”一个工单从下发到完工，怎么在十几个状态之间安全地走完一生”。它的核心答案可能和很多人的直觉相反：这个系统里最重要的状态机不在 Java 代码里，而在一份可以按工厂配置的流程图 XML 里。
面试聊到业务项目，往上讲是架构（全景篇讲过）、往中间讲是机制（登录会话篇讲过），但真正拉开差距的往往是往下这一层：你和你的团队在业务代码之下沉淀过什么。”讲讲你们的框架封装””写过什么通用组件””反射和注解在实际项目里怎么用的”——这类问题考的不是背概念，而是你有没有真正维护过一套别人每天都在用的基础设施。
这套 MES 的业务代码之下确实压着这样一层：自研框架封装在私服 jar 里，业务仓库里看不到它的源码，但几十个业务模块的每一个列表页、每一个编辑弹窗、每一次字典翻译、每一处分页，都是它在背后撑着。本篇把它拆开：页面引擎怎么用 XML 元数据渲染出整个 EasyUI 界面，模型元数据怎么驱动通用 CRUD，查询管道怎么把反射、分页、字典翻译和 XSS 转义串成一条线——以及这套”半低代码”机制的账本，利和弊我都翻给你看。
面试官问”介绍一下你最有代表性的项目”，很多人的第一反应是把技术栈从前往后背一遍：”Spring Boot、Spring Cloud、MyBatis、Redis、RabbitMQ……”背完就冷场了。技术栈是名词，不是项目；面试官想听的是这套系统在解决什么问题、被拆成了什么形状、难题是怎么解的——而这恰恰是最难临时抱佛脚的部分。
所以我准备写一个”MES+WMS 面试备战”系列，把我手里这套跑了多年的制造执行系统（MES）加仓储管理系统（WMS）当成标本，由上至下拆架构、由下至上拆机制，翻来覆去把它讲透：每个模块为什么存在、每个技术选型解决了什么痛点、每个机制点背后埋着哪些面试考点。系列里大部分篇目会配真实的踩坑复盘，本文是第一篇——全景篇，目标是让读者不接触任何一行代码，也能在十分钟内回答”这套系统在做什么、长什么样、一个请求怎么走完全程”。
即使你做的不是制造业系统也没关系：多服务拆分、多租户隔离、状态机、异步事件、跨库数据一致性，这些问题的形状在任何行业的后端系统里都是一样的。本文做了脱敏处理，公司、客户、内网地址均不涉及。
接手 MES 系统的第一周就被一个问题教育了：这套系统是模型驱动的——页面、接口、校验规则全部由各模块的模型 XML 声明，启动时统一注册进内存容器。改一行 XML 想看效果？重启整个后端，喝完一杯水回来还没好。而所谓”改模型”恰恰是日常开发里最高频的动作。
于是写了一个两三百行的 Java Agent：改完 XML、mvn compile 落盘，运行中的 JVM 两秒内自动重载新模型，不用重启。这个项目体量很小，但把 Java Agent、Attach API、ClassLoader、NIO 文件监听这几块面试高频知识全部串了一遍。这篇文章拆解它的机制与原理，每部分附上对应的面试考点，文末还附一版按真实追问链演练的模拟面试——这个小项目完全可以当 JVM 方向的自我介绍弹药库。
制造系统里有个经典场景：工人手持终端扫一个箱码，点「生产入库」。那天接口卡了二十多秒，工人以为没点上，又点了一次——两次请求都成功返回，库里多了一模一样的两套库存：库存明细、状态表、入库记录、操作流水，四张表整整齐齐各两行。
代码里明明有查重校验（”当前条码已入库，不可重复入库”），为什么两次都没拦住？这篇文章完整复盘根因链：类级注解把整个入库方法包成一个大事务 → 事务内 MVCC 快照读对并发未提交的插入天然失明 → check-then-act 查重形同虚设 → 生产库唯一索引恰好是普通索引，最后一道兜底也不存在。以及修复方案里一个容易被一笔带过的细节：多条码批量提交时，为什么要按条码排序后依次获取锁才不会死锁。最后附上面试视角的问答拆解——这个问题几乎覆盖了 MVCC、锁、事务、隔离级别的全部高频考点。
上一篇《接口限流落地复盘》从工程师视角把”算法之外的一切”拆了个遍：拦截器在哪类应用会静默失效、身份从哪取、响应契约怎么对齐、Redis 挂了怎么办、落库不能成为新故障源。那是一篇”怎么做”的复盘。
这篇换三个座位重讲同一件事：架构师的视角负责问”该不该做、边界画在哪、哪些必须说 No”；产品经理的视角负责问”做了之后谁用、怎么用、能不能运营、价值怎么衡量”；高级工程师的视角负责问”落到代码里，哪些地方写着写着就会悄悄烂掉”。前两者决定方案成立与活下来，第三者决定它经不经得起十年老系统天天被每个请求穿过。
如果只把限流写成一个 RateLimiter 类，它只会躺在公共包里等人调用；只有把它做成”可运营的能力”、并用经得起磨损的工程手艺实现，它才会真正改变系统的可靠性水位。下半场不在代码里，在架构、产品与工程这三重视角里。
前面两篇分别讲了工程师视角的落地复盘和架构师与产品经理把它做成产品的下半场。这一篇换一个角度：把整套实现”拆零件”，逐个讲清楚代码里到底用到了哪些技术、为什么这么用、哪些是踩出来的。不堆概念，全部对应当时项目里的真实实现（@RateLimit 注解、RateLimitInterceptor、RateLimitService、RateLimitRuleCache、RateLimitApiIndexReporter 等）。
最近在一套服务端渲染的制造执行系统（Spring Boot 2.1 + Spring Cloud 老版本微服务，JSP + EasyUI 前端，十几个业务服务）里做了一个统一接口限流组件。起因不是优化诉求，是一次生产事故：疑似客户侧用脚本对系统做批量数据查询，请求洪峰把业务服务直接打死了。复盘时发现这类风险早有伏笔——一条库存流水查询接口带全表聚合，页脚汇总要六秒多，人手连点就能把它拖垮；另一个条码查询接口早被脚本连点过，业务同事在 Service 里手写了一段”十五秒内只许查一次”的私有判断，散落在业务代码里。事故只是把这些既有脆弱点一次性引爆。
做完整个工程回头盘点，一个感受越来越清晰：Redis 固定窗口计数是全部工作里最简单的部分，两个小时就写完了；真正花时间、真正值得复盘的，是算法之外的一切——拦截器在哪类应用里会静默失效、限流键从哪取身份、被拦的响应长什么样、Redis 挂了限流器怎么办、运维怎么不重启调参、前端怎么消化”被限流”这个新的失败模式。
市面上九成的限流文章在对比算法：固定窗口的边界突刺、滑动窗口的内存开销、令牌桶的突发容忍、再补一段 Lua 脚本保证原子性。这些内容对，但它们回答的是”怎么实现一个限流器”，而不是”怎么在一个跑了十年、前后端契约刻在化石里的系统里落地限流”。这篇文章讲后者。