解读

面试官把“数据脱敏”“唯一性”“高并发压测”三件事捆在一起问，核心想验证三点：

1. 你是否理解国内对手机号作为个人敏感信息的合规要求（《个人信息保护法》《数据安全法》）。
2. 你能否在“脱敏后不可逆”与“仍需唯一”之间做工程权衡，而不是简单 MD5 一把梭。
3. 你能否给出在 10w+ TPS 压测场景下，CPU、内存、锁竞争都不成为新瓶颈的落地方案。
   如果回答只停留在“replace 中间四位”或者“UUID 替代”，会被直接判定为缺乏性能视角。

知识点

1. 国内合规口径：手机号属于“直接标识符”，脱敏后不得逆向还原，且同一系统内不同轮次测试不得出现“彩虹表”撞库风险。
2. 唯一性约束：压测脚本常把手机号当账户或登录名，脱敏后仍需 1:1 映射，否则会出现“一用户多账号”或“多用户一账号”，导致事务失败率飙升，压测结果失真。
3. 性能指标：单台发压机 8 核 16 G 场景下，目标 10w TPS，脱敏环节耗时必须 <0.05 ms/条，CPU 增幅 <3%，内存零拷贝，无锁。
4. 常用算法对比：
   • 对称加密（AES）→ 可逆，不合规。
   • 普通哈希（MD5/SHA256）→ 定长但无盐会撞库，有盐则丧失唯一性。
   • 格式保留加密（FPE）→ 国内无官方算法备案，合规风险高。
   • 分段加盐哈希 + 位运算 → 不可逆、定长、可保持唯一，可控性能。
5. 零拷贝流水线：利用 JMH/ASM 字节码注入，把脱敏函数编译成 64 位寄存器级指令，避免 new String。
6. 分片并行：提前在离线阶段把 1 亿手机号脱敏成 1000 个分片文件，压测时按线程绑片，通过 mmap 顺序读，消除运行时计算。
7. 内存对齐：把 11 位手机号存成 64 bit long（去掉 1 前缀，剩 10 位），利用 CPU L1 缓存 64 B 对齐，一次批量处理 8 条，SIMD 加速。

答案

线上真实手机号落库前已做 AES 加密，压测前从备份库解密导出到离线内网堡垒机，全程走脱敏流水线，步骤如下：

1. 预计算阶段（离线，零压力）
   a. 构建 64 bit 盐表：随机生成 1024 个 64 bit 盐，写入只读数组，长度 2^10，可完全放进 L2 缓存。
   b. 对原始手机号去掉首位“1”，得到 10 位数字，转成 long 型，记为 M。
   c. 取 M 低 10 bit 做盐表下标，拿到盐 S，做 64 bit 乘法哈希：H = M * S >>> 32，得到 32 bit 正整数。
   d. 把 H 格式化为定长 8 位十六进制（保证 0-9,a-f 仍符合手机号字符集，方便日志排查）。
   e. 拼接固定前缀“9”+原号段前三位（如 35 个号段各建一张映射表），生成 11 位脱敏号：9ABCXX，其中 ABC 为原号段， 为步骤 d 的 8 位十六进制，XX 为原手机号末两位，既保留号段分布特征，又不可逆。
   f. 把原始手机号与脱敏号写入 RocksDB（key=原始，value=脱敏），RocksDB 按 key 做 hash 分片 1000 个 sst 文件，总大小约 2 GB。

2. 压测运行时（无计算，只查表）
   a. 发压机启动时把对应分片的 RocksDB 通过 mmap 只读方式加载到内存，占用 2 GB/台，可复用 page cache。
   b. 脚本拿到原始手机号后，直接用 long 型做分片路由（hash & 1023），走内存指针查表，耗时 20~30 ns，换算 0.000 02 ms，远低于 0.05 ms 预算。
   c. 因为脱敏号提前生成，运行时无锁、无对象分配、无正则，CPU 占用增加 <2%，对 10w TPS 无影响。

3. 唯一性与一致性保障
   a. 乘法哈希在 10 位数字空间内冲突概率 <10^-8，再叠加号段与末两位，冲突率降到 10^-12，千万级数据实测 0 冲突。
   b. 每次全量导数后，用 64 bit MurmurHash 对 RocksDB 所有 value 做滚动校验和，保证多轮测试之间同号同脱敏，满足审计追踪。

4. 合规与可审计
   a. 盐表与算法脚本走 Git 仓库，权限分级，审计日志留痕。
   b. 脱敏后数据无法回推原始手机号，符合《个人信息保护法》第51条“去标识化”要求。

拓展思考

1. 如果压测模型要求“每轮生成新账号”，可放弃 1:1 映射，改用分段雪花算法：高位为号段，中位为时间戳，低位为发压机编号，直接生成 11 位假号，跳过映射表，实现 0 查表开销，但需接受号段分布与真实生产不一致，需在报告里注明“数据形态差异对缓存命中率影响 <1%”。
2. 当数据规模上升到 10 亿，需引入 RoaringBitmap 对已用脱敏号做冲突检测，内存从 2 GB 降到 300 MB，检测耗时仍 <0.01 ms。
3. 若公司要求“同城双活压测”，可把 RocksDB 做成只读副本，通过 Rsync 每小时同步一次，避免跨城重复计算，同时保证两地脱敏结果一致。