请谈谈你在实际项目中是如何设计和实现 IP 黑名单拦截功能的？可以结合具体的技术栈和方案来说明。
考察说明
考查候选人对常见安全需求的实际实现能力，包括技术选型、数据结构和性能考量。
回答思路
- 【回答框架 1】IP 黑名单拦截的核心是维护一个黑名单集合，并在每个请求到达时检查来源 IP 是否命中。常见方案包括使用内存中的 Set（如 HashSet）或基于数据库查询。内存方案速度快，适合中小规模黑名单；数据库方案适合大规模和动态更新，但需要引入缓存以降低延迟。
- 【回答框架 2】实现时通常结合过滤器（Filter）或拦截器（Interceptor），在请求处理链路的最前端进行校验。对于命中黑名单的 IP，直接返回拒绝响应（如 403），不进入后续业务逻辑。
- 【回答框架 3】为提高查询效率，可使用布隆过滤器（Bloom Filter）作为前置判断，先快速排除大部分不在黑名单中的 IP，再对可能命中的 IP 进行精确校验。布隆过滤器存在误判率，但能显著节省内存。
- 【回答框架 4】动态更新黑名单时，需要考虑并发和一致性。可以使用 ConcurrentHashMap 或 ReadWriteLock 保证线程安全；若采用数据库存储，可定期同步或在更新后刷新缓存。
- 【回答框架 5】在分布式场景下，可以使用 Redis 的 Set 结构存储黑名单，利用其原子操作和过期时间（TTL）实现集中管理和自动过期，适合多实例部署的 Web 服务。
- 【关键点 1】技术选型需权衡：内存集合适合静态中小规模，Redis 适合分布式动态场景，布隆过滤器可优化空间。
- 【关键点 2】拦截位置应在请求处理入口，避免命中黑名单的请求消耗业务资源。
- 【关键点 3】线程安全与并发更新是内存方案的关键，需使用 ConcurrentHashMap 或锁机制。
- 【关键点 4】在分布式系统中，Redis 的 Set 和 TTL 可实现统一管理和自动清理。
- 【关键点 5】布隆过滤器的误判率需与业务风险权衡，通常用于辅助精确校验。
- 【易错点 1】只使用精确匹配的 Set 在大规模黑名单下内存占用过高，需考虑压缩或布隆过滤器优化。
- 【易错点 2】直接查询数据库而未加缓存，可能在高并发时导致性能瓶颈。
- 【易错点 3】忽略并发问题会导致更新时数据不一致，需使用线程安全集合或加锁。