Java面试现场：从Redis缓存到分布式事务，水货程序员李四的‘表演‘

Java面试现场从Redis缓存到分布式事务水货程序员李四的表演场景某互联网大厂Java工程师面试现场严肃的面试官正在面试一位名叫李四的求职者。第一轮面试Java核心与基础面试官李四先简单介绍一下Java中的HashMap底层实现原理吧李四自信地这个我知道HashMap是基于数组链表红黑树实现的JDK1.8之后引入了红黑树优化。它通过hash函数计算key的存储位置当链表长度超过8时转换为红黑树提高查询效率。面试官点头不错基础还可以。那ArrayList和LinkedList的区别是什么分别在什么场景下使用李四ArrayList基于动态数组查询快增删慢LinkedList基于双向链表增删快查询慢。一般查询多用ArrayList增删多用LinkedList。面试官很好。那再说说JVM的垃圾回收机制你知道哪些垃圾回收算法李四思考状有标记-清除、复制、标记-整理还有分代收集算法。年轻代一般用复制算法老年代用标记-整理或标记-清除。面试官基础掌握得不错。那我们来聊聊多线程synchronized和ReentrantLock有什么区别李四synchronized是关键字自动释放锁ReentrantLock是类需要手动释放。ReentrantLock支持公平锁、可中断等待、多条件变量等高级功能。第二轮面试框架与中间件面试官很好基础部分你回答得不错。现在我们来聊聊SpringSpring的IOC和AOP你是怎么理解的李四稍显紧张IOC就是控制反转把对象的创建和依赖关系交给Spring容器管理。AOP是面向切面编程用于抽取横切关注点比如日志、事务、权限等。面试官那Spring Boot的自动配置原理呢李四含糊地嗯...通过EnableAutoConfiguration注解扫描META-INF/spring.factories文件加载自动配置类然后根据条件注解Conditional决定是否生效...面试官追问具体是怎么实现条件判断的李四支支吾吾这个...好像有ConditionalOnClass、ConditionalOnBean这些注解...具体细节我有些记不清了。面试官没关系。那说说Redis吧在电商场景中我们常用Redis做缓存缓存穿透、缓存击穿、缓存雪崩怎么解决李四眼睛一亮这个我熟缓存穿透用布隆过滤器或缓存空值缓存击穿用互斥锁或热点数据永不过期缓存雪崩用随机过期时间、多级缓存、限流降级等策略。面试官很好回答得很全面。那Redis的持久化机制了解吗李四有RDB和AOF两种。RDB是快照式持久化AOF是日志追加式。生产环境一般两者结合使用。第三轮面试分布式与系统设计面试官很好现在我们聊聊分布式场景。在电商下单场景中如何保证订单创建和库存扣减的数据一致性李四思考状可以用分布式事务。比如用Seata框架的AT模式或者用消息队列实现最终一致性。面试官具体说说AT模式的原理李四含糊地AT模式好像是基于undo log的...先执行业务SQL生成反向SQL保存...然后提交事务...如果失败就回滚...面试官那如果用消息队列如何保证消息不丢失李四用RabbitMQ的话可以开启生产者确认、持久化、消费者手动确认。还可以配合本地消息表保证可靠性。面试官不错。最后一个问题假设我们要设计一个秒杀系统你会考虑哪些技术点李四兴奋地这个我会前端限流、验证码后端用Redis预扣库存、消息队列异步下单、数据库乐观锁还有限流降级、分布式锁防止超卖...面试官微笑嗯思路还不错。不过我看你对某些底层原理理解还不够深入特别是Spring Boot自动配置和分布式事务的细节。今天先这样吧你先回去等通知有结果会通知你的。李四失望地好的谢谢面试官...面试题详细解析第一轮Java核心知识1. HashMap底层实现原理业务场景电商购物车商品存储、用户信息快速检索等需要高效键值对存储的场景。技术点数据结构JDK1.7是数组链表JDK1.8是数组链表红黑树工作流程通过hash(key)计算数组下标如果hash冲突则形成链表链表长度超过8且数组长度64转为红黑树扩容机制负载因子0.75扩容时容量翻倍重新hash分布线程安全HashMap非线程安全并发环境使用ConcurrentHashMap2. ArrayList与LinkedList区别业务场景ArrayList适合随机访问多的场景如商品列表分页查询LinkedList适合频繁增删的场景如消息队列实现。技术点ArrayList基于动态数组内存连续支持随机访问时间复杂度O(1)扩容时需要数组复制LinkedList基于双向链表内存不连续增删时间复杂度O(1)已知位置但查询需要遍历选择建议大多数场景用ArrayList除非明确需要频繁在头部/中间插入删除3. JVM垃圾回收算法业务场景高并发电商系统、大数据处理平台等内存密集型应用。技术点标记-清除产生内存碎片适合老年代复制算法没有碎片但浪费一半内存适合年轻代标记-整理没有碎片但需要移动对象适合老年代分代收集根据对象生命周期划分年轻代和老年代采用不同算法4. synchronized与ReentrantLock区别业务场景库存扣减、订单状态更新等需要线程安全的场景。技术点synchronizedJVM内置锁自动释放非公平锁不可中断ReentrantLockAPI锁需要手动unlock支持公平/非公平可中断可超时支持多条件变量选择建议简单同步用synchronized需要高级功能用ReentrantLock第二轮框架与中间件5. Spring IOC和AOP业务场景企业级应用开发解耦业务组件统一处理日志、事务、权限等横切关注点。技术点IOC控制反转将对象创建和依赖管理交给Spring容器实现松耦合。通过DI依赖注入实现有构造器注入、setter注入、字段注入AOP面向切面编程基于动态代理JDK代理或CGLIB将横切逻辑与业务逻辑分离应用场景事务管理Transactional、日志记录、权限检查、缓存等6. Spring Boot自动配置原理业务场景快速开发微服务减少XML配置约定优于配置。技术点核心注解SpringBootApplication SpringBootConfiguration EnableAutoConfiguration ComponentScan加载机制EnableAutoConfiguration通过AutoConfigurationImportSelector加载META-INF/spring.factories中的自动配置类条件注解ConditionalOnClass、ConditionalOnBean、ConditionalOnProperty等控制配置生效条件优点开箱即用减少样板配置方便扩展7. Redis缓存问题解决方案业务场景电商商品详情页、用户会话管理、排行榜等高并发读取场景。技术点缓存穿透查询不存在的数据直接打到数据库。解决方案布隆过滤器、缓存空值设置短过期时间缓存击穿热点key过期大量请求打到数据库。解决方案互斥锁setnx、热点数据永不过期、逻辑过期缓存雪崩大量key同时过期。解决方案随机过期时间、多级缓存、限流降级、Redis集群高可用8. Redis持久化机制业务场景数据可靠性要求高的场景如金融交易、用户资产记录。技术点RDB快照式定期保存内存数据到磁盘恢复快但可能丢失数据适合备份AOF日志追加式记录每个写操作数据完整性好但文件大恢复慢混合持久化Redis 4.0支持AOF重写时使用RDB格式兼顾恢复速度和数据完整性第三轮分布式与系统设计9. 分布式事务解决方案业务场景电商下单涉及订单创建、库存扣减、积分增加等多个服务的数据一致性。技术点2PC/3PC强一致性但性能差存在单点问题TCCTry-Confirm-Cancel业务层面实现灵活性高但开发复杂本地消息表最终一致性可靠但实现复杂事务消息基于RocketMQ等中间件最终一致性对业务侵入小Seata AT模式基于undo log的自动补偿对业务无侵入适合关系型数据库10. RabbitMQ消息可靠性保证业务场景订单超时取消、异步通知、日志收集等需要可靠消息传递的场景。技术点生产者确认publisher-confirm到达Exchange、publisher-return到达Queue消息持久化Exchange、Queue、Message都设置持久化消费者确认手动ACK处理成功后确认失败则重试或进入死信队列高可用镜像队列或Quorum队列保证节点故障消息不丢失11. 秒杀系统设计要点业务场景电商大促、新品发售等高并发抢购场景。技术点前端静态化、CDN加速、按钮防重、验证码网关限流令牌桶、漏桶、风控、黑名单服务层Redis预扣库存、消息队列异步下单、分布式锁防超卖数据库乐观锁、分库分表、读写分离降级熔断Sentinel/Hystrix限流降级保证核心服务可用总结面试中基础知识要扎实特别是集合框架、JVM、多线程等核心知识点。对于框架和中间件不仅要会用还要理解底层原理。在分布式场景中要结合实际业务思考技术选型和架构设计。李四虽然基础不错但在深度理解上还有欠缺这也是很多初级开发者的通病。建议在学习时多问为什么理解技术背后的原理和设计思想。