Java大厂面试实录：从Spring Boot到微服务架构，谢飞机的三轮闯关记

面试官：王总（某互联网大厂技术总监，严肃认真） 求职者：谢飞机（水货程序员，自信满满但技术半吊子）

【第一轮面试：Java基础与Spring Boot】

场景设定：面试开始，王总翻开简历，抬头看了一眼紧张兮兮的谢飞机。

王总：（面无表情）谢飞机是吧？看你简历上写做过电商项目，那我们就从电商场景聊起。先问几个基础问题。

王总：第一个问题，你在电商项目里肯定用过HashMap来缓存商品信息，那你说说HashMap的底层实现原理？

谢飞机：（眼睛一亮，这题我背过！）王总好！HashMap底层是数组+链表+红黑树实现的。当发生哈希冲突时，链表长度超过8且数组长度超过64就会转成红黑树，这样查询时间复杂度从O(n)降到O(log n)。put的时候先算hash值，通过(n-1)&hash定位数组位置...

王总：（微微点头）嗯，基础还不错。那Spring Boot的自动配置你了解吗？我们项目大量使用Spring Boot，你来说说@SpringBootApplication注解背后做了什么？

谢飞机：（继续自信）这个我也知道！@SpringBootApplication是个组合注解，包含@SpringBootConfiguration、@EnableAutoConfiguration和@ComponentScan。核心是@EnableAutoConfiguration，它会通过SpringFactoriesLoader加载META-INF/spring.factories文件中的配置类，根据@Conditional注解判断是否生效...

王总：（露出赞许的微笑）不错，看来基础功课做得可以。最后一个问题，电商秒杀场景下并发量很大，你用过线程池吗？说说线程池的核心参数有哪些？

谢飞机：（拍胸脯）线程池我太熟了！7个核心参数：

  • corePoolSize：核心线程数
  • maximumPoolSize：最大线程数
  • keepAliveTime：空闲线程存活时间
  • unit：时间单位
  • workQueue：工作队列
  • threadFactory：线程工厂
  • handler：拒绝策略

当任务来时，先判断核心线程是否满，满了就放队列，队列满了就创建非核心线程，都满了就执行拒绝策略！

王总：（满意地点头）很好，基础很扎实。那我们进入下一个环节...

【第二轮面试：微服务与中间件】

场景设定：王总喝了口茶，表情开始变得严肃。

王总：基础不错，现在我们聊聊实际业务场景。我们有个电商秒杀系统，高峰期QPS能达到10万+。第一个问题，如何用Redis保证秒杀时的库存一致性？

谢飞机：（开始有点虚）呃...这个...用Redis的话...就是先把库存预加载到Redis里，然后用...用那个...decr操作？对，用decr原子操作来扣减库存，这样可以保证...保证不超卖...

王总：（皱眉）只是decr吗？如果Redis和数据库数据不一致怎么办？

谢飞机：（擦汗）那就...那就用消息队列异步同步？或者...用那个分布式锁？

王总：（叹气）好吧，那你详细说说分布式锁怎么实现？

谢飞机：（更加紧张）分布式锁...用Redis的话就是用setnx...设置一个key...然后设置过期时间...防止死锁...具体实现类是...是Redisson？

王总：（摇头）说得不够清晰。那我们换个话题，你们项目用Dubbo做服务治理吗？说说Dubbo的服务调用流程？

谢飞机：（含糊其辞）Dubbo的话...消费者调用...然后通过注册中心...找到提供者...然后RPC调用...具体流程是...是那个...序列化、网络传输、反序列化...

王总：（明显不满意）太笼统了。最后一个问题，我们系统用Kafka做消息队列，如果出现消息积压怎么处理？

谢飞机：（开始胡扯）消息积压...那就增加消费者？或者...优化消费逻辑？或者...扩容？具体方案我...我项目中没遇到过这种情况...

王总：（面无表情记录）好的，我们进入最后一轮...

【第三轮面试：分布式架构与系统设计】

场景设定：王总合上简历，眼神犀利。

王总：最后一轮，我们聊聊系统设计。假设让你设计一个支持百万并发的电商秒杀系统，你会怎么设计整体架构？

谢飞机：（彻底懵圈）百万并发...这个...首先...要用微服务架构...然后...用Redis缓存...再用...用消息队列削峰...具体怎么设计...我...我画不出来...

王总：那分布式事务怎么保证一致性？比如秒杀下单，要同时扣库存、创建订单、扣余额，怎么保证这三个操作要么全成功要么全失败？

谢飞机：（开始瞎编）分布式事务...用...用2PC？或者...那个...TCC？还是...Saga？具体实现...我...我用的是本地事务...

王总：（摇头）最后两个问题。第一个，Spring AI你了解吗？我们准备在电商系统中引入AI智能客服。

谢飞机：（完全不知道）Spring AI...是...是Spring框架的AI模块吗？我...我没用过...

王总：那MCP协议呢？Model Context Protocol？

谢飞机：（一脸茫然）MCP...是...是Microservice Communication Protocol吗？

王总：（叹气，合上笔记本）好了，今天的面试就到这里。你的基础还可以，但在分布式架构和新技术方面还有欠缺。我们会综合评估，三天内给你答复，你先回去等通知吧。

谢飞机：（尴尬起身）好的好的，谢谢王总，那我等您通知...

【技术详解：让小白也能学会】

一、HashMap底层原理

业务场景：电商系统中缓存商品信息、用户会话等

技术要点：

  1. 数据结构：JDK1.8采用数组+链表+红黑树
  2. 哈希计算：(key.hashCode() ^ (key.hashCode() >>> 16)) & (n-1)，高位参与运算减少冲突
  3. 树化条件：链表长度≥8 且 数组长度≥64
  4. 扩容机制：容量翻倍，重新hash分布
// 核心put流程
public V put(K key, V value) {
    return putVal(hash(key), key, value, false, true);
}

static final int hash(Object key) {
    int h;
    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}

二、Spring Boot自动配置原理

业务场景：快速搭建电商微服务，减少配置工作

技术要点：

  1. 核心注解：@EnableAutoConfiguration
  2. 加载机制：通过SpringFactoriesLoader读取META-INF/spring.factories
  3. 条件装配：@ConditionalOnClass、@ConditionalOnMissingBean等
  4. 配置覆盖：用户自定义Bean优先于自动配置
@Configuration
@ConditionalOnClass(DataSource.class)
@EnableConfigurationProperties(DataSourceProperties.class)
public class DataSourceAutoConfiguration {
    
    @Bean
    @ConditionalOnMissingBean
    public DataSource dataSource(DataSourceProperties properties) {
        return properties.initializeDataSourceBuilder().build();
    }
}

三、线程池核心参数

业务场景：电商秒杀、批量订单处理等高并发场景

技术要点：

ThreadPoolExecutor executor = new ThreadPoolExecutor(
    10,                    // corePoolSize: 核心线程数
    20,                    // maximumPoolSize: 最大线程数
    60L,                   // keepAliveTime: 空闲线程存活时间
    TimeUnit.SECONDS,      // unit: 时间单位
    new LinkedBlockingQueue<>(1000),  // workQueue: 工作队列
    new ThreadFactory() {  // threadFactory: 线程工厂
        @Override
        public Thread newThread(Runnable r) {
            Thread t = new Thread(r);
            t.setName("seckill-thread-" + t.getId());
            return t;
        }
    },
    new ThreadPoolExecutor.CallerRunsPolicy()  // handler: 拒绝策略
);

拒绝策略：

  • AbortPolicy：抛出异常（默认）
  • CallerRunsPolicy：调用者线程执行
  • DiscardPolicy：直接丢弃
  • DiscardOldestPolicy：丢弃最老任务

四、Redis分布式锁

业务场景：秒杀库存扣减、订单状态更新

技术要点：

// Redisson实现分布式锁
RLock lock = redissonClient.getLock("seckill:lock:" + productId);
try {
    // 加锁，等待3秒，锁定10秒自动释放
    if (lock.tryLock(3, 10, TimeUnit.SECONDS)) {
        try {
            // 扣减库存
            Long stock = redisTemplate.opsForValue().decrement("seckill:stock:" + productId);
            if (stock < 0) {
                throw new RuntimeException("库存不足");
            }
            // 创建订单...
        } finally {
            lock.unlock();
        }
    }
} catch (InterruptedException e) {
    Thread.currentThread().interrupt();
}

关键问题：

  1. 原子性：使用Lua脚本保证判断和删除的原子性
  2. 可重入：Redisson通过hash结构支持可重入
  3. 看门狗机制：自动续期，防止业务未完成锁就释放

五、Kafka消息积压处理

业务场景：订单创建后异步通知库存、积分、物流等系统

解决方案：

  1. 增加消费者：扩容Consumer实例数（不超过Partition数）
  2. 优化消费逻辑：批量处理、异步化
  3. 临时扩容：创建更多Partition，迁移数据
  4. 降级处理：记录到数据库，后续补偿
// 批量消费优化
@KafkaListener(topics = "order-create", groupId = "order-group")
public void consume(List<ConsumerRecord<String, String>> records) {
    // 批量处理
    List<OrderMessage> messages = records.stream()
        .map(record -> JSON.parseObject(record.value(), OrderMessage.class))
        .collect(Collectors.toList());
    
    // 批量入库
    orderService.batchProcess(messages);
}

六、Dubbo调用流程

业务场景：电商微服务间RPC调用

完整流程：

1. 消费者启动，向注册中心订阅服务
2. 提供者启动，向注册中心注册服务
3. 注册中心返回提供者地址列表给消费者
4. 消费者调用时：
   - 从地址列表负载均衡选择一个提供者
   - 序列化请求参数
   - 通过Netty发送网络请求
   - 提供者接收请求，反序列化
   - 执行本地方法
   - 序列化结果返回
   - 消费者反序列化结果

七、分布式事务解决方案

业务场景：秒杀下单（扣库存+创建订单+扣余额）

方案对比： | 方案 | 一致性 | 性能 | 复杂度 | 适用场景 | |------|--------|------|--------|----------| | 2PC | 强一致 | 低 | 高 | 传统银行系统 | | TCC | 最终一致 | 中 | 高 | 资金类业务 | | Saga | 最终一致 | 高 | 中 | 长事务 | | 本地消息表 | 最终一致 | 高 | 低 | 电商订单 |

本地消息表实现：

@Transactional
public void createOrder(OrderRequest request) {
    // 1. 创建订单
    orderMapper.insert(order);
    
    // 2. 写入本地消息表
    messageMapper.insert(new Message(
        UUID.randomUUID().toString(),
        "ORDER_CREATED",
        JSON.toJSONString(order),
        MessageStatus.PENDING
    ));
    
    // 3. 扣减库存（调用库存服务）
    inventoryService.deduct(request.getProductId(), request.getQuantity());
}

// 定时任务发送消息
@Scheduled(fixedDelay = 1000)
public void sendPendingMessages() {
    List<Message> messages = messageMapper.selectPending();
    for (Message msg : messages) {
        try {
            kafkaTemplate.send("order-topic", msg.getContent());
            msg.setStatus(MessageStatus.SENT);
            messageMapper.update(msg);
        } catch (Exception e) {
            // 重试或告警
        }
    }
}

八、Spring AI与MCP协议

Spring AI：Spring官方的AI集成框架，提供统一的API对接各大模型

@Service
public class AIService {
    @Autowired
    private ChatClient chatClient;
    
    public String chat(String message) {
        return chatClient.prompt()
            .user(message)
            .call()
            .content();
    }
}

MCP（Model Context Protocol）：Anthropic提出的模型上下文协议，标准化AI与外部工具的交互

核心概念：

  • Resources：数据源（文件、数据库等）
  • Tools：可执行的操作
  • Prompts：提示词模板

面试总结

谢飞机虽然基础尚可，但在以下方面需要加强：

  1. 分布式系统实战经验：需要深入理解分布式锁、事务、一致性等
  2. 系统设计能力：需要培养从0到1设计高并发系统的能力
  3. 新技术敏感度：需要关注Spring AI、MCP等前沿技术

给求职者的建议：

  • 基础要扎实，但更要注重实战
  • 多参与高并发项目，积累经验
  • 持续关注技术社区，保持学习热情

本文通过幽默的面试场景，覆盖了Java面试的核心知识点。希望对正在准备面试的同学有所帮助！

# 微服务
Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

LangChain+Gradio+千问大模型实现AI聊天助手

1. 非流式输出模式。

avatar 2048 AI社区

MoneyPrinterTurbo：让中小企业把短视频生产成本压到接近零 ｜SSP Github Daily

MoneyPrinterTurbo 是务实的“API 编排”项目——不自研模型、不赌未来技术，只用今天成熟的 API，把短视频生产成本压到接近零，让中小企业从“单条手工剪辑”转向“批量内容实验”。

avatar 2048 AI社区
cover

Stripe花75亿美元买了个“中间商“，OpenRouter被支付巨头收编了

avatar 2048 AI社区