互联网大厂Java面试实录：从JVM调优到微服务架构的实战演练

场景介绍

某互联网大厂电商业务线面试现场，面试官老张（资深架构师）与候选人谢飞机（自称"全栈开发"的水货程序员）的对话实录。

---

第一轮：基础技术考察

老张：你好，请简单介绍一下你自己。

谢飞机：您好！我叫谢飞机，毕业三年，主要做Java开发，对Spring Boot、MySQL这些都很熟悉，平时喜欢研究新技术，像什么Kafka、Redis、Docker都有接触过...

老张：好的，那我们开始吧。第一个问题，在电商大促场景下，如果JVM堆内存突然飙升，你会如何排查？

谢飞机：嗯...这个嘛，我记得可以用jstat命令看看GC情况，还有jmap可以dump内存，然后MAT分析工具看大对象...应该是这样吧。

老张：思路是对的。那具体说说G1垃圾收集器和CMS有什么区别呢？

谢飞机：呃...G1好像是新一代的收集器，CMS是旧版的？它们都用来处理老年代...具体参数不太记得了。

老张：（微笑）至少方向对了。那你说说，电商订单系统里，为什么常用ThreadLocal存储用户信息？

谢飞机：这个我知道！ThreadLocal每个线程独立存储空间，避免线程安全问题，就像存用户ID一样很方便...

老张：不错！继续。如果一个订单创建接口响应时间从200ms变成2s，你的排查思路是什么？

谢飞机：先看日志有没有异常，然后查数据库慢查询，再看网络延迟...可能还要检查Redis连接池？

老张：很好，逻辑清晰。那DB和Redis数据不一致怎么处理？

谢飞机：这个...可以用延时双删策略？或者消息队列保证最终一致性？记不太清具体怎么实现了...

老张：（点头）有概念就行。好，我们进入下一轮。

---

第二轮：微服务与架构设计

老张：现在电商系统通常采用微服务架构，你理解Spring Cloud的核心组件有哪些？

谢飞机：Eureka做注册中心，Feign做远程调用，Hystrix熔断，Gateway做网关...还有配置中心Config。

老张：很好！那如果服务A调用服务B出现雪崩效应，你怎么解决？

谢飞机：用熔断降级，比如Resilience4j或者Sentinel，设置超时时间和失败次数阈值...

老张：不错。那分布式事务怎么处理？比如下单扣减库存和积分的场景。

谢飞机：TCC模式？或者Seata的AT模式？反正就是保证多个服务的数据一致性...

老张：（挑眉）具体说说Seata AT模式的原理。

谢飞机：呃...好像是有全局锁和回滚日志？提交前做undo_log记录，失败了就回滚...

老张：大体正确。那消息队列Kafka在电商中有什么应用场景？

谢飞机：订单创建后发消息通知库存系统，还有用户行为数据采集，解耦各个服务...

老张：对的。那如何保证消息不丢失？

谢飞机：开启ACK机制，持久化消息，消费者手动确认...

老张：很好。最后一个，微服务链路追踪怎么做？

谢飞机：SkyWalking或者Zipkin，加Trace ID，把请求头传递下去...

老张：回答得不错。进入最后一轮。

---

第三轮：深度场景题

老张：假设我们要做一个秒杀活动，高并发场景，你如何设计整个流程？

谢飞机：先在Redis预扣库存，然后用MQ异步下单，限流防刷，数据库最后落盘...

老张：具体说说Redis预扣库存的实现细节。

谢飞机：用Lua脚本保证原子性，key的设计要唯一，过期时间设置合理...

老张：那如果Redis挂了怎么办？

谢飞机：集群部署？主从备份？或者本地缓存兜底？

老张：（笑）这问题有点深啊。再问你一个，支付系统的幂等性怎么保证？

谢飞机：唯一流水号，数据库唯一索引，或者Redis去重键...

老张：很好。最后问个复杂的，如何设计一个支持千万级用户的推荐系统？

谢飞机：这个...可能要结合大数据平台，Flink做实时计算，Elasticsearch做检索，机器学习模型推荐...

老张：（露出赞赏的笑容）思路是对的，但细节还需要深入研究。好了，今天的面试就到这里。

谢飞机：谢谢面试官！

老张：回去等通知吧，我们会在一周内给你反馈。

---

面试答案解析

第一轮答案详解

1. JVM堆内存飙升排查

排查步骤：

# 查看进程PID
jps -l

# 监控GC情况
jstat -gcutil <pid> 1000

# 导出堆 dump
jmap -dump:format=b,file=heap.hprof <pid>

# 分析工具：VisualVM、Eclipse MAT、JProfiler

G1 vs CMS对比： | 特性 | G1 | CMS | |------|-----|-----| | 新生代+老年代划分 | Region分区 | 连续空间 | | GC停顿时间 | 可预测 | 不可控 | | 适用场景 | 大堆内存 | 低延迟需求 | | 标记算法 | 可达性分析 | 增量标记 |

2. ThreadLocal的使用场景

// 用户上下文封装
public class UserContext {
    private static final ThreadLocal<UserInfo> USER_INFO = new ThreadLocal<>();
    
    public static void setUserInfo(UserInfo user) {
        USER_INFO.set(user);
    }
    
    public static UserInfo getUserInfo() {
        return USER_INFO.get();
    }
    
    public static void clear() {
        USER_INFO.remove();
    }
}

**注意：**必须在finally块中clear()，防止内存泄漏。

3. DB和Redis数据不一致解决方案

方案一：Cache Aside Pattern

@Transactional
public void updateOrder(Order order) {
    // 1. 更新数据库
    orderMapper.update(order);
    // 2. 删除缓存
    redisTemplate.delete("order:" + order.getId());
}

方案二：延时双删

• 先删缓存
• 更新数据库
• 休眠N毫秒
• 再次删除缓存

方案三： Canal监听Binlog异步更新

---

第二轮答案详解

1. Spring Cloud核心组件

| 组件 | 作用 | 替代方案 | |------|------|----------| | Eureka/Nacos | 服务注册发现 | Consul、Zookeeper | | Feign/OpenFeign | 声明式HTTP客户端 | RestTemplate、Dubbo | | Hystrix/Sentinel | 熔断降级 | Resilience4j | | Gateway/Zuul | API网关 | Kong、Apigee | | Config/Bus | 配置管理 | Apollo、Nacos Config |

2. Seata AT模式原理

执行流程：

1. 获取全局锁（Global Lock）
2. 执行本地事务，记录Before Image和After Image
3. 提交本地事务
4. 异步提交全局事务（Undo Log）
5. 若失败则根据Undo Log回滚

关键表结构：

CREATE TABLE undo_log (
    id BIGINT NOT NULL AUTO_INCREMENT,
    branch_id BIGINT NOT NULL,
    xid VARCHAR(128) NOT NULL,
    context VARCHAR(128) NOT NULL,
    rollback_info LONGBLOB NOT NULL,
    log_status INT NOT NULL,
    log_created DATETIME NOT NULL,
    log_modified DATETIME NOT NULL,
    PRIMARY KEY (id),
    UNIQUE KEY ux_undo_log (xid, branch_id)
);

3. Kafka消息可靠性保证

# Producer配置
acks: all  # 所有副本确认
retries: 3  # 重试次数
batch.size: 65536
linger.ms: 10

# Consumer配置
enable.auto.commit: false  # 手动提交offset
max.poll.interval.ms: 300000

---

第三轮答案详解

1. 秒杀系统设计

完整流程图：

用户请求 → 限流网关(Nginx/Lua) → Redis预扣库存(Lua) 
→ MQ异步下单 → 消费者处理 → 数据库落库 → 返回结果

Redis库存扣减代码：

String script = "if redis.call('get', KEYS[1]) > ARGV[1] then " +
                 "return redis.call('decr', KEYS[1]) else return 0 end";
Long result = redisTemplate.execute(new DefaultRedisScript<>(script, Long.class), 
                                     Collections.singletonList(key), count);

防刷措施：

• Nginx层限流：limit_req_zone
• 验证码校验
• 用户黑名单
• IP频率限制

2. 支付系统幂等性设计

方案一：唯一业务流水号

CREATE TABLE payment_order (
    id BIGINT PRIMARY KEY AUTO_INCREMENT,
    pay_no VARCHAR(64) UNIQUE NOT NULL COMMENT '支付流水号',
    amount DECIMAL(10,2) NOT NULL,
    status TINYINT DEFAULT 0,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

方案二：状态机控制

public enum PaymentStatus {
    CREATED(0), PAID(1), REFUNDED(2), CLOSED(3);
    // 状态转换规则
    Map<Pair<PaymentStatus, PaymentStatus>, Boolean> TRANSITION_RULES = new HashMap<>();
}

方案三：Redis去重

String key = "pay:lock:" + payNo;
Boolean success = redisTemplate.opsForValue().setIfAbsent(key, "1", 30, TimeUnit.SECONDS);
if (success) {
    try {
        // 执行业务逻辑
    } finally {
        redisTemplate.delete(key);
    }
}

3. 千万级推荐系统架构

技术选型： | 模块 | 技术栈 | 说明 | |------|--------|------| | 数据采集 | Flume/Kafka | 用户行为日志收集 | | 实时计算 | Flink | 实时特征工程 | | 离线计算 | Spark/Hive | T+1批量训练 | | 模型服务 | TensorFlow Serving | 模型推理 | | 召回引擎 | Elasticsearch | 向量相似度搜索 | | 排序引擎 | XGBoost/LightGBM | 精排模型 | | 缓存 | Redis Cluster | 热点数据缓存 | | 存储 | Cassandra/Doris | 海量数据存储 |

推荐流程：

用户请求 → 召回层(多路召回) → 粗排 → 精排 → 重排 → 返回结果
          ↓                      ↓        ↓        ↓
     协同过滤              特征拼接   深度学习   多样性调整
     内容推荐              交叉特征   模型推理  业务规则

---

总结

本次面试覆盖了以下技术要点：

Java基础

• JVM内存模型与GC算法
• ThreadLocal生命周期管理
• 并发编程最佳实践

中间件

• Redis数据结构与持久化
• Kafka消息可靠投递
• MySQL索引优化与事务隔离

微服务

• Spring Cloud组件选型
• 分布式事务解决方案
• 服务治理与监控

架构设计

• 高并发秒杀方案
• 幂等性保障策略
• 大规模推荐系统架构

运维监控

• ELK日志收集
• Prometheus+Grafana监控
• SkyWalking链路追踪

建议求职者：

1. 基础知识要扎实，不能只背八股文
2. 要有实际项目经验，能说出遇到的问题和解决方案
3. 关注技术原理，理解底层实现
4. 培养系统性思维，能从业务角度思考技术方案

祝各位求职顺利！🚀