Java大厂面试真题:Spring Boot + 微服务 + 分布式场景三轮连环问
Java大厂面试真题:Spring Boot + 微服务 + 分布式场景三轮连环问
面试官(推了推眼镜,面无表情):下一位——谢飞机?
谢飞机(慌张起身,撞倒椅子):到!我…我是来面试Java开发岗的!
面试官:坐吧。看你简历写了熟悉Spring Boot,那我们从这开始。
🟢 第一轮:Spring Boot 基础与Web开发(电商场景)
Q1:说说Spring Boot自动配置的原理?
谢飞机:这个我会!就是通过@SpringBootApplication注解,它组合了@Configuration、@ComponentScan和@EnableAutoConfiguration。关键在最后一个,它会读取META-INF/spring/org.springframework.boot.autoconfigure.AutoConfiguration.imports文件里的自动配置类,根据条件注解比如@ConditionalOnClass来决定是否加载某个Bean。
面试官(点头):不错,理解到位。那如果我想自定义一个Starter,该怎么做?
谢飞机:创建一个Maven项目,引入spring-boot-autoconfigure,写一个配置类加@Configuration和条件注解,然后在META-INF/spring/下注册它。最后别人依赖这个jar就能自动生效!
面试官:很好。继续——登录接口要校验参数,你用什么?
谢飞机:用@Valid注解配合@NotBlank这些JSR-303注解,在Controller层加验证,异常用@ControllerAdvice统一处理!
面试官:可以。那返回结果怎么统一封装?
谢飞机:写个Result<T>类,包含code、msg、data,再用拦截器或AOP在返回前包装一下!
面试官:基础扎实,进入下一轮。
🟡 第二轮:微服务架构与容错设计(订单超时取消场景)
Q1:下单后未支付,如何实现30分钟自动取消订单?
谢飞机:我…我之前用过定时任务,每分钟扫一遍数据库,看有没有超时的订单……
面试官:那数据量大了怎么办?
谢飞机:呃……加索引?分库分表?
面试官:有没有更实时、低延迟的方式?
谢飞机:啊……可以用Redis的过期键通知?或者……消息队列的延迟队列?我记得RabbitMQ有插件,Kafka也可以自己模拟……
面试官:还行。那假设订单服务调用库存服务失败,你怎么处理?
谢飞机:重试!最多三次!
面试官:一直失败呢?其他服务都在等,会不会雪崩?
谢飞机:那……那就让它等着呗……
面试官:熔断了解吗?
谢飞机:熔断?是不是像保险丝一样……断了就不再请求了?我听说过Hystrix,但我们没用过……Resilience4j是干这个的吗?好像是配置@CircuitBreaker注解……
面试官(皱眉):概念模糊。继续——服务之间怎么通信?
谢飞机:用Feign!声明式客户端,加个接口,写个注解就搞定远程调用!
面试官:如果网络抖动导致大量请求堆积呢?
谢飞机:加服务器!扩容!
面试官:资源有限,技术上怎么限流?
谢飞机:我……可以用Redis做计数器?比如每秒最多1000次……再多就拒绝……
面试官:还有别的吗?
谢飞机:Sentinel?听说过……但没实战过……
🔴 第三轮:分布式事务与缓存一致性(支付+库存扣减场景)
Q1:用户支付成功,要扣减库存,这两个操作怎么保证一致性?
谢飞机:在一个事务里就行!
面试官:两个服务,不同数据库。
谢飞机:那……先扣库存,再支付?不行的话回滚?
面试官:库存服务回滚了,支付成功了怎么办?
谢飞机:呃……那就……人工补偿?
面试官:系统层面呢?
谢飞机:我知道有个叫Seata的东西,是阿里开源的分布式事务框架,有AT模式,好像能自动生成回滚SQL……
面试官:如果不用Seata呢?
谢飞机:用消息队列?发个消息,消费成功才算完成?但可能重复消费……
面试官:对,怎么防重?
谢飞机:加个幂等表?记录已处理的消息ID……
面试官:还行。最后一个问题:商品详情页用了Redis缓存,库存扣减后,缓存怎么更新?
谢飞机:直接删掉缓存key,下次查询再加载!
面试官:如果删除失败呢?
谢飞机:加个重试?
面试官:缓存和数据库同时更新,先更哪个?
谢飞机:先更新数据库,再删缓存!这样……应该最安全?
面试官:如果删缓存失败,会不会不一致?
谢飞机:会……那可以异步重试,或者用Canal监听binlog……
面试官:嗯……今天就到这里。
谢飞机(紧张):那我……能通过吗?
面试官(合上本子):回去等通知吧。
✅ 参考答案详解(附业务场景与技术点)
一、Spring Boot 自动配置原理
- 技术点:
@EnableAutoConfiguration→ 扫描META-INF/spring/org.springframework.boot.autoconfigure.AutoConfiguration.imports→ 条件装配(如@ConditionalOnClass,@ConditionalOnMissingBean)。 - 业务场景:快速搭建电商后台管理系统,无需手动配置数据源、Web MVC、日志等组件。
- 延伸:自定义Starter可用于统一公司内部公共组件(如权限SDK、日志埋点)。
二、延迟任务实现方案对比
| 方案 | 优点 | 缺点 |
|---|---|---|
| 定时任务轮询 | 简单易懂 | 延迟高、数据库压力大 |
| Redis过期事件 | 实时性强 | 依赖Redis,事件可能丢失 |
| 消息队列延迟队列 | 高可靠、可追踪 | RabbitMQ需插件,Kafka需程序控制 |
推荐:中小型系统用Redis键失效+监听;大型系统用RocketMQ延迟消息或Kafka时间轮。
三、微服务容错机制
- 熔断:Resilience4j/Sentinel/Hystrix,在错误率超过阈值时快速失败,保护下游。
- 降级:返回兜底数据(如“当前人数过多,请稍后再试”)。
- 限流:令牌桶/漏桶算法,防止系统被突发流量打垮。
- Feign整合Resilience4j示例:
@FeignClient(value = \"inventory-service\", fallback = InventoryFallback.class)
public interface InventoryClient {
@PostMapping(\"/reduce\")
Result reduceStock(@RequestBody StockRequest request);
}
四、分布式事务解决方案
- 2PC/XA:强一致性,性能差,不适合高并发。
- TCC(Try-Confirm-Cancel):高性能,开发成本高。
- Saga:长事务拆解为本地事务+补偿事务。
- 基于消息队列的最终一致性:
- 支付成功发MQ消息 → 库存服务消费并扣减 → 幂等处理 + 重试机制。
- Seata AT模式:
- 一阶段:本地事务提交,生成undo_log;
- 二阶段:成功则清理undo_log,失败则反向SQL恢复。
五、缓存一致性策略
- 更新策略:
- 先更新数据库,再删除缓存(Cache Aside Pattern)—— 推荐!
- 问题:删除缓存失败 → 数据不一致。
- 解决方案:
- 异步重试删除(可用MQ或定时任务);
- Cache-Aside + 延迟双删(删除→休眠→再删);
- Canal监听MySQL binlog,自动清理缓存。
典型场景:电商商品页,库存变更后必须及时反映在页面,避免超卖。
更多推荐

所有评论(0)