面灵AI→

爱学习 Java 开发一面面经

轮次
一面
时间
2026-09
来源
牛客网

《面试题目》

  1. 介绍一下你在滴滴实习期间,个人在技术等方面有哪些提升。
  2. 滴滴实际生产项目的操作流程是怎样的?
  3. 滴滴内部的架构是怎样的?你接触过哪些代码或微服务架构?
  4. 结合你了解到的架构,里面有哪些组件?分别做什么?你用过哪些?
  5. 你自己学习过 Spring Cloud 或微服务吗?主要涉及哪些组件?这些组件的作用是什么?
  6. 你之前在机器治理或生产环境中遇到过什么问题?能讲一下当时的情况吗?
  7. 如果想手动导出 dump 文件,具体怎么操作?
  8. 除了 MAT,你还知道其他类似工具吗?
  9. 你了解过 MAT 的核心功能吗?知道它主要能做什么吗?
  10. 为什么没有继续实习?是在等转正结果吗?
  11. 转正结果不理想,公司有解释原因吗?你自己觉得原因是什么?
  12. 你这两个项目的性质是什么?是完全从 0 到 1 做的吗?
  13. 可以针对某个项目先演示或跑一下吗?如果不方便,就先问别的。
  14. 关键词拦截是怎么做的?
  15. 你如何匹配关键词?比如一段很长的类似小作文的内容中包含关键词。
  16. 除了 indexOf 这种不太优雅的方式,有没有更优雅、效率更高的方案?
  17. 如果有一万个关键词要匹配,效率肯定不高,怎么优化?
  18. 只要你能匹配出来,知道内容里有没有关键词,有就不走大模型,这样可以吗?
  19. 渠道抽象涉及微信、钉钉、内部消息模型,你们是怎么抽象的?
  20. 第二个项目分库分表怎么分?在什么场景下分?分片键怎么选择?
  21. 是有两个分片键吗?围绕分片键选择了哪几个表?
  22. 相当于有一个特大仓库,大仓库内部又怎么继续分?
  23. 商户表不是有数据倾斜吗?数据倾斜怎么针对性处理?
  24. 特大商户内部如何做二次分片?
  25. 你用的定时任务组件是什么?XXL-JOB 大体架构是怎样的?
  26. 为什么它能精准到秒级触发?比如设定 16:25,就能在 16:25 触发?
  27. 一般给你一条 SQL 做优化,你会怎么优化?
  28. 假设一条语句你预期走 A 索引,但实际没走 A,原因是什么?有什么解决思路?
  29. 如何能强制走索引吗?
  30. 你怎么看待缓存雪崩、缓存击穿、缓存穿透?比如 Redis。
  31. 锁加在哪里?

《参考解析》

  1. 多关键词匹配怎么优化:indexOf 逐个关键词扫一遍是 O(关键词数 × 文本长度),一万个关键词必然扛不住。可用的方案按适用面排序:
    • AC 自动机(Aho-Corasick):先把所有关键词建成 Trie,再补 fail 指针,然后对文本做一次线性扫描就能同时命中全部模式串。时间复杂度是 O(文本长度 + 命中数),这是这个问题最标准的答案。
    • 前缀树 / 双数组 Trie:如果关键词之间有明显公共前缀,能省掉大量重复比较。
    • 正则合并:把关键词拼成一个大正则交给 RE2 / Hyperscan 这类引擎,适合关键词数量中等且变更不频繁的场景。
    • 哈希 + 滑动窗口:只做「是否包含」而不需要知道命中了哪个词时,可以先按关键词长度分组、把文本切成等长片段做哈希比对,实现简单但覆盖不全。 实际工程里还有一层:关键词表可能上万条且频繁变,所以通常把 AC 自动机预编译好常驻内存,变更时双缓冲切换,避免每次请求重建。
  2. 分片键怎么选:目标是三件事同时满足——数据均匀、查询能带上分片键(避免全库扫描)、后续能扩容。常用的分片键是业务主键(商户 ID、用户 ID、订单 ID),因为它几乎出现在所有查询条件里。选完之后要专门检查倾斜:如果某个商户的数据量比中位数高一两个数量级,按 ID 取模会把压力全压在一个库上,这时可以对该商户做二次分片(比如 merchant_id + 子键 组合),或者在分片键前面加一个盐值把热点打散。
  3. 数据倾斜的针对性处理:先量化再处理,别凭感觉拆。手段有几种:热点单独拆库/拆表(大商户走独立分片);分片键加盐(在 key 前拼一个 0~N 的随机前缀,查询时同时查 N 个分片再聚合,读放大换写均衡);把大商户的明细按时间二次分区;以及冷热分离,把历史数据归档出去。要注意「盐值方案」会让范围查询变复杂,得先确认业务查询模式能不能接受。
  4. XXL-JOB 为什么能秒级触发:核心是调度中心的时间轮 + 预读机制。调度中心不是每秒扫一遍全表,而是把所有待触发任务按触发时间放进时间轮,到点才唤醒对应任务;同时会对「未来 5 秒内要触发」的任务做预读(preReadCount),提前从数据库拉到内存,避免每次触发都查库。执行器侧定期心跳注册,调度中心按路由策略(轮询 / 一致性哈希 / 分片广播)选一台下发。要注意的是它本质仍是「准点」而不是硬实时,秒级触发会有毫秒到百毫秒级的抖动。
  5. SQL 优化的一般流程:先确认这条 SQL 在业务上是不是必须这么写(能不能减少返回列、能不能加过滤条件下推);然后 EXPLAIN 看访问类型、估算行数、是否回表、是否出现 Using filesort / Using temporary;接着检查索引设计是否匹配 where + order by + group by,必要时建覆盖索引;最后看数据量和统计信息。常见改写有:深分页改游标、子查询改 join、or 改 union all、避免在索引列上做函数运算。
  6. 预期走 A 索引却没走:可能的原因是统计信息过期导致优化器估错行数、A 索引的选择性确实差、条件里发生了隐式类型转换或函数运算让 A 失效、返回列太多导致回表成本高于全表扫、以及存在一个更优的覆盖索引。排查手段是 EXPLAIN + EXPLAIN ANALYZE 对比估算与实际、ANALYZE TABLE 刷新统计信息、必要时用 FORCE INDEX 验证假设。FORCE INDEX 可以强制走指定索引,但它只是验证工具,长期方案应该改 SQL 或改索引,因为强制之后数据分布一变就会变成新的坑。
  7. 缓存穿透 / 击穿 / 雪崩:穿透查的是不存在的数据,用布隆过滤器或空值缓存挡;击穿是单个热点 key 过期瞬间的并发冲击,用互斥锁或逻辑过期;雪崩是大量 key 同时失效或集群整体故障,用随机过期时间、多级缓存、限流降级。锁加在「缓存未命中之后、回源之前」这一段:拿到锁的线程去查库并回填缓存,没拿到的短暂等待后重试读缓存。要注意锁的粒度按 key 走,别用一把全局锁;另外锁内要设超时,否则回源卡住会把整个缓存层拖死。