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》
- 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。
- 滴滴实际生产项目的操作流程是怎样的?
- 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?
- 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?
- 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?
- 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?
- 如果想手动导出 dump 文件,具体怎么操作?
- 除了 MAT,你还知道其他类似工具吗?
- 你了解过 MAT 的核心功能吗?知道它主要能做什么吗?
- 为什么没有继续实习?是在等转正结果吗?
- 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?
- 你这两个项目的性质是什么?是完全从 0 到 1 做的吗?
- 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。
- 关键词拦截是怎么做的?
- 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。
- 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?
- 如果有一万个关键词要匹配,效率肯定不高,怎么优化?
- 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?
- 渠道抽象涉及微信、钉钉、内部消息模型,你们是怎么抽象的?
- 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?
- 是有两个分片键吗?围绕分片键选择了哪几个表?
- 相当于有一个特大仓库,大仓库内部又怎么继续分?
- 商户表不是有数据倾斜吗?数据倾斜怎么针对性处理?
- 特大商户内部如何做二次分片?
- 你用的定时任务组件是什么?XXL-JOB 大体架构是怎样的?
- 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?
- 一般给你一条 SQL 做优化,你会怎么优化?
- 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?
- 如何能强制走索引吗?
- 你怎么看待缓存雪崩、缓存击穿、缓存穿透?比如 Redis。
- 锁加在哪里?
《参考解析》
- 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。
- 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。 - 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。
- 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。 - 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。 - 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。 - 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。