面灵AI→

长亭科技 Java 后端社招面经:Kafka ACK、Redis 分布式锁与 MySQL 事务

轮次
社招
时间
2026-11
来源
牛客网

《面试题目》

  1. Kafka 的 ACK 机制是怎样的?
  2. Redis 分布式锁是强一致性还是弱一致性,为什么?
  3. 怎么解决 Redis 弱一致性的问题,保证数据完全可靠?
  4. MySQL 数据库默认的隔离机制是什么?
  5. 可重复读是怎么实现的?
  6. MySQL 的底层引擎有哪些?
  7. InnoDB 用的是什么数据结构?
  8. 为什么用 B+ 树?
  9. PostgreSQL 有了解吗?
  10. Java 的常见集合数据结构有哪些?
  11. ArrayList 和 LinkedList 的区别是什么?
  12. ArrayList 的尾部插入真的是 O(1) 吗?

《参考解析》

Kafka 的 ACK 是生产者侧对「写入到哪一步算成功」的选择:acks=0 发出即算成功,吞吐最高但会丢;acks=1 等 leader 落盘,leader 挂掉而副本未同步时会丢;acks=all(-1)要等 ISR 内所有副本确认,最安全但延迟最高。它需要配合 min.insync.replicas 才有意义——副本数 3、min.insync.replicas=2 时,最多容忍一台挂掉仍能写入;再叠加 enable.idempotence=true 与事务,才能做到「不丢不重」。

Redis 分布式锁在严格意义上是弱一致:主从异步复制,客户端在 master 上加锁成功后 master 宕机,哨兵把 slave 提上来,新 master 上没有这把锁,另一个客户端就能同时拿到锁。Redlock 试图用多数派加锁来缓解,但它依赖时钟假设,业界(包括 Martin Kleppmann 的质疑)普遍认为它不能提供强一致的互斥保证。

要更可靠,思路是「不把正确性全押在锁上」:一是给锁加租约与 fencing token——每次加锁返回一个单调递增的令牌,下游资源在写入时校验令牌,旧持有者的迟到请求会被拒绝;二是关键写操作落库时加唯一约束或版本号做最终防线;三是需要强一致时改用 ZooKeeper、etcd 这类基于共识的协调服务。工程上更常见的是承认锁是「性能优化」而非「正确性保证」,让业务本身幂等。

MySQL 默认隔离级别是「可重复读」(REPEATABLE READ),Oracle 与 PostgreSQL 默认是「读已提交」(READ COMMITTED)。可重复读由 MVCC 实现:每行有隐藏的 DB_TRX_ID 与 DB_ROLL_PTR,undo log 串成版本链;事务第一次快照读时生成 ReadView(记录当时活跃的事务 ID 集合),之后每次读都按 ReadView 判断版本可见性——自己的修改可见、已提交且早于快照的可见、快照之后提交的不可见,于是同一事务内多次读到同一份数据。当前读(SELECT ... FOR UPDATE、UPDATE、DELETE)走的是锁而不是快照,配合间隙锁防幻读。

InnoDB 用 B+ 树:非叶子节点只存索引键与子页指针,一页 16KB 能放上千个键,三层即可覆盖千万级数据,磁盘 IO 次数少且稳定;叶子节点用双向链表相连,范围查询与排序只需顺着链表扫,不用回到根节点。相比 B 树,B+ 树把数据全部放在叶子层,单页能容纳更多索引项、树更矮,且查询路径长度一致。哈希索引虽然等值查询 O(1),但不支持范围与排序,所以 InnoDB 的自适应哈希只作为辅助。MySQL 的存储引擎还有 MyISAM、Memory、Archive 等,InnoDB 是默认且唯一支持事务与外键的。

PostgreSQL 的差异点:默认隔离级别是读已提交、多版本并发控制(MVCC)同样靠版本链但把旧版本放在表空间而不是 undo log,需要 vacuum 清理死元组;索引类型更丰富(B-tree、Hash、GIN、GiST、BRIN),JSONB、数组、窗口函数与扩展生态更强。回答时给出「什么场景会选 PG」比背特性列表更有说服力,例如复杂查询、地理数据、JSON 半结构化数据。

Java 集合:List 有 ArrayList(动态数组)、LinkedList(双向链表)、CopyOnWriteArrayList(读多写少);Map 有 HashMap(数组加链表加红黑树)、LinkedHashMap(额外维护插入或访问顺序)、TreeMap(红黑树,有序)、ConcurrentHashMap(CAS 加 synchronized 锁桶);Set 多由对应 Map 实现。ArrayList 随机访问 O(1)、中间插入删除 O(n);LinkedList 头尾插入 O(1)、随机访问 O(n),但它的节点开销大、缓存不友好,实际工程里绝大多数场景 ArrayList 更快。

ArrayList 尾部插入不是严格的 O(1),而是摊还 O(1):容量足够时是一次数组赋值;容量不足时触发扩容,新建 1.5 倍大小的数组并整体复制,这一次是 O(n)。按 n 次插入摊开,平均仍是 O(1),但单次最坏是 O(n)。能补一句「预设容量 new ArrayList<>(n) 可以消掉扩容」会更好。