Java 后端面试的三层答法:八股打底、场景展开、项目深挖
- 轮次
- 面试准备
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
- ThreadLocal 的追问链是怎么展开的:标准答案之后面试官还会问什么?
- 「Redis 缓存与数据库一致性怎么保证」按什么结构回答?
- 设计一个秒杀系统,你会怎么架构?
- 接口 RT 突然从 50ms 涨到 2s,排查思路是什么?
- 线上 CPU 100% 怎么定位?
- 百万数据导出怎么避免 OOM?
- 订单超时未支付怎么自动关闭?
- 登录态在分布式系统怎么管理?
- 热点 key 问题怎么处理?
- 服务发布怎么做无损上线?
- 从 0 设计一个支付回调系统,核心模块有哪些?
- HR 面问期望薪资,应届生怎么答?
《参考解析》
三层答法的实质:第一层是能复述标准答案,第二层是能讲清「为什么这样设计、替代方案的代价是什么」,第三层是能落到自己的项目上,说清用过没有、踩过什么坑。面试的筛选点在于:基础题答到第二层才算合格,有两三个模块能到第三层就有竞争力。判断自己是否真的到了第二层,用一个标准——被问「为什么」时能不能继续往下讲,而不是把题干重复一遍。
ThreadLocal 的追问链:标准答案是线程隔离、每个线程持有独立的 ThreadLocalMap、key 是弱引用而 value 是强引用、线程池下不 remove 会泄漏。追问通常有四层:项目里哪里用了它、为什么不用参数传递、线上有没有因此出过问题、线程池场景下为什么更危险。要能答出:用它的场景是「跨层传递上下文」(用户身份、链路追踪 id、租户信息);不传参是为了避免污染方法签名;线程池的危险在于线程复用导致上一个任务的 value 残留给下一个任务,既泄漏又可能串数据,所以必须在 finally 里 remove();Web 容器里可以用拦截器统一清理。
缓存一致性的四段式回答:结论——采用 Cache Aside,写时先更新数据库再删除缓存,强一致场景配合延迟双删或消息队列做最终一致。原理——读时未命中查库回填,写时更新库再删缓存,避免并发读把旧值回填。场景——商品详情页缓存,改价时先写 MySQL 再删 Redis,删失败进重试队列。注意点——先删缓存再更新库在并发下会读到旧值;热点 key 要考虑击穿;删除失败要有补偿;对一致性要求极高时读主库或加分布式锁。这个结构比罗列五种方案名称有用,因为它展示了判断过程。
秒杀系统:分四层。前端做按钮防重、静态资源 CDN、活动预约;网关做限流与黑名单;服务层把库存预热到 Redis,用 Lua 脚本把「判断库存、扣减、记录用户已购」做成原子操作,一人一单用 SETNX 或 Set 标记;异步层用 MQ 削峰,消费者落库建单;数据库层用唯一索引(用户 + 商品)与 UPDATE stock SET stock = stock - 1 WHERE stock > 0 兜底。配套要有超时未支付关单、超卖核对任务、以及 Redis 故障时的降级策略(直接拒绝而不是打穿数据库)。
RT 飙高的排查:先分层看影响面(哪些接口、哪些机器、什么时间开始),再看依赖(数据库慢查询、Redis 延迟、下游 RPC、MQ 堆积),然后看自身(GC 日志、线程栈、连接池与线程池是否耗尽、是否有锁竞争),最后看流量(突增、缓存击穿、爬虫)。应急顺序是先止损再定位:限流、降级非核心、扩容、回滚最近发布。工具是链路追踪定位慢在哪一段、arthas 看方法耗时、jstack 看阻塞、慢查询日志与 redis-cli --latency。
CPU 100% 的定位:top -Hp <pid> 找出占 CPU 最高的线程,把线程 id 转成十六进制,jstack <pid> | grep -A 30 <hex> 找到对应栈;常见原因是死循环、频繁 Full GC(看 jstat -gcutil)、正则回溯、以及大量线程上下文切换。GC 导致的还要看堆dump 找大对象。回答时把「定位到线程 → 对应到代码」这条链讲清楚。
百万数据导出避免 OOM:不要一次性查全量再写文件。用游标或分页流式读取(ResultSet 的 setFetchSize、MyBatis 的 Cursor、或按主键区间切片),边读边写;导出文件用流式写入(EasyExcel、CSV 逐行 flush),避免在内存里拼大对象;任务异步化,前端拿任务 id 轮询进度;限制单次导出量与并发数,超大导出走离线任务并通知下载。
订单超时关闭:方案按精度与成本选。延迟队列(RabbitMQ 的 TTL + 死信、RocketMQ 的延迟消息)精度高但有消息堆积与重复投递问题;定时任务扫表(每分钟扫超时未支付订单)实现简单但有时延与扫表压力,需要按时间索引分片;Redis 的 ZSet 存到期时间轮询,适合中等规模;时间轮适合单机高频场景。无论哪种,关闭前必须再查一次订单状态(防用户刚好支付),并用状态机保证幂等。
分布式登录态:把会话存到共享存储(Redis),key 为 token,value 存用户 id 与权限,设置滑动过期;token 用 JWT 时要做吊销(黑名单或短有效期加刷新令牌),并处理多端登录互踢(记录设备与登录序号)。网关统一校验,业务服务从上下文取用户,不重复解析。
热点 key:先识别(监控 key 的 QPS、用 redis-cli --hotkeys),再做本地缓存(一级缓存加短过期,注意一致性)、key 拆分(把热点商品库存拆成多个子 key 汇总)、读写分离与多副本、以及请求合并(同一 key 的并发请求合并为一次回源)。
无损发布:发布前把实例从负载均衡摘除,等待存量请求处理完(优雅停机,注册中心下线 + 健康检查失败),再停进程;新实例启动后通过就绪探针再接入流量;数据库变更要先兼容新旧两个版本(加字段不删字段、双写过渡),避免滚动发布期间新旧代码不兼容。长连接场景(WebSocket)要主动通知客户端重连并做重连风暴保护。
支付回调系统:核心模块包括签名验签(防伪造)、幂等处理(同一笔回调重复到达只处理一次,用支付流水号做唯一键)、状态机(待支付 → 支付中 → 已支付 → 已退款,非法流转拒绝)、异步通知商户(重试 + 退避 + 最大次数 + 人工补偿)、对账(与渠道账单按日核对,处理单边账)、以及审计与告警。设计要点是「回调可能乱序、重复、延迟」,所以不能依赖到达顺序,要用渠道的最终状态与流水号做幂等。
期望薪资怎么答:先问清结构(月薪几薪、绩效占比、补贴、签字费、股票),再给区间并说明依据(同城同岗位水平、自己的实习与项目匹配度)。应届生不宜报一个精确到千的数字,也不宜说「都可以」。给出区间后补一句「如果整体包合适,我更看重岗位方向与成长」,把谈判空间留出来。拿到口头 offer 后要求书面确认,避免只谈总包不看结构。