商盟支付 Java实习 一面:ThreadLocal、AQS、RocketMQ
- 轮次
- 一面
- 时间
- 2026-10
- 来源
- 牛客网
《面试题目》
- 自我介绍。
- 介绍一下最后一段实习的项目大概是做什么的,你在里面的角色是什么,做了哪些内容?
- 重复交易拦截是怎么做的?
- 你写的配合上下文传递及超时控制,是用阿里云本来就有的 TraceId 上下文透传吗?是你们框架自带的功能吗?
- ThreadLocal 为什么有可能导致内存泄漏?
八股
- 介绍下集合的 3 个类型?
- 介绍下 HashMap 的数据结构?
- HashMap 从 1.7 到 1.8 做了哪些升级,解决了什么问题?
- 除了你简历写的设计模式,你还知道哪些设计模式?
- 说一下线程池的核心参数?
- 线程池的执行流程?
- 介绍下 AQS 是做什么的,里面有哪些内容,是怎么工作的?
- 讲一下 ReentrantLock 的
lock()是怎么工作的,lock 是公平锁还是非公平锁? - ReentrantLock 的加锁过程是怎么样的,用到了哪些 AQS 的方法?
- Spring 初始化的时候从数据库里加载数据到缓存里,这里面有一些扩展点,你简单讲讲。
- 说几个索引失效的场景?
- 如果你收到一条报警让你处理一个慢 SQL,你会怎么思考、怎么排查、怎么解决?
- 你在最后一段实习里会遇到分布式的问题吗?会遇到分布式事务吗?
- 你们是用的 RocketMQ 吗?那你介绍一下 RocketMQ 有哪些消息类型?
- RocketMQ 的顺序消息是怎么实现的?实际使用中会导致性能降低吗?
- 讲一下 RocketMQ 的延迟消息是怎么实现的?
AI 与 Agent
- 你在公司一般用什么模型、什么 Agent?
- 你对 Agent 的理解是什么?
- 你在工作中怎么用 AI 去分析需求、写代码、做测试?
- 反问。
《参考解析》
ThreadLocal 泄漏的根因是“key 弱引用、value 强引用”,再叠加线程池的长生命周期。 每个 Thread 内部有一个 ThreadLocalMap,Entry 的 key 是 WeakReference<ThreadLocal>,value 是强引用。当业务代码把 ThreadLocal 对象置空后,GC 只能回收 key,Entry 变成 key 为 null 的 stale entry,但 value 仍然被 Map 强引用;ThreadLocalMap 只在 get、set、remove 时顺带清理一部分槽位,如果线程再也不访问这个 Map,value 就永远留着。普通线程执行完会结束,问题不大;线程池里的核心线程长期存活,就会把 value(可能是用户信息、大对象、连接上下文)一直攒在堆里。正确写法是 try/finally 里 remove(),尤其是 Web 容器和线程池场景。TraceId 透传也是同一套机制:框架通常在 HTTP 入口或 RPC filter 里把 trace id 放进 ThreadLocal/MDC,出口再取出来写回 header;跨线程池时要装饰 Runnable/Callable 做上下文复制,否则子线程拿不到,InheritableThreadLocal 只在创建线程时复制一次,线程池复用后会串号,生产上更稳的是 TransmittableThreadLocal 这类方案。超时控制则是另一条线:RPC 调用的 timeout、Future.get(timeout)、熔断器的超时都要设,且要保证超时后能取消或至少不再占用线程。
集合体系先分 List、Set、Map 三类,HashMap 再讲清 1.7 到 1.8 的结构变化。 List 有序可重复,常见 ArrayList(数组、随机访问 O(1)、扩容 1.5 倍)和 LinkedList(双向链表、头尾操作快、随机访问 O(n));Set 不重复,HashSet 底层是 HashMap 的 key,TreeSet 基于红黑树有序;Map 是键值映射,HashMap 无序、LinkedHashMap 保留插入或访问顺序、TreeMap 按 key 排序。JDK 1.7 的 HashMap 是“数组 + 链表”,新节点头插;1.8 改成“数组 + 链表 + 红黑树”,链表长度到 8 且数组长度至少 64 时树化,退化阈值是 6,避免在 7/8 之间反复转换。1.8 的 hash 扰动从多次移位异或简化为 h ^ (h >>> 16),扩容时利用容量是 2 的幂这一点,把节点拆成“原位置”和“原位置 + oldCap”两条链,不用重新计算 hash。头插改尾插的直接收益是并发扩容时不再形成环形链表,但 HashMap 仍然不是线程安全的,1.8 只是把“死循环”换成了“丢数据、size 不准”,并发场景要用 ConcurrentHashMap。设计模式可以按创建型(单例、工厂、建造者)、结构型(适配器、代理、装饰器)、行为型(策略、观察者、模板方法)各举一两个,并说清 JDK/Spring 里的落点:BeanFactory 是工厂,AOP 是代理,Comparator 是策略,模板方法在 AbstractList 这类骨架里很常见。
线程池的执行流程要背成一条判断链,并说清为什么会先排队再扩容。 核心参数是 corePoolSize、maximumPoolSize、keepAliveTime、unit、workQueue、threadFactory、handler。execute 的顺序是:当前线程数小于核心数就新建核心线程;否则尝试入队;入队成功就等空闲线程取;队列满且线程数小于最大数才新建非核心线程;再满就执行拒绝策略。常见拒绝策略有 AbortPolicy(抛异常)、CallerRunsPolicy(调用方自己跑,形成反压)、DiscardPolicy(静默丢弃)、DiscardOldestPolicy(丢最老的)。先入队再扩容是为了避免流量一抖就创建大量线程,但这也意味着如果用了 LinkedBlockingQueue 这种无界队列,maximumPoolSize 永远不会生效,任务会一直堆到 OOM,所以生产上要用有界队列加合适的拒绝策略。线程数不能拍脑袋:CPU 密集型接近核数 + 1,IO 密集型按 N × (1 + 等待时间/计算时间) 估,再用压测和监控校正;同时要盯活跃线程数、队列长度、拒绝次数、任务耗时,Executors 的 newFixedThreadPool/newSingleThreadExecutor 因为无界队列要慎用。
AQS 是一个用 state 加 CLH 变体队列实现的同步框架,ReentrantLock 只是它的一种用法。 AQS 内部维护一个 volatile int state 和一个双向 FIFO 等待队列,节点用 Node 表示,带有 waitStatus(SIGNAL、CANCELLED、CONDITION 等);获取失败时把当前线程包装成节点入队,然后 LockSupport.park 挂起,前驱释放时 unparkSuccessor 唤醒。子类通过 tryAcquire、tryRelease、tryAcquireShared、tryReleaseShared 决定 state 的含义。ReentrantLock 的 lock() 默认走非公平锁:先 CAS 把 state 从 0 改成 1,成功就把 exclusiveOwnerThread 设为当前线程;失败进入 acquire,先 tryAcquire,如果当前线程就是持有者则 state 加 1(可重入),否则入队挂起。非公平体现在 tryAcquire 里直接 CAS 抢一次,不管队列里有没有等待者;公平锁会先 hasQueuedPredecessors() 检查前面有没有人排队。非公平吞吐更高,但可能让排队的线程饥饿;公平锁也不保证绝对先来后到,只是不插队。unlock() 调 tryRelease 把 state 减到 0 才真正释放,然后唤醒后继;Condition.await() 会完全释放锁并进入条件队列,signal() 再把节点转回同步队列。回答时能把 acquire → addWaiter → acquireQueued → shouldParkAfterFailedAcquire → parkAndCheckInterrupt 这条链讲顺,基本就够用了。
Spring 启动预热缓存的扩展点要按“执行时机”和“事务是否就绪”来选。 最早可以在 @PostConstruct 或 InitializingBean.afterPropertiesSet() 里做,但此时 Bean 还在初始化,依赖的代理、事务、其他 Bean 可能没准备好,只适合加载本 Bean 自己的小数据。更稳的是 ApplicationListener<ContextRefreshedEvent>、SmartInitializingSingleton.afterSingletonsInstantiated(),或者 ApplicationRunner/CommandLineRunner(容器刷新完成后执行);ApplicationReadyEvent 则表示应用已可对外服务。预热逻辑要幂等、可重试、失败可降级:数据库暂时连不上不能让整个应用起不来,可以异步重试并打点;数据量大时不要一次性 select * 全量塞 JVM,分页加载或放 Redis/Caffeine,并设容量和过期策略。还要考虑多实例同时预热对数据库的冲击,可以加分布式锁或随机延迟。若面试官追问“扩展点”,可以顺带提 BeanPostProcessor、BeanFactoryPostProcessor 的区别:前者处理 Bean 实例初始化前后,后者处理 BeanDefinition,改的是配置元数据。
索引失效要先看“列有没有被加工”,再看优化器为什么不用。 典型场景:在索引列上做函数或运算(where date(create_time) = ...、where id + 1 = 10)、隐式类型转换(字符串列传数字、字符集不一致)、like '%xx' 前导通配、复合索引不满足最左前缀、or 连接了无索引列、!=/not in 导致优化器判断全表更快、索引选择性太低(如性别)、统计信息过期、以及 order by/group by 与索引顺序不匹配。慢 SQL 的排查顺序是:先从慢查询日志拿到 SQL 和 rows_examined、rows_sent,用 EXPLAIN 看访问类型、命中索引、扫描行数、是否回表、是否 filesort/临时表;再看 performance_schema、show processlist 和锁等待,判断是慢在扫描、排序、回表还是被锁住。解决手段包括补复合索引或覆盖索引、改写 SQL 去掉列上的函数、把深分页改成基于游标、分区或归档历史数据、读写分离和缓存。加索引不是越多越好:每个索引都会增加写放大、占空间、拖慢优化器,且可能带来更多锁;一般让联合索引覆盖高频查询,定期清理无用索引。
RocketMQ 的消息类型按“普通、顺序、延迟、事务”四类讲,顺序和延迟都要落到实现。 普通消息不保证顺序;顺序消息要求生产端用 MessageQueueSelector 按业务键(如订单号)把同一组消息发到同一个队列,Broker 的队列天然 FIFO,消费端用 MessageListenerOrderly 对队列加锁、串行消费,失败会本地重试并可能阻塞后续消息。代价是并行度受队列数限制,热点订单会倾斜,所以顺序消息只用在真正需要局部有序的场景,其他场景用普通消息加业务状态机。延迟消息在 4.x 里只支持 18 个固定级别(1s、5s、10s、30s、1m 一直到 2h),实现是把消息先写到内部主题 SCHEDULE_TOPIC_XXXX,队列号对应延迟级别,ScheduleMessageService 按级别定时扫描到期消息,再投递回原主题;5.x 支持任意时间,用时间轮/定时日志来调度。事务消息是半消息 + 回查:先发半消息,执行本地事务,再提交或回滚,Broker 长时间没收到确认就回查生产者的本地事务状态,适合最终一致场景。分布式事务还可以提本地消息表、TCC、Saga,但重点是说清“不要用消息中间件硬做强一致”。
Agent 可以理解为“LLM 负责决策,工具负责执行,状态机负责兜底”的循环。 一个可用的 Agent 至少包含:目标与约束解析、计划/任务分解、工具选择与参数填充、执行与观察、失败重规划、记忆与上下文管理、终止条件。它和普通 Chatbot 的区别不是会不会聊天,而是能不能在多步执行中根据工具返回修正计划。工作中用 AI 分析需求,可以让它先做需求拆解、边界条件和测试点清单,人再删改;写代码时让它生成骨架、单测和迁移脚本,但必须过编译、静态检查和 code review;做测试时用它生成边界用例、构造 mock 数据和读日志,最后仍要靠真实环境验证。风险要说清:模型会编 API、会忽略上下文约束、可能把敏感数据带出去,所以工具调用要有权限和白名单,生成结果要可审计,关键写操作要人工确认。这样回答比单纯说“提效”更像真的在工程里用过。