面灵AI→

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》

  1. 自我介绍。
  2. 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?
  3. 重复交易拦截是怎么做的?
  4. 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?
  5. ThreadLocal 为什么有可能导致内存泄漏?

八股

  1. 介绍下集合的 3 个类型?
  2. 介绍下 HashMap 的数据结构?
  3. HashMap 从 1.7 到 1.8 做了哪些升级,解决了什么问题?
  4. 除了你简历写的设计模式,你还知道哪些设计模式?
  5. 说一下线程池的核心参数?
  6. 线程池的执行流程?
  7. 介绍下 AQS 是做什么的,里面有哪些内容,是怎么工作的?
  8. 讲一下 ReentrantLock 的 lock() 是怎么工作的,lock 是公平锁还是非公平锁?
  9. ReentrantLock 的加锁过程是怎么样的,用到了哪些 AQS 的方法?
  10. 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。
  11. 说几个索引失效的场景?
  12. 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?
  13. 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?
  14. 你们是用的 RocketMQ 吗?那你介绍一下 RocketMQ 有哪些消息类型?
  15. 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?
  16. 讲一下 RocketMQ 的延迟消息是怎么实现的?

AI 与 Agent

  1. 你在公司一般用什么模型、什么 Agent?
  2. 你对 Agent 的理解是什么?
  3. 你在工作中怎么用 AI 去分析需求、写代码、做测试?
  4. 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。