面灵AI→

深圳某小公司 Java 后端面试:Kafka 可靠性、Spring 事务与线程池

base
深圳
时间
2026-11
来源
牛客网

《面试题目》

  1. 自我介绍。
  2. Kafka 如何保证高可用?acks 的三种取值分别代表什么?
  3. Kafka 在哪些环节会丢消息?异步刷盘时节点宕机怎么处理?
  4. Spring 事务在哪些场景下会失效?同一个类里 A 方法调用非事务的 B 方法会怎样?
  5. 反过来,非事务的 A 方法调用事务方法 B,事务会不会失效?
  6. volatile 关键字的作用和实现原理是什么?JMM 的内存屏障如何保证可见性与有序性?
  7. ThreadLocal 的原理是什么?线程池复用线程时,上下文为什么会串?
  8. 线程池有哪些核心参数?执行原理是什么?拒绝策略怎么选?
  9. HTTP 和 HTTPS 有什么区别?
  10. 线上问题排查的步骤是怎样的?
  11. 日常工作中如何使用 AI 工具?
  12. 反问:这个岗位的薪资区间、定级和职责边界是怎样的?

《参考解析》

Kafka 的高可用依赖副本与选举,acks 只是其中一环。 每个分区有一 leader 多 follower,leader 处理读写,follower 主动 fetch 追赶;与 leader 保持同步的副本集合即 ISR。leader 所在 broker 故障时,由 controller 从 ISR 中选新 leader,客户端通过 metadata 刷新重新路由。acks=0 表示 producer 发出即认为成功,不等 broker 确认;acks=1 只等 leader 写入本地日志;acks=all(或 -1)等 ISR 中所有副本写入。只配 acks=all 并不足够,还要配 min.insync.replicas=2 且副本数至少为 3:当 ISR 只剩 leader 时,写入会直接报 NotEnoughReplicas,用可用性换一致性;同时 unclean.leader.election.enable=false,避免落后副本被选为 leader 造成已提交消息丢失。消费端还有一组坐标:HW(high watermark)之前的消息才对消费者可见,LEO 是每个副本的日志末端;leader 切换后依靠 leader epoch 防止 follower 截断到错误位置。

丢消息要按生产、存储、消费三段拆。 生产端常见原因是 acks=0/1、重试次数耗尽、缓冲区满后丢弃、网络超时后未重试;开启 enable.idempotence=true 可让重试不产生重复,配合 acks=all 与足够的 delivery.timeout.ms 才能兼顾不丢与不重。存储端的核心不是刷盘,而是副本:Kafka 写入的是页缓存,log.flush.* 只防操作系统崩溃,防不了 broker 进程或整机掉电;异步刷盘时节点挂掉,只要消息已同步到足够副本,新 leader 仍有数据;若 acks=1 且 leader 在 follower 同步前宕机,或者发生 unclean 选举,消息就真的丢了。消费端则是先提交 offset 后处理、自动提交、rebalance 期间重复或遗漏,正确做法是处理完成后手动提交,并保证业务幂等。

Spring 事务失效的本质是 AOP 代理没有生效。 @Transactional 靠代理拦截方法调用,因此同类内部 this.b() 这种自调用绕过代理,B 上的事务注解不会起作用;方法非 public、类未被 Spring 管理、方法为 final 或 static、使用 CGLIB 时也无法织入。异常默认只在 RuntimeException 与 Error 时回滚,抛出受检异常需要在 rollbackFor 中声明;在方法内 catch 掉异常不再抛出,事务同样不会回滚。传播行为配成 NOT_SUPPORTED、NEVER,或者在事务方法里另起线程、切换数据源,也会脱离当前事务。A 调 B 是否失效取决于调用是否经过代理:A、B 在同一个类里由 A 直接调用 B,失效;A 注入 B 的代理对象再调用,B 的事务正常生效;若 A 本身有事务且传播行为为 REQUIRED,B 加入 A 的事务,A 捕获 B 的异常后仍提交,可能得到 UnexpectedRollbackException。这也是面试官反复追问的价值所在——判断标准是「调用有没有穿过代理、异常有没有传出边界」,而不是背失效场景清单。

volatile 保证可见性与有序性,不保证原子性。 JMM 规定每个线程有工作内存,volatile 写会把值刷回主存并使其他线程的缓存行失效,读则强制从主存重新加载。HotSpot 在 x86 上用带 lock 前缀的指令实现,效果接近 StoreLoad 屏障;JVM 在字节码层面插入 LoadLoad、StoreStore、LoadStore、StoreLoad 四类屏障,禁止指令重排。典型用途是状态标志位与双重检查锁定的单例,i++ 这类读改写仍要用原子类或加锁。ThreadLocal 的每个 Thread 持有一个 ThreadLocalMap,key 是 ThreadLocal 的弱引用,value 是强引用;线程池复用线程时 map 不会自动清空,上一次请求写入的上下文会被下一次请求读到,造成用户信息串号或内存泄漏。必须在 finally 中 remove();跨线程池传递上下文要用 InheritableThreadLocal 之外的方案(如 TransmittableThreadLocal),因为线程池的线程不是任务提交时新建的。

线程池先看队列,再看拒绝策略。 核心参数是 corePoolSize、maximumPoolSize、keepAliveTime、workQueue、threadFactory、handler。执行顺序为:核心线程未满则新建线程;核心线程已满则入队;队列满再扩到最大线程数;仍满则触发拒绝策略。这个顺序决定了 LinkedBlockingQueue 无界队列会让 maximumPoolSize 永远用不上,任务堆积到 OOM;SynchronousQueue 则直接把压力交给最大线程数与拒绝策略。拒绝策略中 AbortPolicy 抛异常,适合不能丢的任务;CallerRunsPolicy 让提交线程自己执行,形成天然背压,但会阻塞上游;DiscardPolicy 与 DiscardOldestPolicy 静默丢弃,只适合可丢的埋点、日志类任务。线程数按任务类型估算:CPU 密集接近核数,IO 密集按等待时间与计算时间之比放大,最终以压测的 RT、队列长度、活跃线程数为准,而不是套公式。

线上排查的顺序是先止损、再定位。 第一步看监控大盘:错误率、P99 延迟、QPS、CPU、内存、GC、线程数、连接池与下游依赖,判断故障是全局还是单实例、是突增还是缓慢劣化。第二步用链路追踪和日志定位到具体接口与下游,结合 top -Hp、jstack 找忙线程与锁竞争,jmap/jcmd 看堆与 GC,arthas 做方法耗时与入参观测,数据库看慢查询与锁等待。第三步确认变更:发布时间、配置推送、流量活动、依赖升级,优先回滚或降级。第四步才是根因分析与修复,最后补监控、告警与预案。排查中最容易犯的错误是先扎进代码,而没有先确认「影响面多大、是否还在扩大」。