实在智能一面:HashMap、线程池、JVM 与 Kafka 消息可靠性
- 轮次
- 一面
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
- 自我介绍,然后拷打项目。
- HashMap 平时用过吗?介绍一下它的结构。
- HashMap 是线程安全的吗?想让线程安全应该用什么?
- 它是怎么保证线程安全的?
- List 平时用哪些?
- ArrayList 和 LinkedList 有什么区别?
- 线程池用过吗?核心参数介绍一下。
- synchronized 的原理知道吗?
- 公平锁你知道有哪些吗?
- ThreadLocal 会出现内存泄漏吗?为什么会这样?
- JVM 的内存区域有哪些?
- InnoDB 的底层结构是什么?展开讲一下 B+ 树。
- 事务的隔离级别有哪些?MySQL 默认用哪一个?
- 哪些情况会导致索引失效?
- Redis 为什么那么快?
- 平时什么时候会用 Redis?有哪些使用场景?
- RDB 和 AOF 的区别?
- 缓存穿透、击穿和雪崩了解过吗?
- 用过 Kafka,有没有碰到过消息丢失的情况?
- 如果想保证消息的顺序,有什么方法?
《参考解析》
-
HashMap 结构:数组加链表加红黑树。key 的 hash 高 16 位与低 16 位异或后对容量取模定位桶,链表长度到 8 且容量到 64 转红黑树,负载因子 0.75 触发扩容,扩容时按高位拆分节点。容量取 2 的幂是为了用位运算替代取模。
-
线程安全替代:
ConcurrentHashMap。JDK 8 用 CAS 加 synchronized 锁单个桶头节点,只锁冲突的那一段而不是整表,读操作基本无锁(volatile 保证可见性),size 用 baseCount 加 CounterCell 分散计数。 -
ArrayList 与 LinkedList:ArrayList 基于数组,随机访问 O(1)、中间插入删除要搬移元素,扩容约 1.5 倍;LinkedList 基于双向链表,头尾操作快但随机访问 O(n),每个节点额外存两个指针,缓存不友好。实际业务里 ArrayList 用得更多。
-
线程池核心参数:核心线程数、最大线程数、空闲存活时间、时间单位、工作队列、线程工厂、拒绝策略。执行顺序是先核心线程、再入队、队列满才扩到最大线程、再满才拒绝。队列要有界,否则最大线程数形同虚设。
-
synchronized 原理:修饰代码块用 monitorenter/monitorexit,修饰方法用 ACC_SYNCHRONIZED 标志;锁状态从无锁、偏向锁、轻量级锁(CAS 自旋)到重量级锁(操作系统互斥量)逐级升级,升级不可逆。
-
公平锁:
ReentrantLock(true)是公平锁,按等待队列顺序获取;ReentrantLock(false)和非公平的 synchronized 都允许插队,吞吐更高但可能饥饿。公平锁维护队列有额外开销。 -
ThreadLocal 内存泄漏:ThreadLocalMap 的 key 是弱引用,value 是强引用。ThreadLocal 对象被回收后 key 变成 null,但 value 还被线程持有,线程池里线程长期存活就一直不释放。所以用完必须
remove()。 -
JVM 内存区域:线程私有的程序计数器、虚拟机栈、本地方法栈;线程共享的堆和方法区(元空间)。堆分新生代(Eden + 两个 Survivor)和老年代。要能接上「对象什么时候进老年代」(年龄达到阈值、大对象直接进、动态年龄判断)。
-
InnoDB 与 B+ 树:数据按主键组织成聚簇索引,叶子节点存整行;二级索引叶子存主键值,查非索引列要回表。B+ 树层级低、非叶子只存键、叶子有链表,适合范围查询和排序。
-
隔离级别:读未提交、读已提交、可重复读、串行化。MySQL 默认可重复读,靠 MVCC 加间隙锁在一定程度上避免幻读。
-
索引失效:函数或运算作用于索引列、隐式类型转换、前导模糊匹配、or 连接非索引列、联合索引不满足最左前缀、区分度太低时优化器放弃索引。最终以执行计划为准。
-
Redis 为什么快:纯内存操作、单线程避免锁竞争和上下文切换、IO 多路复用处理连接、高效的数据结构(SDS、跳表、listpack)、合理的编码切换。
-
使用场景:缓存、分布式锁、计数器与限流、会话、排行榜(zset)、消息队列(stream)、去重(set/布隆过滤器)。
-
RDB 与 AOF:RDB 是定时快照,文件小、恢复快,但可能丢最后一次快照后的数据;AOF 追加写命令,实时性好、可配置每秒同步,文件大、恢复慢。生产常用混合持久化。
-
穿透、击穿、雪崩:穿透是查不存在的数据,用布隆过滤器或空值缓存;击穿是热点 key 过期瞬间大量请求回源,用互斥锁或逻辑过期;雪崩是大量 key 同时失效或 Redis 整体故障,用过期时间打散、多级缓存和熔断降级。
-
Kafka 消息丢失:生产端要
acks=all并处理发送失败;broker 端要足够的副本和min.insync.replicas;消费端要处理完再提交位点,失败进重试或死信。丢消息一定是这三段之一。 -
保证顺序:同一业务 key 发到同一分区(按 key 哈希),单分区内天然有序;消费端单线程处理该分区,或者按 key 做本地队列串行消费。要扩分区就会破坏全局顺序,只能保证分区内有序。