面灵AI→

腾讯云测试工程师总监面面经:技术点与项目追问整理

轮次
总监面
时间
2026-11
来源
牛客网

《面试题目》

项目深挖

  1. 优化前 QPS / RT 是多少?怎么量的?
  2. 瓶颈在哪?是数据库、缓存还是代码逻辑?
  3. 为什么选 Redis 而不是本地缓存?
  4. 如果让你重做,还有什么改进空间?

Java 基础

  1. == 和 equals 的区别?hashCode 为什么要一起重写?
  2. String、StringBuilder、StringBuffer 的区别和使用场景?
  3. 接口和抽象类怎么选?
  4. Java 8 以后你常用哪些新特性?
  5. 异常体系怎么设计比较合理?

集合

  1. ArrayList 和 LinkedList 的底层与适用场景?
  2. HashMap 1.7 和 1.8 有什么区别?为什么链表要转红黑树?
  3. ConcurrentHashMap 如何保证线程安全?
  4. HashSet 底层实现原理?
  5. fail-fast 和 fail-safe 的区别?

并发

  1. synchronized 和 ReentrantLock 的区别?
  2. volatile 能保证原子性吗?底层语义是什么?
  3. 线程池核心参数怎么配?拒绝策略怎么选?
  4. ThreadLocal 的原理和内存泄漏问题?
  5. 你们项目里哪里用了 ThreadLocal?为什么不用参数传递?线上有没有因为它出过问题?线程池场景下为什么危险?
  6. AQS 是什么?CountDownLatch 和 CyclicBarrier 的区别?

JVM

  1. JVM 内存结构?哪些区域会 OOM?
  2. 常见 GC 收集器的特点和选型?
  3. 类加载过程和双亲委派?如何打破?
  4. 线上 Full GC 频繁怎么排查?
  5. 内存泄漏与内存溢出的区别?怎么定位?

Spring

  1. Spring IOC 和 AOP 的原理?
  2. Bean 生命周期和循环依赖怎么解决?
  3. Spring Boot 自动配置原理?
  4. @Transactional 失效场景有哪些?
  5. Spring MVC 一次请求的完整流程?

数据库

  1. MySQL 索引为什么用 B+ 树?
  2. 事务隔离级别和幻读问题?
  3. 慢 SQL 怎么排查和优化?
  4. 分库分表后 ID 怎么生成?
  5. 乐观锁和悲观锁在业务里怎么用?

Redis

  1. Redis 为什么快?
  2. 缓存穿透、击穿、雪崩分别怎么解决?
  3. Redis 持久化 RDB 和 AOF 怎么选?
  4. 分布式锁用 Redis 怎么实现?有什么问题?
  5. Redis 集群模式下缓存和数据库的一致性怎么做?

消息队列与分布式

  1. 消息重复消费怎么处理?
  2. 消息顺序性怎么保证?
  3. 分布式事务有哪些方案?你们怎么选?
  4. 限流、熔断、降级分别解决什么问题?
  5. 接口幂等性怎么设计?

场景题

  1. 设计一个秒杀系统,你会怎么架构?
  2. 接口 RT 突然从 50ms 涨到 2s,排查思路?
  3. 线上 CPU 100% 怎么定位?
  4. 百万数据导出怎么避免 OOM?
  5. 短链服务怎么做高可用?
  6. 订单超时未支付怎么自动关闭?
  7. 登录态在分布式系统怎么管理?
  8. 热点 key 问题怎么处理?
  9. 服务发布怎么做无损上线?
  10. 如果让你从 0 设计一个支付回调系统,核心模块有哪些?

《参考解析》

JVM 内存结构与 OOM 分布:线程私有的有程序计数器、虚拟机栈、本地方法栈,线程共享的有堆与方法区。程序计数器是唯一不会 OOM 的区域;虚拟机栈溢出通常是递归过深,抛 StackOverflowError(严格说不是 OOM);堆 OOM 分两类——Java heap space 是对象存活总量超过上限,GC overhead limit exceeded 是 GC 花掉大量时间却回收不到 2% 的空间;方法区(JDK 8 之后是元空间)OOM 常见于动态生成类太多(CGLIB 代理、热部署);直接内存溢出在 Netty 这类用堆外内存的场景里出现,报错文案是 Direct buffer memory。

GC 收集器选型:Serial 单线程、Stop The World,适合客户端与小堆;Parallel 吞吐优先,适合批处理型后台任务;CMS 以最短停顿为目标,标记清除、有碎片与并发模式失败问题,JDK 9 起废弃;G1 把堆切成 Region,按回收收益优先收集,可设定目标停顿时间(-XX:MaxGCPauseMillis),适合 4GB 以上的服务端堆;ZGC 与 Shenandoah 是染色指针 / 读屏障的低延迟收集器,停顿基本与堆大小无关,代价是吞吐略低、需要更大堆余量。回答要点是「按业务指标选」:延迟敏感选 G1/ZGC,吞吐敏感选 Parallel,并说明升级收集器要结合 GC 日志与压测验证,不能只凭参数表。

双亲委派与打破:类加载请求先交给父加载器,父加载器加载不到才由自己加载,作用是保证核心类不被篡改(自己写的 java.lang.String 永远不会被加载)。打破的三种典型场景:JDBC 的 DriverManager 需要加载厂商实现,用线程上下文类加载器(SPI);Tomcat 为实现 Web 应用隔离,每个应用一个 WebAppClassLoader,先自己加载再委派;OSGi 的网状委派。答题时说清「为什么打破」比背「怎么打破」更重要。

Full GC 频繁的排查路径:先用 jstat -gcutil 或 GC 日志确认频率与回收效果,再看堆与各代占用(jmap -heap)、对象直方图(jmap -histo),必要时 dump 堆用 MAT 找支配树上的大对象。常见原因:堆设置过小、晋升过快(新生代太小或 Survivor 比例不当)、大对象直接进老年代、元空间不足、显式 System.gc()、缓存无界增长、ThreadLocal 与静态集合导致的对象长期存活。修复要落到具体那一类,不能只说「调大堆」——调大堆往往只是把问题推后。

内存泄漏与内存溢出的区别:溢出是结果,泄漏是原因之一。泄漏指对象已经不再使用但仍被引用、无法回收,表现是「每次 Full GC 后老年代占用仍然上涨」;溢出指申请内存超过上限,可能因为泄漏累积,也可能只是瞬时数据量过大(一次查全表、大文件读入内存)。定位手段一致:堆 dump + 支配树分析,对照两次 dump 的增量找持续增长的对象与持有它的引用链。

IOC 与 AOP:IOC 是控制反转,对象的创建与依赖装配交给容器,实现方式有 XML、注解、Java Config,本质是一张 BeanDefinition 注册表加依赖注入;AOP 是面向切面,把日志、事务、鉴权这类横切逻辑从业务里抽出来,Spring AOP 默认用 JDK 动态代理(目标类实现接口时)或 CGLIB(无接口或强制 proxyTargetClass),在 Bean 初始化后生成代理对象。要能说清「AOP 只对容器管理的外部调用生效」——同类内部方法互调走的是 this,不经过代理,切面不生效,这也是 @Transactional 失效的头号原因。

Bean 生命周期与三级缓存:实例化 → 属性填充 → BeanNameAware 等回调 → BeanPostProcessor 前置 → init-method / @PostConstruct → 后置处理(AOP 代理在这里生成)→ 使用 → 销毁。循环依赖的解决靠三级缓存:一级放完整 Bean,二级放提前暴露的半成品,三级放能产出该 Bean 代理的 ObjectFactory。之所以要三级而不是两级,是为了在需要 AOP 时延迟到真正发生循环引用才生成代理,保证注入到别人手里的是代理对象。构造器注入的循环依赖无法解决,只能改字段注入或用 @Lazy。

Spring Boot 自动配置:@SpringBootApplication 包含 @EnableAutoConfiguration,它通过 AutoConfigurationImportSelector 读取 META-INF/spring/org.springframework.boot.autoconfigure.AutoConfiguration.imports(2.7 之前是 spring.factories),拿到候选配置类后按 @ConditionalOnClass、@ConditionalOnMissingBean、@ConditionalOnProperty 等条件筛选,命中的才注册。自定义 starter 就是提供这样一个 imports 文件加一组带条件的配置类。能讲清「条件装配 + 用户配置优先」这两点,这道题就到位了。

@Transactional 失效场景:同类内部方法调用(不经过代理)、方法非 public(CGLIB 代理对 private/protected 无效)、异常被 catch 后没有重新抛出、抛的是受检异常而默认只回滚 RuntimeException 与 Error、类没有被 Spring 管理、多线程里调用(事务绑定在 ThreadLocal 上)、数据库引擎不支持事务(MyISAM)、传播行为设置不当(如 REQUIRES_NEW 与 NESTED 混用)、只读事务里做写操作。

MySQL 索引为什么用 B+ 树:与二叉树比,B+ 树是多路平衡树,树高很低(三层能存千万级),一次查询只需少量磁盘 IO;与 B 树比,B+ 树的非叶子节点只存键、不存数据,同样大小的页能放更多键,扇出更大、树更矮,且数据全部在叶子节点并用链表相连,范围查询与排序只需顺序扫描叶子;与哈希索引比,B+ 树支持范围查询与最左前缀匹配。答题时补一句「聚簇索引的叶子存整行、二级索引的叶子存主键」,以及回表与覆盖索引的关系。

隔离级别与幻读:读未提交、读已提交、可重复读、串行化。MySQL 默认可重复读,靠 MVCC 的快照读实现可重复读,靠间隙锁(Next-Key Lock)在加锁读时防幻读——所以「RR 到底有没有幻读」要分快照读和当前读回答。读已提交每次快照读都取最新快照,因此同一事务内两次读到不同结果;串行化读加共享锁、写加排他锁,并发度最低。

慢 SQL 的排查顺序:先确认是单条慢还是整体慢——开慢查询日志(long_query_time、log_queries_not_using_indexes),用 EXPLAIN 看 type、key、rows、Extra(Using filesort、Using temporary 是要警觉的信号),再考虑 EXPLAIN ANALYZE 看真实耗时分布。常见修复:补或调整联合索引(按最左前缀与选择性设计)、避免索引列上做函数运算与隐式类型转换、把 SELECT * 收窄为覆盖索引、大分页改成基于上次最大 id 的游标分页、拆分大事务、必要时做冷热分离或归档。要强调索引不是越多越好:写放大、优化器选择成本、空间占用都是代价。

分库分表后的 ID:UUID 无中心但无序、占空间,做主键会导致 InnoDB 页分裂;数据库自增步长多实例可用但扩容麻烦;号段模式(一次取一批 ID 缓存在本地)兼顾有序与吞吐,是常见选择;雪花算法(时间戳 + 机器号 + 序列)有序且高性能,但要处理时钟回拨与机器号分配。回答时要说明业务对 ID 的要求(是否暴露给用户、是否需要趋势递增),再选方案。

乐观锁与悲观锁:悲观锁假定冲突多,先加锁再操作(SELECT ... FOR UPDATE、分布式锁),适合写多、冲突频繁、一致性要求高的场景,代价是阻塞与死锁风险;乐观锁假定冲突少,读时带版本号,更新时 WHERE version = ? 校验,失败重试,适合读多写少。库存扣减这类场景更稳的做法是 UPDATE stock SET count = count - 1 WHERE id = ? AND count >= 1,把判断与扣减合成一条原子语句。

总监面的答题结构:这类面试的问题本身不难,考的是结构与边界。每题按「结论先行 → 原理 → 场景 → 风险」四段讲:结论一句话给判断,原理说清机制,场景结合自己做过的项目,风险与替代方案说明你知道边界在哪。不确定的直接说「这一层我没深入过,我了解到的是……」,比含糊带过更安全——被追问一句就露的答案,比承认不知道扣分更多。