腾娱互动后台开发实习一面:GC、ThreadLocal 与热点榜设计
- 轮次
- 一面
- 时间
- 2026-10
- 来源
- 牛客网
《面试题目》
- 说一下对 Java GC 的理解?
- 什么情况下新生代对象会变成老年代?
- 说一下垃圾回收策略?
- 老年代的对象没用了会怎么做?
- OOM 一般什么情况下会发生呢?
- 说一下进程 / 线程 / 协程的概念?
- 应用 A 和应用 B 会共用到一个线程吗?
- ThreadLocal 有什么特点?
- ThreadLocal 的数据能被其他线程访问吗?
- 商城的热点商品的热度排行榜用 Redis 的什么数据结构来做?
- 能介绍下跨机房扫码确认场景具体是指什么呢?
- 为什么要全机房写缓存,直接用买家或者商家的 id 来查不行吗?
- 这个软件已经运行很多年了,全机房写是新加的需求?
- 做这个优化是基于什么样的背景呢,能描述一下之前是什么样的状态,现在是什么样的状态吗?
- 能说一下 prompt 自动化自进化 Skill 的设计思路和实现方式吗?
- 手撕:实现一个单向链表,实现添加、删除、打印、反转。
《参考解析》
GC 与对象晋升:把「什么时候进老年代」答全
GC 这块要按「分代结构 → 回收算法 → 晋升条件 → 排查手段」来讲。堆分新生代(Eden + 两个 Survivor)和老年代,新生代用复制算法因为大多数对象朝生夕死,老年代用标记整理(CMS 用标记清除)。对象进入老年代有四种典型路径:一是年龄达到阈值(默认 15,每熬过一次 Minor GC 加一岁);二是大对象直接进老年代(PretenureSizeThreshold,避免在 Eden 与 Survivor 之间反复复制大块内存);三是动态年龄判定——Survivor 中相同年龄对象的总大小超过 Survivor 空间一半时,该年龄及以上的对象直接晋升,这条最容易被漏掉;四是 Survivor 空间不足时的分配担保,剩余对象被挪进老年代。回收策略上要讲清 Minor GC、Major/Full GC 的触发条件与代价差别,以及 Full GC 频繁的常见原因(老年代增长快、元空间不足、显式 System.gc()、CMS 并发失败退化)。OOM 的排查要落到工具:jmap -dump 或 -XX:+HeapDumpOnOutOfMemoryError 拿堆快照,用 MAT 看支配树找大对象与引用链,区分是内存泄漏(对象被不该持有的引用挂住)还是内存溢出(确实不够);常见的几类 OOM 也要点一下——堆溢出、元空间(动态生成类过多)、直接内存(NIO/Netty)、以及「unable to create new native thread」。
进程、线程、协程与 ThreadLocal
进程是资源分配的基本单位、拥有独立地址空间,线程是调度的基本单位、共享进程内存,协程是用户态的轻量调度单元,切换不陷入内核、由运行时或语言自己调度,代价比线程小得多,适合高并发 IO。关于「应用 A 和应用 B 会不会共用一个线程」要分情况:不同进程之间的线程本来就互不相干;同一个 JVM 进程内,是否共用取决于线程池的归属——用共享的公共线程池(比如某些框架内部的默认池、ForkJoinPool.commonPool)时不同业务逻辑会跑在同一个线程上,这也是为什么线程池要按业务隔离、命名,并避免在共享线程上放 ThreadLocal 或依赖线程本地状态。ThreadLocal 的特点是「每个线程一份独立的变量副本」,底层是 Thread 对象里的 ThreadLocalMap,key 是 ThreadLocal 本身的弱引用、value 是强引用,所以用完必须 remove(),否则在线程池里会被下一个任务读到脏数据,且 key 被回收后 value 无法访问会造成内存泄漏。它的数据其他线程默认访问不到——但这不是安全机制:InheritableThreadLocal 会把值传给子线程,线程池里子线程复用更会让「继承」变成污染;真正的跨线程传递要靠显式传参或专门的上下文传递组件。典型的正确用法是放数据库连接、用户上下文、traceId 这类「跟本次请求绑定」的东西,并在 finally 里清理。
Redis 热点榜与跨机房缓存:「为什么不用 id 直接查」
排行榜类的需求标准答案是 ZSet(有序集合),底层跳表加哈希,ZINCRBY 累加热度、ZREVRANGE 取 Top N、ZREVRANK 查排名,复杂度都是对数级。要顺手讲清几个工程细节:热点商品的热度通常来自多种行为(浏览、加购、下单)加权,别把原始点击直接累加;写入要防热点 key 打爆单分片,可以按商品 ID 哈希打散到多个 ZSet 再合并,或者用定时批量聚合而不是每次请求都写;榜单要做冷启动与兜底(缓存过期时回源、榜单为空时给默认位次);如果要求实时性不高,用定时任务算好再整体替换,比每次读写都动 Redis 更稳。追问一般会落到「ZSet 和 List 有什么区别」——List 只能按插入顺序取,没法按分数排序,也没法 O(logN) 查排名。
跨机房缓存那几问是典型的「顺着你的项目往下挖」,回答的关键是把背景、旧状态、新状态、以及为什么这么改讲成一条链。扫码确认这类场景的特点是同一次操作要在多个机房可见——用户在 A 机房发起、确认动作可能落在 B 机房,如果只在本地机房写缓存,另一个机房读不到就会重复弹出确认或判定失败。所以「全机房写」解决的是多机房数据可见性与一致性,而不是查询性能。「为什么不能用买家/商家 id 查」问的是数据分片策略:如果按 id 哈希分片,同一条扫码记录只落在一个分片,跨机房读就要走跨机房查询(延迟高、还可能失败),而全机房写是把一份小体积、短生命周期的状态复制到各机房本地,用写放大换读延迟与可用性。要主动说清代价与兜底:写多份会有一致性窗口,靠过期时间、版本号或「以主机房为准 + 异步同步」来收敛;数据量要小(比如只记状态和短期 token),不能把大对象全机房复制。最后补上效果度量——优化前后跨机房读的 P99、确认失败率、以及回退方案,这些比「加了缓存」有说服力。
手撕:单向链表的增删查与反转
实现要点是把边界处理干净,写之前先跟面试官对齐接口(是否带头节点、删除是按值还是按位置、是否允许重复值)。反转给两个版本:迭代版用 prev/cur/next 三个指针边走边改指向,O(n) 时间 O(1) 空间;递归版代码短但栈深度是 O(n),长链表有溢出风险,面试里以迭代版为主、递归版作为补充说明。要主动覆盖的用例:空链表、只有一个节点、删除头节点、删除不存在的值、反转后再反转应当还原。写完可以用一句「如果要求线程安全,就在头尾分别加锁而不是锁整条链」收尾,显示你意识到并发场景的存在。