面灵AI→

同程旅行 后端开发 一面:十万行表的索引决策与压测指标

轮次
一面
时间
2026-11
来源
牛客网

《面试题目》

  1. 请介绍一下自己的学习、实习经历和项目亮点。
  2. 从前端发起 HTTP 请求,到收到结果,中间经历了哪些步骤?
  3. 一张约 10 万行的 MySQL 表查询较慢,准备添加索引。从分析问题到实际执行,需要考虑哪些因素?
  4. Java 中 int 和 Integer 有什么区别?
  5. int 变量、Integer 引用和 Integer 对象分别存储在哪里?
  6. 了解哪些 JVM 参数?它们分别有什么作用?
  7. 简历中的接口耗时优化指标是如何测得的?优化前后的数据如何比较?
  8. 具体如何进行压测?使用什么工具,怎样配置?
  9. 使用过哪些 AI 工具和模型?如何评价它们,并根据任务选择?
  10. 如何判断 AI 生成的代码是否达到了上线标准?

《参考解析》

十万行表加索引的决策:先确认慢在哪:开慢查询日志拿到具体 SQL,用 EXPLAIN 看 type、key、rows、Extra,判断是全表扫、回表多还是排序开销。再看数据分布:10 万行对 MySQL 不算大,慢往往不是行数而是缺索引、索引失效、返回列太多或锁等待。设计索引时考虑:查询条件与排序字段的组合、联合索引的列顺序(等值在前、范围在后)、区分度、是否能用覆盖索引避免回表、写入频率(索引会拖慢写入)、现有索引是否冗余。执行前在影子库或从库验证,用 EXPLAIN 与真实耗时对比;上线用在线 DDL 工具避免锁表;上线后观察慢查询与写入延迟。还要考虑边界:如果查询条件组合很多,可能需要多个索引或调整查询方式(如把多条件查询拆开、用搜索引擎)。

int 与 Integer:int 是基本类型,存数值,默认 0,不能为 null;Integer 是包装类,是对象引用,默认 null,可参与泛型与集合。自动装箱拆箱在编译期插入 Integer.valueOf 与 intValue。Integer 缓存 -128 到 127,范围内 == 比较为 true,范围外比较地址为 false,必须用 equals。包装类参与运算时若为 null 会抛空指针,这是常见线上问题。

存储位置:int 局部变量存在栈帧的局部变量表;int 成员变量随对象存在堆里。Integer 引用本身是栈上的引用(局部变量时),它指向的 Integer 对象在堆上;缓存范围内的 Integer 来自方法区的常量池缓存(IntegerCache)。字符串常量、类元数据在元空间。回答时区分「引用」与「对象」是关键。

JVM 参数:堆大小 -Xms、-Xmx;新生代 -Xmn 或 -XX:NewRatio;Survivor 比例 -XX:SurvivorRatio;元空间 -XX:MetaspaceSize、-XX:MaxMetaspaceSize;栈大小 -Xss;垃圾收集器选择 -XX:+UseG1GC;G1 停顿目标 -XX:MaxGCPauseMillis;GC 日志 -Xlog:gc*;OOM 时 dump -XX:+HeapDumpOnOutOfMemoryError;直接内存 -XX:MaxDirectMemorySize。要能说清每个参数解决什么问题,以及设置不当的后果(如 Xmx 过大导致 Full GC 时间长)。

接口耗时指标怎么测:分三层:客户端侧(真实用户视角的端到端耗时,含网络)、服务端侧(应用内埋点,按阶段拆分:参数校验、DB、缓存、RPC、序列化)、依赖侧(DB 慢查询、下游 RT)。对比优化前后要用同一口径:同样的压测模型、同样的数据量、同样的机器配置,取 P50/P95/P99 而不是平均值,并给出样本量与观测窗口。生产上可以用灰度对比或 A/B。

压测怎么做:工具选 JMeter、wrk、Locust 或 Gatling,按协议与场景选。配置要点:施压模型(并发数、Ramp-up、持续时间)、请求分布(按真实流量比例混合接口)、参数化(避免缓存命中造成虚高)、监控(应用指标、DB、中间件、机器资源)、隔离(独立环境或低峰期,避免影响线上)。结论要写清瓶颈在哪一段、系统容量上限、以及压测本身是否成为瓶颈(施压机 CPU、网络)。

AI 工具的选择与代码上线标准:按任务选模型:长上下文与复杂重构用强模型,样板代码与单测用快模型,检索与问答用带工具的组合。评价维度是准确率、可维护性、成本、延迟。AI 生成的代码要过与人工代码相同的门槛:能通过编译与静态检查、有测试覆盖、边界与异常处理完整、无安全隐患(SQL 注入、越权、日志泄露)、经过 code review、在预发环境验证。额外要检查「看起来对但语义错」的部分:类型转换、并发、事务边界。