vivo Java 技术面:RabbitMQ 延迟消费、SQL 优化与最左前缀
- 轮次
- 技术面
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
- 自我介绍、绩点排名、竞赛经历。
- 选一个能体现你技术深度的实习经历讲讲。
- 消息队列有很多,为什么这里选用 RabbitMQ 做延迟消费,为什么不选其他 MQ 或 Kafka?
- RabbitMQ 是怎么实现延迟消费的?什么是死信队列?
- 项目中有没有做过数据库优化,或遇到数据库卡顿,怎么解决?
- 什么是最左前缀原则?
- 结合项目讲讲你对 Redis 的了解,Redis 有哪些特点?
- 基于项目问两个功能或优化具体怎么实现。
- 你对 AI 编程有哪些了解?平时如何让 AI 写出优质且规范的代码?
- 讲讲对 vivo 的了解。
- 讲讲未来的职业规划。
《参考解析》
为什么选 RabbitMQ 做延迟消费:Kafka 的设计核心是高吞吐的顺序日志,按分区顺序消费,单条消息的延迟投递需要自己建时间轮或外部调度,且不支持灵活的路由;RocketMQ 有延迟级别但粒度受限于内置等级(商业版支持任意时间);RabbitMQ 原生支持 TTL 加死信队列,或用 delayed message exchange 插件,能按队列或消息设置过期时间,路由灵活、管理界面成熟,适合订单超时关闭、定时提醒这类量级不大但要求可靠与灵活的场景。选型要结合吞吐、延迟精度、可靠性、运维成本,而不是只看「哪个更流行」。
TTL 加死信队列:给业务队列设置消息 TTL 或队列 TTL,消息过期后由 Broker 投递到配置的死信交换机,再路由到实际消费的死信队列,消费者监听死信队列执行延迟任务。死信队列本身是普通队列,只是用来接收被拒绝、过期、超过长度限制的消息;它解决的问题是失败消息不丢、可重试、可人工排查。注意队列级 TTL 会导致队头阻塞,消息级 TTL 更灵活;延迟精度受 Broker 扫描与消费速度影响,不适合毫秒级。
数据库卡顿的排查:先看监控确认是 CPU、IO、连接数还是锁等待;开慢查询日志找 Top SQL,用 EXPLAIN 看执行计划、扫描行数、是否回表、filesort 与临时表;检查索引是否缺失或失效,必要时加联合索引、覆盖索引、改写 SQL;连接池是否耗尽、是否有长事务与锁等待;数据量过大做归档、分页优化或分表。优化后用相同数据与并发复测,并加监控防止回退。
最左前缀原则:联合索引 (a,b,c) 按定义顺序排序,查询条件必须从最左列开始连续匹配才能充分利用索引;a、a,b、a,b,c 可以用,b、b,c、a,c 只能用部分或无法用(a,c 可用 a 列,c 列不能用于索引定位)。范围查询会截断后续列的使用。回答时补一句「优化器会按成本选择,最左前缀是能用索引的必要条件,不是充分条件」。
Redis 的特点:内存存储、单线程处理命令(网络 IO 多线程)、丰富的数据结构、持久化(RDB/AOF)、高可用(主从、哨兵、集群)、原子操作与 Lua。项目里常用于缓存、分布式锁、计数器、排行榜、会话、限流。要讲清用法与边界:缓存一致性、穿透/击穿/雪崩、大 key 与热 key、持久化对延迟的影响。
AI 编程:讲清你用它做什么(生成样板代码、单测、重构、读陌生代码)、怎么给约束(技术栈、接口、目录、测试、禁止改动)、怎么验证(编译、测试、review)。「优质且规范」不是靠提示词一句话,而是把规范写进仓库的 lint、类型、测试与模板,让工具在约束下工作。
对公司的了解与规划:vivo 的业务包括手机、影像、系统与互联网服务,Java 后端多用于电商、用户、营销、数据等平台。结合岗位讲你能贡献什么,职业规划按「先熟悉业务与工程规范、再独立负责模块、最后深入某个技术方向」展开,避免空泛。