西安初创小厂后端一面(30 分钟):推荐算法、Spring AI 重排与秒杀库存一致性
- 轮次
- 一面
- 时间
- 2026-10
- 来源
- 牛客网
《面试题目》
- 自我介绍并介绍项目:你主要负责哪些工作、遇到哪些技术难点、如何解决?
- 详细介绍一下项目里的个性化推荐算法,包括整体流程和核心思路。
- 你用 Spring AI 调用大模型做语义重排序,具体怎么实现?重排序的依据是什么?
- 用 Spring AI 调用大模型时,你怎么设计 Prompt、怎么引导模型完成预期任务?
- MySQL 索引底层用什么数据结构?为什么选它?B+ 树的结构特点是什么,InnoDB 为什么用它?
- 发现一条 SQL 执行很慢,你怎么排查和优化?说说思路和常用工具。
- 抢购(秒杀)模块怎么实现的?整体架构、核心流程与并发控制方案是什么?
- 库存同时存在 MySQL 和 Redis 中,如何保证一致性?如果要求强一致,你会用什么方案?
- Java 里 HashMap 的底层数据结构是什么?扩容机制怎样?在哪个 JDK 版本有过改变?
- 智能客服场景下如何解决大模型幻觉?调用大模型时有哪些降低 token 消耗、控制成本的方法?
- 项目中基于 JWT 和 ThreadLocal 的身份认证与鉴权怎么实现?
- 如果用户伪造了 JWT Token,你的拦截器如何识别并拒绝?后端如何验证 Token 合法性?
- 如果让你设计并实现一个桌面计算器,你会怎么设计?从数据结构、算法选择和整体思路说明。
- 你了解 Agent 工作流吗?Agent 底层工作流程是什么样的?
- 用过哪些 AI 工具?Claude 用过吗?一般用 AI 写哪些代码?
- 你的 GitHub 上有没有其它开源项目,可以讲讲吗?
《参考解析》
大模型做重排序要讲清「为什么值得多花一次调用」:召回阶段用向量或 BM25 拿 top50,精排让模型按「是否直接回答了问题」打分或直接输出排序,prompt 里给查询 + 候选片段、要求输出 JSON 分数与理由、限制打分维度(相关性、信息量、时效);代价是延迟和不稳定,所以线上要做超时降级到原顺序、结果缓存、并把候选数控制在小几十条。相比 cross-encoder 重排模型,LLM 重排更懂意图但更贵更慢。
B+ 树那套要一次说完:磁盘 IO 是瓶颈,B+ 树非叶子节点只存键、扇出大、树高三层就能撑千万级;叶子节点用双向链表串起来,范围查询和排序友好;所有数据在叶子、查询路径长度一致,性能稳定。对比 B 树(节点存数据、扇出小)、哈希(只支持等值)、跳表(内存友好但磁盘不友好)。
慢 SQL 排查顺序:先确认是否偶发(连接池耗尽、锁等待、网络),再 EXPLAIN 看 type / key / rows / Extra,SHOW PROFILE 或 performance_schema 看各阶段耗时,SHOW PROCESSLIST 抓正在跑的慢查询;优化手段是补/改索引(联合索引顺序、覆盖索引)、改写 SQL(避免函数、避免 select *、拆大事务)、分页深翻用游标、必要时空 archive 冷热分离。
秒杀的核心是「把流量挡在数据库前面」:前端限流与按钮防重、网关层限流与黑名单、库存预热到 Redis、Lua 脚本原子扣减(判断 + 扣减 + 记录用户),扣成功再异步落库下单(消息队列),未支付超时回补库存;防超卖靠原子扣减 + 数据库唯一约束兜底,防刷靠用户维度限流与风控。
MySQL 与 Redis 双写一致性:常规做法是「先更新数据库再删缓存」(Cache Aside)+ 延迟双删 + 订阅 binlog(Canal)异步删缓存,容忍短暂不一致;强一致要么把库存的唯一真相放数据库、Redis 只做「预扣令牌」并在失败时回滚,要么用分布式事务(TCC / 本地消息表 / Seata)以性能换一致性——面试里明确说出「强一致必然牺牲可用性与吞吐」是加分项。
JWT 防伪造:签名算法用 HMAC-SHA256 或 RS256,密钥只在服务端;验证时先校验签名再校验 exp、iss、aud,禁用 none 算法(历史上的经典漏洞);还要处理注销(黑名单 / 短有效期 + refresh token)、防重放(jti + 一次性 nonce)。ThreadLocal 存用户上下文要注意线程池复用导致的串号,用完必须 remove()(try/finally),这也是后来很多人改成显式传参或 RequestScope 的原因。
Agent 工作流的骨架是「规划 → 选工具 → 执行 → 观察结果 → 再规划」的循环,配上终止条件(步数上限、目标达成判断)、错误处理(工具失败重试或换路)、上下文管理(摘要压缩)。答这一题时把「工具描述写得好不好直接决定调用准确率」讲出来,比复述 ReAct 名词更有说服力。