小米 软件开发日常实习一面:螺旋矩阵、JWT 与事务失效场景
- 轮次
- 一面
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
- 请做一下自我介绍。
- 你的项目是从实践中抽离出来的,还是自己凭空做的?
- 手撕代码:螺旋矩阵。
- 讲一下项目中 JWT 的流程。
- JWT 和 Session 认证的区别是什么?
- 讲一下你项目里死信队列的核心处理逻辑。
- 项目在执行中彻底崩溃,这些队列会怎么样?消息的标记和投递会怎么样?
@Transactional事务应用在哪里,有哪些场景不适用?- 开放性问题:你之前做过的项目里有哪些难点、难在哪里、怎么解决的?事后回顾觉得哪里还能提升?
- 平时用 AI 编程吗?你对 AI 编程有什么看法?
- 自己私下有用 AI 写 Agent、Skills 这类工具吗?
《参考解析》
螺旋矩阵:按层模拟最稳,维护上、下、左、右四个边界,依次从左到右、从上到下、从右到左、从下到上遍历,每走完一条边就收缩对应边界;循环条件是 top <= bottom && left <= right,单行或单列时要在最后两条边上做判断,否则会重复输出。时间复杂度 O(mn),每个元素访问一次;除输出数组外额外空间 O(1)。递归写法按「一圈一圈剥」也可以,但边界处理更容易出错。面试时先说出思路与边界,再动手写,比直接敲代码更稳。
JWT 流程:登录时服务端校验账号密码,用密钥对 header.payload.signature 签名,把 token 返回给客户端;客户端此后在 Authorization: Bearer <token> 中携带;服务端验签并检查 exp、签发者等声明,通过后从 payload 取出用户标识。payload 只是 Base64 编码而非加密,任何人都能解开,所以不能放手机号、身份证号这类敏感信息。token 一旦签发,在过期前无法单方面作废,需要短有效期加刷新令牌,或者维护一个黑名单。密钥轮换时要支持多把密钥并存,否则全量用户会被强制登出。
JWT 与 Session 的区别:Session 把状态存在服务端,客户端只持有 sessionId,服务端可随时失效,代价是要共享存储(Redis)才能水平扩展;JWT 是自包含的无状态凭证,服务端不存副本,天然适合多实例与跨域,代价是注销、改权限、封号这类操作无法立即生效。安全面上,Session 主要防 CSRF(配合 SameSite、CSRF token),JWT 存在 localStorage 时主要防 XSS;放在 HttpOnly Cookie 里则又回到 CSRF 问题。选型看场景:后台管理、需要强制下线的系统用 Session 更合适;开放 API、多端共用、服务间调用用 JWT 更合适,配合短过期与刷新机制。
死信队列的逻辑:消息被消费者显式拒绝且不重新入队、超过 TTL 未消费、队列长度超限、或重试次数超过上限时, broker 会把消息路由到配置的死信交换机(DLX),再进入死信队列,由独立的消费者做告警、落库、人工补偿或延迟重试。核心处理逻辑通常是:记录失败原因与原始消息、区分可重试与不可重试错误、对可重试的按退避策略重新投递、对不可重试的进入人工队列。
进程崩溃时队列的状态:结果取决于持久化与确认机制。交换机、队列、消息三者都声明为持久化,且生产者开启 publisher confirm、消费者使用手动 ack 时,未 ack 的消息在连接断开后会被 broker 重新入队并标记 redelivered,其他消费者可以继续消费,代价是可能重复投递,业务必须做幂等(唯一键、去重表、状态机)。如果消息未持久化,或消费者用了自动 ack,崩溃时正在处理的消息就直接丢失。还要注意「已 ack 但业务未完成」的窗口:ack 放在业务提交之后,或者用本地消息表、事务消息来保证一致性。
@Transactional 失效场景:同类内部方法调用不走代理,注解不生效;方法不是 public(部分代理模式下);异常被 catch 吞掉没有抛出;默认只对 RuntimeException 和 Error 回滚,受检异常要显式写 rollbackFor;类没有被 Spring 管理、或用了不支持事务的存储引擎;在事务方法里另起线程执行;传播行为配置不当,例如内层 REQUIRES_NEW 与外层事务相互独立。还有一个容易被忽略的点:事务提交发生在方法返回之后,若在事务内发送消息或调用外部接口,可能出现「消息已发出、数据库回滚」的不一致,应改为提交后触发。
项目难点与复盘:按「现象—排查—根因—解决—复盘」讲。现象要具体(接口 P99 从 200ms 涨到 2s、某类消息偶发重复消费),排查要说出用了什么手段(日志、链路追踪、压测、监控指标),根因要落到机制层面而不是「加了个缓存就好了」,复盘给出后续改进(加监控、补测试、改设计)。面试官真正想听的是判断过程,而不是项目规模。
AI 编程的看法:AI 在样板代码、单测、文档、陌生 API 的用法上收益明显,能显著压缩重复劳动;风险在于生成的代码可能调用不存在的接口、隐式假设业务规则、把错误处理写成空实现,且代码量越大 review 成本越高。合理用法是把它当作需要 review 的初级合作者:先让它解释思路与边界,再让它写实现与测试,关键路径(并发、事务、安全、计费)自己把关,团队层面则要补上静态检查与测试覆盖。若私下写过 Agent 或工具,讲清触发方式、工具定义、失败重试与上下文管理,比罗列工具名更有说服力。