面灵AI→

迅雷 iOS 客户端开发面经:HTTPS 握手、Java 内存管理与锁的选择

轮次
一面
时间
2026-11
来源
牛客网

《面试题目》

  1. 你觉得 HTTPS 跟 HTTP 有什么区别?它的连接过程有什么差异?
  2. 能讲一下 Java 的内存管理机制吗?栈区的情况呢?有什么应用场景?
  3. HashMap 的应用场景?
  4. Java 里面内存引用存不存在循环引用的问题?可达性分析在两个对象相互引用时,会不会导致它们无法回收?
  5. 能解释一下同步、异步、串行、并行分别是什么意思?举异步和并发的例子。
  6. 乐观锁跟悲观锁讲一下。乐观锁的收益是什么?悲观锁的改动你怎么验证它是正向的?改进之后对应的 QPS 是多少?
  7. 做这个项目时,AI Coding 占比大概多少?

《参考解析》

HTTPS 与 HTTP 的差异:HTTP 是明文传输,HTTPS 是 HTTP 加上 TLS,提供加密、完整性校验与身份认证。连接过程的差异在于多了一次 TLS 握手:TCP 三次握手之后,客户端发 ClientHello(支持的版本、密码套件、随机数、SNI),服务端回 ServerHello(选定的套件、随机数)与证书链,客户端校验证书(链式信任、域名匹配、有效期、吊销状态),然后用密钥交换算法协商出会话密钥(RSA 密钥交换已不推荐,现用 ECDHE 提供前向安全),双方发 ChangeCipherSpec 与 Finished 完成握手,之后才传 HTTP 报文。TLS 1.3 把握手压缩到 1-RTT(会话复用可 0-RTT),并移除了不安全的套件。性能代价是握手延迟与加解密开销,优化手段是会话复用(session ticket)、TLS 1.3、OCSP stapling、以及连接池复用。

Java 内存管理与栈:JVM 内存分线程私有的程序计数器、虚拟机栈、本地方法栈,与线程共享的堆、方法区(元空间)。栈按帧组织,每帧存局部变量表、操作数栈、动态链接、返回地址;基本类型与对象引用存在栈上,对象本体在堆上。栈是线程私有的,随方法调用入栈出栈,生命周期确定;堆由 GC 管理。应用场景上要能区分:递归过深或局部变量过大导致 StackOverflowError;对象创建过多导致堆增长与 GC 频繁;逃逸分析可以让未逃逸的对象在栈上分配(标量替换),这是 JIT 的优化而不是语言保证。

循环引用与可达性分析:Java 的引用计数并不是 GC 的依据,主流收集器用可达性分析——从 GC Roots(栈上的引用、静态变量、常量、JNI 引用等)出发标记可达对象,不可达的才回收。因此两个对象互相引用但都不可达时会被一起回收,不存在循环引用导致泄漏的问题。这与引用计数方案(如 Objective-C 的 ARC、Python 的引用计数)不同,后者需要弱引用或手动打破循环。iOS 侧的循环引用(block 捕获 self、delegate 强引用)要靠 weak/unowned 解决,这一点在跨平台对比时容易被问到。

HashMap 的应用场景:按 key 做 O(1) 查找与去重——缓存、计数(词频)、索引(id 到对象的映射)、分组聚合、去重、以及作为集合运算的基础。要注意它的限制:非线程安全(并发写会丢数据甚至死循环,1.8 已修复死循环但仍不安全)、无序(需要顺序用 LinkedHashMap,需要排序用 TreeMap)、key 必须正确实现 hashCode 与 equals、扩容时有一次性开销(可预设初始容量避免反复扩容)。

同步/异步、串行/并行:同步是调用方等待结果返回才继续;异步是发起后立即返回、结果通过回调或 Future 通知。串行是任务按顺序一个接一个执行(单线程队列);并行是多个任务在同一时刻真正同时执行(多核多线程)。组合起来有四种典型形态:串行同步(最简单)、串行异步(单队列加回调,如 iOS 的主队列)、并行同步(多线程各自阻塞,容易耗尽线程池)、并行异步(任务提交到线程池,回调通知)。举例要具体:网络请求是异步(发起后不阻塞主线程),数据库连接池的查询是并行(多个连接同时执行),而 UI 更新必须回到串行主队列。iOS 里对应 GCD 的 serial queue 与 concurrent queue。

乐观锁与悲观锁:悲观锁假设冲突频繁,读写前先加锁(SELECT ... FOR UPDATE、synchronized),保证强一致但并发度低、有死锁风险。乐观锁假设冲突少,读时不加锁,写入时校验版本号或 CAS(UPDATE ... SET version = version + 1 WHERE id = ? AND version = ?),冲突则重试;收益是读多写少场景下吞吐显著提升、无长期持锁。代价是冲突高时重试成本上升、以及 ABA 问题(用版本号而不是值比较可避免)。验证改动是否正向要有对照:同一压测脚本、同一数据量与硬件,比较改动前后的 QPS、P99、冲突重试率与错误率;只看 QPS 上升不够,还要确认数据正确(无超卖、无丢失更新)。回答「QPS 是多少」要报具体数字与测试条件,没有实测就如实说未做压测。

AI Coding 占比怎么答:给出估算口径(按新增代码行、按提交数、或按功能点),说明哪些部分用它(模板代码、测试、脚本)与哪些不用(核心逻辑、涉及安全与并发的部分),并补一句质量保障(评审、类型检查、单测)。只报一个百分比而不说口径,会被追问到底。