北京小公司后端一面:ES 深分页、MySQL 事务隔离与 RAG、MCP 追问
- 轮次
- 一面
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
- 说一下你在 OPPO 做的项目。
- 你们用到了 ES,说一下你对 ES 的理解,以及它的底层实现。
- ES 你是怎么优化的?
- 你提到了 MySQL,说一下 MySQL 的事务隔离级别。
- 可重复读是怎么实现的?
- 说一下 MySQL 索引,以及为什么顺序查找更快。
- 你的简历提到 AI Agent 项目,了解 RAG 吗?说一下 RAG 的流程。
- 你提到 MCP,说一下 MCP 和 function calling 的区别。
- Java 基础:说一下 HashMap 的底层,以及 HashMap 为什么线程不安全?
- 说一下内存泄漏和内存溢出的区别。
- 你的简历提到 JVM 的 GC 优化,说一下 STW。
- 为什么从 OPPO 出来?
- 平常用什么 AI 工具,怎么用的?
《参考解析》
ES 的底层与优化:Lucene 的倒排索引加段(segment)结构,写入先进内存 buffer 与 translog,refresh 时生成新的 segment 使其可被搜索(默认 1 秒),merge 时把小段合并成大段并真正删除标记删除的文档。优化的抓手是:写入侧用批量 _bulk、调大 refresh_interval、避免频繁更新(更新是「标记删除 + 新增」);查询侧避免深分页,用 scroll 或 search_after 替代 from + size,因为后者要在每个分片上取 from + size 条再归并,越翻越贵;再配合合理的 mapping(keyword 与 text 分开、关闭不需要的字段、控制分片数)。
深分页的替代方案:scroll 适合一次性导出,会持有快照占用资源,不适合实时请求;search_after 用上一页最后一条的排序值作为游标,无状态、可实时,是现在的首选。两者的前提都是「有稳定且唯一的排序键」,否则翻页会重复或漏数据。
MySQL 的四个隔离级别:读未提交、读已提交、可重复读、串行化。默认是可重复读,它解决了不可重复读,并用间隙锁在很大程度上避免幻读。
可重复读靠 MVCC 快照:行上有隐藏的事务 ID 与回滚指针,undo log 串成版本链;事务第一次快照读时生成 ReadView,之后按「自己的修改可见、ReadView 创建前已提交的可见、之后提交的不可见」判断版本,于是同一事务内多次读结果一致。当前读(加锁读、更新、删除)不看快照,走行锁与间隙锁。
索引与顺序查找:InnoDB 用 B+ 树,非叶子节点只存键与指针,扇出大、树矮,一次查询的磁盘 IO 次数稳定在个位数;叶子节点按序双向链表相连,范围查询顺着链表扫即可。所谓「顺序找得快」要分清两层——B+ 树内部节点里存的是有序键,可以用二分定位到子页;叶子层的顺序排列让范围扫描和排序不用回表重组。另外聚簇索引的叶子直接存整行,二级索引叶子存主键、需要回表,覆盖索引能省掉这一次回表。
RAG 的流程:文档解析与切分(按标题层级与语义边界切、保留来源)、向量化(选 embedding 模型,必要时叠加关键词检索做混合召回)、写入向量库、查询时把问题向量化后召回 top-k、重排(cross-encoder 或规则)、拼装上下文并附出处、交给模型生成。工程上还要有「召回的阈值与兜底」:分数太低时明确告诉模型没有相关资料,而不是硬凑。
MCP 与 function calling 的区别:function calling 是模型侧的能力——你把工具的函数签名放进请求,模型输出「要调哪个函数、参数是什么」,执行与结果回传由你的应用完成。MCP 是协议层——它标准化了「客户端如何发现工具、如何调用、如何传资源与提示模板」,把工具提供方从应用里解耦出来,一个 MCP Server 可以被多个客户端复用。简单说:function calling 解决「模型怎么表达要调工具」,MCP 解决「工具怎么被标准化地接入」。两者不冲突,MCP Server 暴露的工具最终仍然以 function calling 的形式交给模型。
HashMap 为什么线程不安全:底层是数组加链表加红黑树(链表长度到 8 且容量到 64 时树化)。并发 put 时两个线程可能同时判断某个桶为空并各自写入,后写的覆盖先写的;扩容时迁移数据没有同步,JDK 7 的头插法在并发下会形成环形链表导致死循环,JDK 8 改成尾插避免了成环,但仍会丢数据、size 计数不准。并发场景用 ConcurrentHashMap,它用 CAS 加桶级 synchronized,只锁单个桶。
内存泄漏与内存溢出:泄漏是对象已经不再使用但仍被引用、GC 回收不掉,表现为老年代占用持续上涨、Full GC 后也降不下来;溢出是申请内存超出可用空间,直接抛 OutOfMemoryError。泄漏是原因,溢出是结果之一。排查用 jmap 导出堆、MAT 看支配树与 GC Root 引用链,常见源头是静态集合缓存、监听器未注销、ThreadLocal 未 remove、连接与流未关闭。
G1 的 STW:G1 把堆切成大小相等的 Region,年轻代回收与混合回收都会 STW,但停顿时间可通过 MaxGCPauseMillis 设定目标,回收时优先选「垃圾最多、收益最高」的 Region(Garbage First 的名字来源)。它用 Remembered Set 记录跨 Region 引用,避免全堆扫描;并发标记阶段与应用线程并行,只有初始标记、最终标记、筛选回收等阶段短暂停顿。要注意「可预测停顿」是目标而非保证,对象分配过快时仍会出现长停顿。
离职原因与 AI 工具:离职原因按事实讲,聚焦「想做什么」而不是「原公司哪里不好」。AI 工具的问题通常在看两件事——你是否真的把它用进工作流(读代码、写测试、查日志、生成脚手架),以及你是否知道它的边界(生成结果要审、敏感信息不外传)。