携程AI后端开发实习一面面经

《面试题目》

1. 实习经历深挖
2. 项目介绍及上线情况
3. 本地缓存与令牌桶限流的实现细节
4. 令牌桶放入令牌的逻辑
5. 消息队列服务在多机部署下的处理
6. 算法改造思路
7. RateLimiter组件实现原理
8. AT模式与死信队列的关系
9. MySQL处理超卖问题的可行性分析
10. RabbitMQ消费侧MySQL写入失败的异常处理机制
11. AI工具在开发中的应用
12. Java中所有类的公共父类
13. equals与hashCode同时改写的必要性及举例

手撕算法：

1. 快速排序
2. 从大数组中查找前10个最大值

《参考解析》

• 令牌桶限流：令牌桶以固定速率向桶内放入令牌，请求需获取令牌才能通过。RateLimiter底层基于Semaphore或同步原语控制获取节奏，支持平滑突发限流。
• 分布式事务(AT模式)：AT模式是Seata提供的一种无侵入式方案，通过记录undo_log实现回滚。死信队列用于处理消费失败后的兜底，两者均属于分布式场景下的稳定性保障机制。
• 超卖问题：在MySQL中可用 UPDATE table SET stock = stock - 1 WHERE stock > 0 配合数据库行锁解决，但在高并发下数据库压力大，通常引入Redis预减库存。
• 消息消费失败处理：可通过ACK机制、重试机制、本地消息表或死信队列解决。最严谨做法是保持消费的幂等性，并使用本地事务结合消息表保证最终一致性。
• equals与hashCode：Java规定如果两个对象equals返回true，则hashCode必须相等。如果不成对重写，在HashMap等集合中，相同的对象可能被存储在不同的桶中，导致无法正确检索。