携程 AI 面真题：HashMap、AQS 与百万 QPS 架构

《面试题目》

1. 讲一次你发现问题、主动推动落地解决方案的经历。
2. HashMap 底层相关的八股。
3. AQS 原理与锁相关问题。
4. ISO 七层网络模型，分层及对应作用。
5. 十万、百万 QPS 下的业务架构怎么设计？
6. 描述一个项目中需要快速上手陌生技术栈的经历，讲你的学习路径。
7. 平时通过哪些渠道学习 AI 相关技术？最近在研究什么内容？
8. 深挖实习经历：为什么选择携程，为什么投递这个 BU 岗位？
9. 简历项目连环追问：抠实现细节、踩坑点、线上问题。
10. 同月 Java 开发岗场次：用 Redis 设计千万用户的排行榜？
11. 同月 Java 开发岗场次：CompletableFuture 和普通 Future 的区别？

《参考解析》

**AI 面的追问机制：下一问是从你嘴里长出来的：**这类面试没有真实面试官，追问由上一轮回答的转写文本驱动，模型会显式抓取技术名词再展开。所以有两个可用的结论：不想被深挖的方向别主动提，想被问到的方向就先把那个词说出口——回答里出现「提示词约束」「线程池」这类具体词，下一问大概率就落在那儿。另外计时一旦开始无法撤回，进考场前先确认自己投的岗位和场次，别拿一份没复习完的卷子去试。

**HashMap 底层：数组 + 链表 + 红黑树：**常考点集中在几处：哈希扰动函数把高位异或到低位，是为了让散列结果在容量较小时也分布均匀；负载因子 0.75 是空间与冲突概率的折中，超过阈值扩容成两倍并重新分布（1.8 起按高位判断原地不动或迁移，避免重新计算 hash）；链表长度到 8 且容量不小于 64 才树化，退化阈值是 6，留出缓冲避免频繁转换；1.8 把头插改成尾插是为了修掉并发扩容成环的问题，但 HashMap 依然不是线程安全的，并发写用 ConcurrentHashMap。要能顺带说出「为什么是 8」——按泊松分布，链表长度到 8 的概率已经极低。

**AQS：一个 volatile state 加一条等待队列：**AQS 把「能不能拿到锁」交给子类实现（tryAcquire/tryRelease），把排队、阻塞、唤醒这套模板方法留在基类，所以 ReentrantLock、Semaphore、CountDownLatch 都能复用同一套骨架。要讲清楚：state 用 CAS 修改，等待队列是 CLH 变体（双向、带状态标记），节点入队后靠 LockSupport.park 阻塞、前驱释放时唤醒；独占与共享两种模式决定唤醒是找一个还是传播一批；可重入靠 state 累加并记录持有线程，释放到 0 才真正放锁；公平锁多一步检查队列里有没有前驱，非公平锁上来先抢一次，因此有吞吐更高但可能饥饿的取舍。

**ISO 七层与 TCP/IP 分层：**七层从下到上是物理、数据链路、网络、传输、会话、表示、应用，面试里真正会被追问的是数据链路层——它负责成帧、用 MAC 做物理寻址、用 CRC 做差错检测、做介质访问控制，并决定了交换机与路由器的分工（二层按 MAC 表转发、三层按路由表转发）。TCP/IP 把上三层合成应用层，实际讲四层或五层模型都行，但要能说出每一层的协议代表与数据单元名称（帧、包、段、报文），并能把 ARP、ICMP、TCP、HTTP 这些协议各归其位。

**十万到百万 QPS 的架构：先算账，再堆组件：**这类题最忌讳直接报「加缓存、读写分离、分片」三件套。可复述的框架是四步：① 估容量——峰值 QPS 与均值的关系（通常按 2~3 倍算）、单机承载多少、需要多少台、连接数与带宽是否够；② 分层——DNS/GSLB → CDN 扛静态 → 接入层（LVS/Nginx）→ 网关（鉴权、限流、路由）→ 无状态服务 → 多级缓存（本地 + Redis）→ 分库分表 → MQ 削峰 → 异步落库；③ 按数据特性拆——读多写少就把缓存做厚并处理一致性，写多就先分片再用消息解耦；④ 收尾讲稳定性——热点 key、缓存击穿与雪崩、限流熔断降级、灰度与压测。容量估算给出数字之后，方案自然就收敛了，这也是「分片之后一致性怎么保证」这类追问的入口：分片键选得对不对、跨片事务要不要用最终一致、全局唯一 ID 怎么生成。

行为题与动机题：把「我做了什么」讲成结果：「发现问题并推动落地」用 STAR 讲，但重心放在你个人的判断和推动动作上，结尾一定要有可量化的结果（指标改善了百分之多少、流程从几天缩到几小时），没有数字的行为题听起来就是「参与了」。快速上手陌生技术栈那条，讲清路径而不是决心：先看官方文档跑通最小示例 → 读关键源码或设计文档 → 做一两个对照实验验证理解 → 小范围试用再推广。「为什么选携程、为什么这个 BU」别背「平台大、口碑好」，把它和你投的那个业务单元的实际场景绑在一起讲——你了解它做什么、你哪段经历能接上、你想在里面做成什么。

**CompletableFuture 与 Future：**普通 Future 只有 get 与 isDone，取结果必须阻塞或轮询，多个异步任务之间也没法组合。CompletableFuture 补的是编排能力：thenApply/thenCompose 做串行依赖，thenCombine/allOf/anyOf 做并行聚合，exceptionally/handle/whenComplete 统一处理异常与收尾，并且几乎每个方法都有带 Executor 的重载——这一点很重要，默认用 ForkJoinPool.commonPool，CPU 密集任务混进去会互相影响，线上一般传自己的线程池。还要知道它的回调是在完成线程上执行的，注意上下文传递与超时（orTimeout/completeOnTimeout）。

**Redis 排行榜：ZSet 是标准答案，但要答出边界：**ZSet 底层是跳表 + 哈希表，跳表保证范围查询与排名是 O(log N)，哈希表保证按成员取分是 O(1)。基本操作是 ZINCRBY 加分、ZREVRANGE WITHSCORES 取榜、ZREVRANK 查名次，取前 N 名很便宜，取任意深分页才会变慢。真正会被追问的是细节：同分怎么排（把时间戳拼进 score 的小数位或用复合 score）、单 key 大了怎么办（按榜单维度或 uid 取模分片，再合并各片的前 N）、热 key 读压力（本地缓存 + 结果缓存，秒级延迟可接受）、以及榜单单点故障后怎么从明细重建（保留一份可重算的流水）。