得物Java开发一面面经

《面试题目》

1. Apache Tika 的底层原理，为什么可以实现多源异构文件的读取？
2. Tomcat 最大工作线程数一般设置为多少？为什么要这样设置？
3. 线程池的核心参数如何设置？队列该如何选型？
4. 包装类转 int 时会出现什么问题？
5. RAG 项目中，专业术语映射表无法覆盖生僻词时怎么办？
6. 大模型上下文该如何设计？
7. 上下文压缩过度导致模型出现幻觉，该如何解决？
8. 如果专业术语连 AI 也无法理解，应该怎么处理？

《参考解析》

1. Tomcat 最大工作线程数：默认 200，实际要结合 CPU 核数、单次请求平均处理时间和期望 QPS 来估算（线程数 ≈ QPS × 平均响应时间），并结合压测结果微调，避免线程过多导致上下文切换开销、或线程过少导致请求排队超时。
2. 包装类转 int 的坑：如果包装类对象为 null，自动拆箱时会抛 NullPointerException；此外 Integer 缓存池（-128~127）范围外的对象用 == 比较会出现”看似相等实际不等”的问题，需要用 equals 或提前判空。
3. RAG 专业术语映射表覆盖不全：可以引入同义词/近义词扩展（基于向量相似度做术语归一化），或在检索阶段用大模型做查询改写（Query Rewriting）把生僻说法归一到标准术语再走向量检索；长期方案是把未命中的术语记录下来，人工/半自动补充词典。
4. 上下文压缩导致幻觉：本质是关键信息在摘要压缩中丢失。可以采用分层记忆（原文分片保留 + 摘要仅做索引）、对关键实体（人名、编号、金额等）做结构化抽取单独保留，避免完全依赖自然语言摘要，在压缩比和信息保真度之间找平衡。