得物 Java 开发一面:从 RR 幻读到库存预扣、死锁与 RAG 选型
- 轮次
- 一面
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
- 先简单做个自我介绍吧。
- 你实习做的项目,具体负责哪些功能?遇到过什么技术难点?
- MySQL 在 RR 隔离级别下,真的能够完全避免幻读吗?
- Kafka 消费者出现重复消费,你会怎么保证业务幂等性?
- 活动库存为什么放 Redis,而不是直接使用 MySQL 扣减?
- 如果让你给活动平台做一个 AI 客服,你会选择 RAG 还是模型微调?
- 自己用 Lua 实现 Redis 分布式锁,和直接使用 Redisson 有什么区别?
- Spring 的 @Transactional 为什么有时候会失效?
- MySQL 索引失效有哪些常见场景?线上怎么判断?
- Kafka 出现严重消息积压,你会怎么排查和处理?
- 多 Agent 架构中,主 Agent 和子 Agent 一般怎么通信?
- 用户连续点击预约按钮,后端如何防止生成重复订单?
- Redis 预扣库存怎么避免超卖?异步写库出现消息积压怎么办?
- MySQL 发生死锁时,应该怎么定位?有哪些常见解决方案?
《参考解析》
RR 与幻读:InnoDB 在 RR 下用 MVCC 快照读 + 间隙锁(Next-Key Lock)应对幻读。快照读在事务第一次读时生成 ReadView,之后一直用同一份快照,所以看不到别的事务新插入的行;当前读(SELECT ... FOR UPDATE、UPDATE、DELETE)靠间隙锁阻止范围内插入。因此「完全避免」要分读法:快照读不会幻读,当前读靠锁也不会,但两种读法混用、或先快照读再当前读,仍可能看到新数据。串行化才是彻底方案,代价是并发度。
Kafka 重复消费:消费端至少一次投递,重复不可避免,幂等要落在业务侧。用消息里的业务唯一键(订单号、请求 ID)建唯一索引或写去重表,处理与落库在同一事务里;Redis SETNX 可做前置拦截但不能作为唯一保障。消费逻辑本身要可重入:状态机按「当前状态 → 目标状态」判断,而不是无条件累加。
库存放 Redis:活动场景的扣减是高频、强并发的短事务,MySQL 行锁会把请求排成队列,热点行还会放大锁等待。Redis 单线程执行 + Lua 脚本能把「判断 + 扣减」做成原子操作,QPS 高一个量级。代价是要处理与 MySQL 的最终一致:预扣成功后异步落库,失败要有可追踪、且本身幂等的补偿,否则重复回补会把库存补多。
RAG 还是微调:活动规则、退订政策这类知识问答优先 RAG——内容更新频繁,微调每次都要重训且不一定记住最新版本。RAG 要做好文档切分粒度、召回质量、重排序与出处可查。实时数据(订单状态)不能靠 RAG,应通过 Function Calling 调后端接口查询;涉及修改还要加身份校验与权限控制。微调适合固定风格与领域表达,不适合承载会变的业务事实。
Lua 锁与 Redisson:原生方案是 SET key value NX PX 加锁,释放时用 Lua 比对持有者再删除,避免误删别人的锁。难点在锁过期:业务执行 15 秒而锁只有 10 秒,锁会被别人拿走,互斥性被破坏。Redisson 提供 Watchdog 自动续期、可重入、等待通知,业务代码简单很多。但长时间 GC、网络分区下旧线程仍可能继续执行,涉及资金与关键库存还要靠数据库条件更新、版本号或 Fencing Token 兜底。
@Transactional 失效:常见原因有四类——同类内部 this 调用绕过代理;异常被捕获未抛出,拦截器认为正常结束而提交;抛的是受检异常,默认不回滚(需 rollbackFor);方法不是 public 或类未被 Spring 管理。线程池里异步执行时事务上下文不会传播,也要单独处理。
索引失效与判断:对索引列做函数计算或隐式类型转换、联合索引不满足最左前缀、LIKE '%abc' 前置模糊,都可能用不上索引。不能机械套结论,要看版本、数据分布与执行计划:先 EXPLAIN 看访问类型、实际索引、预估行数与是否额外排序,必要时 EXPLAIN ANALYZE 看真实耗时。判断标准不是「有没有走索引」,而是扫了多少行、回表多少次。
消息积压:先分清是生产突增还是消费变慢。看消费者组 Lag、生产与消费速率、消费者日志。流量没变而 Lag 持续涨,多半是消费端依赖变慢(慢 SQL 最常见),此时加消费线程只会把数据库压垮。瓶颈确在计算能力再扩实例,但有效并行度受分区数限制。还要排查反复重试的异常消息,用重试 Topic、死信队列与人工补偿避免一条坏消息阻塞整个分区。
多 Agent 通信:同进程内可以直接方法调用或用框架的编排机制;跨服务用 HTTP、gRPC 或消息队列;A2A 面向 Agent 互操作,MCP 规范的是模型与工具、数据源的集成,两者关注点不同。真正的难点不是把消息发出去,而是维护任务 ID、上下文、超时与失败重试——子 Agent 失败后主 Agent 要能判断重试、换工具还是交还用户,而不是无限等待。
重复下单:前端防抖只是体验优化。后端设计幂等键:预约请求 ID,或按业务规则用「用户 ID + 活动 ID」建联合唯一索引兜底。超时不能直接判失败,服务端可能已创建成功只是响应丢了,所以要保存请求与订单状态的对应关系,重试时返回首次结果。Redis 只能降低并发冲突,最终正确性靠数据库约束与事务。
预扣库存与超卖:关键是不能把「检查」和「扣减」拆成两步——GET 判库存再 DECR,两个请求会读到同一份库存。用 Lua 脚本原子执行判断与扣减。预扣成功后要可靠记录并推动异步落库;Kafka 积压时用户看到的是「处理中」而不是「预约成功」,所以要有明确的预约状态与积压监控,消费者保持幂等。最终写库失败要有补偿任务恢复库存,补偿本身也必须幂等。
死锁定位:典型成因是多个事务以相反顺序锁多张表(A 先订单后库存,B 先库存后订单)形成循环等待。InnoDB 有死锁检测,发现后回滚其中一个事务。线上先看 SHOW ENGINE INNODB STATUS 的 LATEST DETECTED DEADLOCK 段,拿到两个事务的 SQL、持有与等待的锁;再结合应用日志定位代码。解法是统一加锁顺序、缩短事务、给条件更新加合适索引减少锁范围,并在业务层对死锁错误做有限重试。