多益网络 Java 后端一面：MySQL 索引、深拷贝与场景题

《面试题目》

1. 拷打项目：介绍项目并接受细节追问。
2. 拷打实习经历：开发只有你一个人，具体是怎么推进的？
3. MySQL 索引相关问题。
4. Java 的深拷贝怎么实现？clone 是深拷贝还是浅拷贝？
5. 算法题（hot100）：轮转数组。
6. 场景题：高德地图怎么预测到达时间？

《参考解析》

Java 深拷贝的实现方式：Object.clone() 是浅拷贝——它按字段做逐位复制，基本类型字段互不影响，但引用类型字段复制的是同一个地址，改其中一个对象里的引用对象，另一个也跟着变。要实现深拷贝有三条常见路子：一是手写复制，new 一个新对象再逐字段赋值，引用字段递归地 new（也就是原帖里说的做法），可控、无依赖，缺点是字段一多就容易漏、嵌套深了代码膨胀；二是递归调 clone，在每一层都实现 Cloneable 并覆写 clone，在父对象的 clone 里对每个引用字段再调一次 clone，坑在于遇到循环引用会无限递归，而且每加一个字段就得记得改 clone；三是序列化再反序列化，把对象写成字节流再读回来，天然处理嵌套与循环引用，Java 原生序列化要求所有类实现 Serializable（且性能一般），工程上更常用 JSON（Jackson）或 Kryo、Protobuf 这类序列化框架，速度快但要确认类型信息不丢（多态字段需要类型标记）。第三种最省心也最常用，代价是性能与「不适合序列化的字段（连接、锁、ThreadLocal）」要标 transient 或忽略。追问方向通常是「不可变对象还需要深拷贝吗」——不需要，像 String、包装类、record 这类不可变对象可以直接共享引用。

MySQL 索引的几个必答点：InnoDB 用 B+ 树作为索引结构，原因是它矮胖（三层能存千万级）、叶子节点成链支持范围扫描、非叶子节点只存键不存数据所以单页能放更多键。要分清聚簇索引与二级索引：聚簇索引的叶子节点就是整行数据，按主键组织，所以主键要短且递增（随机主键会导致页分裂与碎片）；二级索引叶子存的是索引列 + 主键值，因此用二级索引查非索引列需要回表，而如果查询字段都在索引里就是覆盖索引，能避免回表。使用规则上要记住最左前缀：联合索引 (a, b, c) 能支持 a、a,b、a,b,c 的前缀查询，跳过 a 直接查 b 用不上索引（MySQL 8 的索引下推能在部分场景减少回表，但扫描范围不变）。典型的索引失效场景：在索引列上做函数运算或隐式类型转换（字符串列传数字）、以 % 开头的模糊匹配、or 连接的条件里有一侧没索引、范围查询后面的列用不上联合索引。最后补一句评估手段：用 explain 看 type（ref/range 比 index/all 好）、key、rows 和 Extra 里的 Using index（覆盖索引）与 Using filesort。

轮转数组：典型题面是「把数组向右轮转 k 位，要求空间 O(1)」。最优解是三次翻转：先把整个数组翻转，再把前 k 个翻转、后 n-k 个翻转，结果正好是右移 k 位，时间 O(n)、空间 O(1)。为什么成立可以用小例子验证，[1,2,3,4,5,6,7]、k=3 整体翻转得 [7,6,5,4,3,2,1]，前 3 个翻转得 [5,6,7,4,3,2,1]，后 4 个翻转得 [5,6,7,1,2,3,4]，正确。三个必须处理的边界：k 要对 n 取模（k %= n，否则 k > n 时翻转区间越界）；n == 0 或 n == 1 直接返回；k == 0 时不要做任何翻转。另一种做法是环状替换（从起点开始把元素放到 (i + k) % n，走完一圈换起点，需要 gcd 次循环，容易写错）和额外数组（newArr[(i + k) % n] = nums[i]，O(n) 空间，最不容易出错）。面试时可以先说额外数组的解法确认题意，再优化到三次翻转，并主动讲清边界的处理，比直接背最优解更稳。

高德地图怎么预测到达时间（ETA）：这是标准的场景设计题，答题框架是「数据 → 模型 → 服务 → 兜底」。数据侧要拿四类：静态路网（路段长度、等级、限速、车道数、转向限制、路口数量与红绿灯配时）、实时路况（浮动车轨迹、拥堵指数、事故与施工事件、天气）、历史画像（同一路段按星期几、小时、节假日的通行速度分布）、个体因素（出行方式、车型、是否走高速、用户历史偏好）。模型侧分两段：先把路径规划出来（带时间依赖权重的最短路，边权是「当前预估通行时间」而不是距离，重规划时用增量算法避免全量重算），再对每段做分段耗时预测——短时用实时数据外推（卡尔曼滤波或滑动窗口），长时用历史画像加机器学习（GBDT 或时序模型，特征包括时段、路段属性、上下游路况、天气），最后把各段耗时求和并给出置信区间而不是一个点估计。工程上要解决冷启动（新路段用相似路段迁移）、稀疏数据（低频路段用路段等级做先验）、异常突变（事故导致的跳变要和缓变区分开，用事件源而不是统计外推）以及反馈闭环（实际到达时间回流训练，持续的偏差要能被检测和纠正）。评价指标是预测值与真实到达时间的误差分布（MAE/MAPE）和分位数覆盖率（说 30 分钟，80% 的情况真的在 30 分钟内到）。面试官通常接着追问「红绿灯怎么估」——答「优先用信号配时与路口转向代价，拿不到配时就按路口平均延误统计建模，并按时段修正」即可，重点展示分层与兜底思路，而不是给一个具体算法名。