面灵AI→

快手商业化 Java 实习一二面:Redis 缓存、分布式锁与 AI Coding 拷打

轮次
一二面
时间
2026-11
来源
牛客网

《面试题目》

一面(30 分钟,结束后秒约二面)

  1. 介绍自己。
  2. 缓存击穿是什么?如何防范?
  3. 缓存雪崩是什么?
  4. 详细讲讲你用的分布式锁是什么?
  5. 你的 Redis 实例只有一个,为什么需要分布式锁?分布式锁锁的是什么?
  6. 详细讲讲进程间通信?你的后端服务与 MySQL 是什么方式通信的?
  7. 查某个日志文件中的 error 行数,写出命令。
  8. 你会怎么使用 AI 来做这件事?
  9. 使用 AI 做过什么?如何检查 AI 写的代码的正确性?
  10. 了解 Java 里的内存泄露吗?
  11. 生产环境栈 90% 以上占用是常态,还常发生栈溢出,你会如何分析和优化?
  12. 详细讲讲垃圾回收机制。
  13. 算法:合并链表。

二面(50 分钟,面完第二天挂)

只有一道 AI coding:实现 Agent 工具调用的核心模块,给出的文档写明了目标、约束、待做功能、交付物等。

作者没有相关经验,只是简单把需求给 AI,然后让它做计划并执行,被面试官连续追问:

  1. AI 两分钟就能生成一大堆文档,你要花几个小时去读吗?还是说就扫一遍?那扫一遍的意义在哪里?像你这样一直点确定吗?
  2. 你要怎么验收 AI 写的东西?你让它自己写测试,你怎么知道它写的测试是符合要求的?你说让另一个 AI 审阅这个 AI,那你又去审阅另一个 AI 的输出吗?还是就当传话筒,两个会话之间复制粘贴?

《参考解析》

缓存击穿与雪崩:击穿是单个热点 key 过期的一瞬间,大量请求同时穿透到数据库;解法是互斥重建(分布式锁,只放一个请求回源)、逻辑过期(值里带过期时间,异步刷新,读到的仍是旧值)、热点 key 不设过期加后台更新。雪崩是大量 key 在同一时间失效,或缓存服务整体不可用,导致请求全部打到数据库;解法是过期时间加随机抖动、多级缓存、缓存集群高可用、熔断降级与限流。穿透则是查根本不存在的数据,用布隆过滤器或空值缓存,三者别混。

单实例 Redis 为什么还需要分布式锁:锁保护的是「对共享资源的互斥访问」,不是 Redis 本身。只要有两个进程(两个 JVM、两个 Pod、定时任务与 Web 服务)会同时改同一份资源,JVM 内的 synchronized 就管不住,需要一把跨进程的锁;Redis 单实例也能提供这个互斥。如果确认只有一个应用进程、且只用多线程,本地锁就够,不必上 Redis。回答时把「锁的对象、持有者、超时、可重入、失败重试」讲清:SET key value NX PX ttl 加锁,value 放持有者标识,解锁用 Lua 比对后删除,避免误删别人的锁;业务超时用看门狗续期;强一致场景还要考虑主从切换丢锁,必要时用 fencing token。

进程间通信:同一台机器上常用管道 / 命名管道、Unix domain socket、共享内存、信号、消息队列;跨机器用 TCP / UDP socket、HTTP、RPC、消息中间件。Java 后端与 MySQL 之间是 TCP 上的 MySQL 协议,JDBC 驱动把 SQL 与参数按协议编码,经连接池复用一个长连接;本机部署时也可以走 Unix socket。数据库连接是有状态的长连接,所以连接池、超时、断线重连都要配置。

日志里数 error 行数:grep -c "ERROR" app.log,忽略大小写用 grep -ci;只看某天可以 grep "2026-11-17" app.log | grep -c "ERROR";文件很大时用 rg -c "ERROR" app.log 更快。用 AI 做这件事,正确的用法不是让它背命令,而是让它生成一条可验证的命令或小脚本,再用 wc -l、抽样 head 对照,确认统计口径(是否包含堆栈行、是否区分大小写、是否跨滚动文件)与预期一致。

AI 代码怎么验收:核心是「验收标准由人定,证据可复现」。先写清接口契约、错误码、边界条件与性能要求;让 AI 产出计划,但人只读变更清单与关键决策,不逐字读它生成的所有文档。测试不能只让 AI 自证:关键用例由人独立编写或补充,用真实调用、历史数据回放、故障注入来验证;对 AI 写的测试做覆盖率与变异检查,防止测试只验证实现。另一个 AI 的审阅只能作为补充信号,它的每条意见都要能落到具体代码行或可复现的失败上,最终是否合并由人负责。否则就会出现面试官说的「传话筒」:两个会话之间复制粘贴,谁都没有真正判断。

Agent 工具调用模块怎么做:按「注册 — 描述 — 校验 — 执行 — 观测」拆。工具注册表维护名称、描述、JSON Schema 参数、权限与超时;调用前做参数校验与权限检查,调用中做超时、重试、幂等(幂等键)与并发限制,调用后把结果归一化成模型能读的结构,错误要区分「参数错、权限错、下游错、超时」并回传给模型决定是否重试;全链路记录 traceId、耗时、入参与结果摘要。安全上,工具描述与返回内容都是不可信输入,要在执行层做权限与参数边界校验,不能只靠提示词。面试里能把这几个边界说清,比让 AI 生成一堆代码更能证明你会做。

内存泄露与栈问题:Java 的内存泄露常见于长生命周期集合只增不减、ThreadLocal 用完不 remove、监听器 / 回调注册后不注销、连接与流未关闭、缓存没有上限、静态字段持有大对象。排查看堆增长趋势、GC 后老年代是否持续上涨,用 jmap -histo 看对象数量,必要时 dump 后用 MAT 找支配树与 GC Root 引用链。关于「栈占用高且常栈溢出」:先分清是线程栈内存、堆还是 CPU——jstack 看线程数与栈深度,若大量线程卡在同一递归或重复帧,就是递归过深或循环调用(也可能是 AOP / 序列化 / toString 的循环引用);StackOverflowError 是栈帧耗尽,不是堆 OOM。优化方向是改递归为迭代、限制递归深度、减少大局部变量、修复循环依赖、控制线程数;调 -Xss 只能缓解,不能治根。如果面试官说的是内存占用 90%,则按堆 / 非堆 / 元空间分别看,结合 GC 日志判断是泄漏还是容量不足。

GC:分代假设下,新生代用复制算法做 Minor GC,对象在 Survivor 间晋升;老年代用标记清除或标记整理。收集器从 Serial、Parallel 到 CMS,再到以 Region 划分、可设停顿目标的 G1,以及追求低停顿的 ZGC / Shenandoah。回答时把「回收什么(可达性分析)、在哪里回收(分代 / Region)、什么时候触发( Eden 满、老年代不足、元空间不足、显式调用)、停顿与吞吐怎么权衡」讲成一条线,再补一个自己调过的参数或看过的 GC 日志。

合并链表:用哨兵节点迭代合并,比较两个链表当前节点,把较小的接到结果尾部,指针后移;一条走完后把另一条剩余部分整体接上。时间 O(n+m),空间 O(1)。注意判空、不要断链、不要新建节点(除非题目要求深拷贝)。