TP-Link 联洲 Java 后端一二三面:批量查询优化、线程池与分布式锁手撕
- 轮次
- 三面
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
一面
- 自我介绍。
- 保研还是考研?奖学金几次?
- 参加过哪些竞赛?
- 两个项目是练手项目?
- 滴滴实习多久?
- 批量查询优化怎么做的?哪些服务改并行、哪些改 SQL?
- 1.5s→265ms 怎么测的?降幅主要来自并行还是 SQL?
- 单看 SQL 从多少降到多少?有无优化前后对比?
- 优化具体就是加批量查询?
- 并发聚合中某服务失败或超时怎么办?
- Full GC 治理:从发现到修复的完整排查过程。
- 修复后怎么验证?有无对比指标?
- 流式输出对接做了什么?
- 为什么按 500ms 聚合?
- 线程池参数怎么配的?还有哪些拒绝策略?
- 核心线程能设超时吗?空闲时间设多少?
- 提交任务的执行流程?
- 隔离级别有哪些?项目用哪种?
- 慢 SQL 排查步骤?
二面
- 自我介绍,1–2 分钟。
- 你的课题是什么?
- 长安链是什么?
- 三类资产为什么要分类?是不是分三个线程池处理?
- 三类业务共用一个线程池有什么问题?A 类慢会不会挤占 B 类?
- 半夜没流量,核心线程会被回收吗?想让它回收能做到吗?
- 讲线程池参数、队列、拒绝策略与运行原理。
- 流式对接:什么是「分析过程不可见」?为什么卡 500ms?
- 完整链路里你们服务、机器人、平台方是什么关系?
- 100 库存、1000 请求,Lua 哪几步保证一人一单?
- 一次扣多张怎么保证原子性?MySQL 失败怎么回滚?
- 【编程】括号匹配(圆括号、方括号)。
- 为什么用 Stack?与 Deque 有何区别、为何更倾向 Deque?
- 【编程】实现带重入的分布式锁(tryLock/unlock)。
- 用什么数据结构实现?并发安全怎么保证?
- Java 并发容器、原子类了解吗?
- 过期时间怎么判断、怎么处理?
- 你有什么想问的?
三面
- 自我介绍。
- 实验室课题是什么?
- 共识算法具体改了什么?
- 攻击者不断更换跳板机,扣分机制能防住吗?
- 有论文或专利吗?
- 实习只有滴滴?两个个人项目什么背景、为何选这两个方向?
- 实习中技术上最难的挑战是什么?
- 「和 AI 磨合」怎么理解?
- 代码量多少?主要实现什么功能?
- 有没有难的技术点或线上故障复盘?
- 什么「记忆」会导致重复 @ 提问者?具体是什么?
- 这块记忆是你处理的吗?
- 更追求技术深度还是广度?
- 哪里人?为何来深圳?实习也在北京吗?
- 业余爱好?
《参考解析》
批量查询从 1.5s 到 265ms 的归因:面试官连问三轮「降幅来自并行还是 SQL」「单看 SQL 降了多少」「有没有优化前后对比」,考的是能不能把性能收益拆开。合理的答法是先给出分段耗时:优化前一次请求里的 N 次串行远程调用各占多少、SQL 各占多少;然后分别说明两类改动——把无依赖的远程调用改成并发(线程池 + CompletableFuture,注意隔离与超时),把循环里的单条 SQL 合成批量查询或 IN 查询(减少网络往返与解析开销)。归因时用「只上并行」和「只改 SQL」两组对照实验,或按 trace 里的 span 耗时求和,别把总降幅含糊地都算给并行。还要说明测试方式:压测工具、并发数、数据量、P50/P95,以及是否在同一环境下对比。
并发聚合的失败处理:远程调用并发化之后必须定义失败语义。常见做法是给每个子调用设置独立超时,用 CompletableFuture.allOf 加 exceptionally / handle 做降级,明确哪些字段缺失可以返回部分结果、哪些必须整体失败;超时时间要小于接口总超时,避免线程池被慢调用占满;对下游做熔断与限流,线程池按下游隔离,避免一个下游抖动拖垮全部请求。
Full GC 治理的完整路径:从监控发现(GC 日志或 Prometheus 的 GC 次数、停顿时间、老年代占用曲线)→ 确认是全量 GC 频繁还是单次停顿过长 → 用 jstat -gcutil、jmap -histo、堆 dump 配合 MAT 找大对象与引用链 → 定位是缓存无界、大查询一次性加载、还是对象创建速率过高 → 修复(加容量上限与过期、改分页/流式、减少临时对象)→ 验证(同样压测下的 GC 次数、停顿、老年代增长斜率,以及业务指标)。回答时把「怎么发现、怎么定位、改了什么、怎么证明有效」四段讲全,比只背 GC 算法更有说服力。
流式输出与 500ms 聚合:上游按 token 或小片段流式返回,下游(机器人、平台方)往往要求整段消息或固定节奏的推送,所以要在中间做缓冲聚合。500ms 是一个折中:太短会把碎片直接透传、增加下游调用与消息条数;太长会让用户觉得「分析过程不可见」、首字延迟变高。回答时要说明这个值是怎么定的(下游接口的频率限制、消息大小、用户可感知的延迟),以及聚合层如何做(按时间窗口或按句子边界 flush,结束时强制 flush 尾部)。
线程池与核心线程回收:ThreadPoolExecutor 的核心参数是核心线程数、最大线程数、空闲存活时间、工作队列、线程工厂与拒绝策略;任务提交后先看核心线程是否已满,未满则新建核心线程,满了进队列,队列满了再扩到最大线程数,仍满则执行拒绝策略(Abort、CallerRuns、Discard、DiscardOldest,或自定义)。核心线程默认即使空闲也常驻,想让它在空闲后回收要调用 allowCoreThreadTimeOut(true),并把 keepAliveTime 设成期望的空闲时间;注意这会带来频繁创建销毁线程的开销,低流量场景才适合。三类业务共用一个线程池的问题是互相挤占:A 类慢任务占满队列后,B 类任务只能排队或触发拒绝,所以按业务拆分线程池并各自设容量与拒绝策略,或者用信号量做隔离。
事务隔离级别与慢 SQL:标准四级是读未提交、读已提交、可重复读、串行化,MySQL InnoDB 默认可重复读,用 MVCC 实现快照读、用间隙锁处理当前读的幻读。项目里选哪一级要看业务:大多数互联网业务用读已提交以降低锁冲突,依赖唯一约束与业务幂等兜底。慢 SQL 排查的顺序是:先开慢查询日志拿到具体 SQL 与执行时间,用 EXPLAIN 看访问类型、命中索引、扫描行数、是否 filesort / 临时表;再检查索引设计(最左前缀、区分度、覆盖索引)、SQL 写法(函数包裹列、隐式类型转换、%like%、大 IN、深分页)、以及数据量与统计信息;最后用 optimizer_trace 或强制索引验证,改完再压测对比。
Lua 扣库存与一人一单:Redis 单线程执行 Lua 脚本保证整段逻辑的原子性。脚本里依次做:校验用户是否已下单(SISMEMBER 或 SETNX 占位)、校验库存是否大于 0(GET 或 DECR 前判断)、扣减库存(DECRBY)、把用户写入已购集合。任何一步不满足就返回失败码,不产生部分写入。一次扣多张时把数量作为参数传入,脚本内统一判断与扣减,避免多次调用之间被插入。Redis 成功而 MySQL 失败时,靠本地消息表 / 事务消息 / 补偿任务把 Redis 的扣减回滚(把库存加回、把用户从已购集合移除),并记录流水保证可重放;也可以改成先落 MySQL 再删缓存,或用 Redis 做预扣、MySQL 做最终账本并定时对账。
括号匹配与 Deque:用栈保存尚未匹配的左括号,遇到右括号时检查栈顶是否为对应的左括号,遍历结束后栈必须为空。用 Deque<Character> 而不是 Stack:Stack 继承自 Vector,所有方法加 synchronized,单线程场景下有额外开销,且它的迭代顺序与栈语义容易混用;Deque 接口的 push/pop/peek 语义清晰,ArrayDeque 基于循环数组、无锁、性能更好。面试官追问「为什么更倾向 Deque」就是考这一点。
可重入分布式锁:核心是用一个 Hash 保存「锁持有者标识 → 重入次数」,tryLock 时用 Lua 原子地判断 key 是否存在:不存在则写入 {owner: 1} 并设过期;存在且 owner 是自己则 HINCRBY 加一;否则失败。unlock 同样用 Lua:owner 不匹配直接返回失败,匹配则计数减一,减到 0 删除 key。并发安全靠 Redis 单线程执行脚本;过期时间用 PEXPIRE 每次重入时刷新(看门狗),并记录过期时刻用于判断。要说明单点 Redis 在主从切换时可能丢锁,强一致场景需要 fencing token 或 RedLock 之类的方案。
共识算法与「换跳板机」追问:这类问题考的是方案边界。如果扣分机制基于节点 ID 或固定 IP,攻击者更换跳板机确实能绕过,说明信任模型建立在可伪造的身份上;正确的方向是把惩罚绑定到可验证的行为凭证(签名、押金、共识层的投票记录)而不是网络位置,或者用准入控制与信誉体系抬高攻击成本。回答时先承认边界,再给出改进方向,不要硬说「防得住」。
三面综合题:「和 AI 磨合」要落到具体做法——如何写清约束、如何验证 AI 产出、哪些环节交给人复核;「最难的挑战」用 STAR 讲一个能说清取舍与结果的问题;「重复 @ 提问者」这类细节题是在验证经历的真实性,如实说明记忆 / 状态是怎么存的、为什么会重复触发、后来怎么修。