面灵AI→

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

  1. 自我介绍。
  2. 保研还是考研?奖学金几次?
  3. 参加过哪些竞赛?
  4. 两个项目是练手项目?
  5. 滴滴实习多久?
  6. 批量查询优化怎么做的?哪些服务改并行、哪些改 SQL?
  7. 1.5s→265ms 怎么测的?降幅主要来自并行还是 SQL?
  8. 单看 SQL 从多少降到多少?有无优化前后对比?
  9. 优化具体就是加批量查询?
  10. 并发聚合中某服务失败或超时怎么办?
  11. Full GC 治理:从发现到修复的完整排查过程。
  12. 修复后怎么验证?有无对比指标?
  13. 流式输出对接做了什么?
  14. 为什么按 500ms 聚合?
  15. 线程池参数怎么配的?还有哪些拒绝策略?
  16. 核心线程能设超时吗?空闲时间设多少?
  17. 提交任务的执行流程?
  18. 隔离级别有哪些?项目用哪种?
  19. 慢 SQL 排查步骤?

二面

  1. 自我介绍,1–2 分钟。
  2. 你的课题是什么?
  3. 长安链是什么?
  4. 三类资产为什么要分类?是不是分三个线程池处理?
  5. 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?
  6. 半夜没流量,核心线程会被回收吗?想让它回收能做到吗?
  7. 讲线程池参数、队列、拒绝策略与运行原理。
  8. 流式对接:什么是「分析过程不可见」?为什么卡 500ms?
  9. 完整链路里你们服务、机器人、平台方是什么关系?
  10. 100 库存、1000 请求,Lua 哪几步保证一人一单?
  11. 一次扣多张怎么保证原子性?MySQL 失败怎么回滚?
  12. 【编程】括号匹配(圆括号、方括号)。
  13. 为什么用 Stack?与 Deque 有何区别、为何更倾向 Deque?
  14. 【编程】实现带重入的分布式锁(tryLock/unlock)。
  15. 用什么数据结构实现?并发安全怎么保证?
  16. Java 并发容器、原子类了解吗?
  17. 过期时间怎么判断、怎么处理?
  18. 你有什么想问的?

三面

  1. 自我介绍。
  2. 实验室课题是什么?
  3. 共识算法具体改了什么?
  4. 攻击者不断更换跳板机,扣分机制能防住吗?
  5. 有论文或专利吗?
  6. 实习只有滴滴?两个个人项目什么背景、为何选这两个方向?
  7. 实习中技术上最难的挑战是什么?
  8. 「和 AI 磨合」怎么理解?
  9. 代码量多少?主要实现什么功能?
  10. 有没有难的技术点或线上故障复盘?
  11. 什么「记忆」会导致重复 @ 提问者?具体是什么?
  12. 这块记忆是你处理的吗?
  13. 更追求技术深度还是广度?
  14. 哪里人?为何来深圳?实习也在北京吗?
  15. 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。