美团 AI 后端开发一面面经

《面试题目》

一、 个人背景与经历挖掘

1. 自我介绍
2. AI 工具在学习实践中的融入及具体协同方式

二、 计算机基础与 Java 核心

1. 栈和队列的区别及适用场景
2. 基于数组实现栈和队列的注意点，循环队列的扩容逻辑与注意事项
3. 接口与抽象类的区别，支付系统设计中的选型逻辑
4. 通用日志与权限校验逻辑的架构位置

三、 数据库与架构设计

1. 分库分表策略，如何解决分片热点问题
2. 加盐打散与缓存对查询性能的影响平衡
3. 项目管理系统设计：多对多任务表结构设计，任务状态与优先级的灵活性维护

四、 网络通信与接口设计

1. 大模型文本生成 HTTP 接口设计
2. 流式返回（Stream）的具体数据传输设计
3. 错误码设计原则与前端定位优化

五、 场景解决与行为面试

1. 识别并解决潜在隐患的经历
2. 布隆过滤器的误判处理与分布式锁的性能瓶颈应对
3. 极端流量下的边界条件与降级策略

---

《参考解析》

1. 接口 vs 抽象类：接口强调“契约/能力”（如支付接口定义），抽象类强调“模板/继承关系”。支付系统建议用接口，方便实现多种支付渠道（策略模式）。通用逻辑（日志/权限）建议采用 AOP 切面实现，解耦核心业务。
2. 分库分表热点：通过一致性 Hash 算法平摊数据，或利用热点 Key 缓存（本地缓存+Redis）、读写分离减轻 DB 压力。加盐打散虽然能分散存储，但会增加跨分片查询复杂度，需根据业务场景权衡。
3. 流式接口（SSE）：后端采用 Server-Sent Events 或 WebSocket，通过 Content-Type: text/event-stream 持续推送数据块，减少前端首字等待延迟。
4. 布隆过滤器误判：布隆过滤器只能判断“一定不存在”或“可能存在”。误判应对方案：在数据库层做兜底校验，或通过增加哈希函数数量与位图大小降低误判率。
5. 降级策略：极端流量下采用限流（令牌桶/漏桶）、熔断（Sentinel/Hystrix）及降级（关闭非核心服务如评价、推荐系统），优先保障下单核心路径的可用性。