云鲸智能平台开发一面面经

《面试题目》

1. 介绍项目一中 LangChain4j 的作用，它如何对接 DeepSeek 等大模型。
2. 项目里提到流式输出和首字响应降低 60%，这个指标是如何统计的。
3. 实现流式输出时是否遇到数据分段错乱、推送延迟等问题，具体怎么解决。
4. 用户量和会话数据快速增长后，MySQL 的存储与查询性能如何优化。
5. 向量数据库的检索效率如何保证，索引和召回策略怎么设计。
6. 项目二的异步处理链路里，如何保证订单数据一致性。
7. Lua 脚本在一致性保障中具体做了什么，为什么能保证原子性。
8. 进程和线程的区别是什么。
9. Java 内存区域中堆和栈有什么区别。
10. 局部变量通常存放在堆里还是栈里。
11. MySQL 慢查询应该如何排查和优化。

《参考解析》

1. LangChain4j 的作用：它通常负责封装模型调用、提示词模板、记忆、工具调用、流式响应和 RAG 编排。对接 DeepSeek 时，核心是配置兼容 OpenAI 风格的 client、模型名、API Key、超时和流式回调，再把业务上下文转换成统一的 message 或 prompt。
2. 流式输出指标统计：首字响应一般从请求进入服务端或发起模型请求开始计时，到前端收到第一个有效 token 为止。要区分首 token 延迟、总生成耗时、网络传输耗时，并在服务端日志、网关 trace 和前端埋点中统一 requestId 才能闭环。
3. 流式分段错乱处理：SSE/WebSocket 推送时要给 chunk 增加序号或按连接内顺序串行发送；客户端只追加有效增量，遇到半包和 JSON 边界问题时用缓冲区拼接；服务端还要处理断连、重试和超时取消。
4. MySQL 增长后的优化：先用慢查询日志和 EXPLAIN 定位瓶颈，再做联合索引、覆盖索引、冷热数据拆分、归档、分页方式优化。会话类数据还可以按用户或时间分区，并把大文本、向量或附件放到更适合的存储中。
5. 订单一致性：高并发扣减和状态流转可以用 Redis Lua 保证库存校验与扣减原子执行，数据库侧使用唯一约束、事务和幂等表兜底。异步链路要配合消息重试、状态机和补偿任务，避免只依赖单点成功回调。