互联网大厂 Java 面试实战：Spring Boot、微服务、Kafka 与 JVM（角色扮演）

wjqqqk

628人浏览 · 2026-02-22 16:54:27

wjqqqk · 2026-02-22 16:54:27 发布

互联网大厂 Java 面试实战（含技术点：Spring Boot、微服务、Kafka、JVM）

今天是 2026-02-22。

场景简介

电商场景：商品下单-库存校验-库存扣减-订单入库-异步通知（配合搜索/推荐系统与消息中间件），面试聚焦系统设计、微服务通信、事务一致性、性能调优与运维监控等。

人物设定

面试官：严肃、逻辑性强，关注系统可用性、扩展性与运维。
候选人：谢飞机（搞笑的水货程序员），对简单问题能答出，复杂问题回答含糊不清，但能被面试官引导并补充。

第一轮（基础、业务流与框架）

（每题面试官提问 → 谢飞机回答 → 面试官点评）

面试官：请描述下单流程的高层业务流程以及涉及哪些服务与技术栈？

谢飞机：用户发起请求，订单服务把数据写到 MySQL，然后返回，啊还会发一条消息给库存服务，应该是 Kafka 吧。用 Spring Boot 写。

面试官：回答方向对，补充要点：API 网关/认证 → 订单服务（Spring Boot、REST）→ 库存服务（RPC/消息）→ 支付服务 → 异步通知（Kafka/RabbitMQ）→ 持久化（MySQL、Redis 缓存）。注意数据一致性与幂等性设计。
面试官：为什么选择 Spring Boot？构建工具你通常用什么？如何管理依赖与构建？

谢飞机：Spring Boot 开箱即用，自动配置，热部署。构建用 Maven，经常用依赖管理之类的。

面试官：夸奖并引导：Spring Boot 提供约定优于配置、Starter 依赖、Actuator 监控。Maven/Gradle 都可，用父 POM 或 BOM 管理版本一致性，CI 中用 Dockerfile + Maven/Gradle 构建镜像。
面试官：订单服务如何设计数据库与表？如何考虑事务与性能？

谢飞机：订单表加索引，事务就用数据库事务，性能加缓存。

面试官：补充：使用合理范式与分库分表策略（按用户或订单时间），使用 HikariCP 调优连接池；短事务、读写分离、悲观/乐观锁与乐观锁 + 版本号；关键路径可用异步入库与消息队列缓冲；慢查询监控与索引设计。

第二轮（微服务、消息与一致性）

面试官：如何保证下单-扣减库存的最终一致性？有哪些常见方案？

谢飞机：我会用两阶段提交（2PC），或者就是把消息发出去，反正异步处理。

面试官：纠正并引导：传统 2PC（XA）在分布式微服务下代价较高。常见方案：事务补偿（Saga）、可靠消息最终一致性（消息表/Outbox Pattern + CDC）、消息队列保证幂等消费、基于 TCC（Try-Confirm-Cancel）的实现。推荐 Outbox + CDC 或 Saga，结合幂等性处理与补偿逻辑。
面试官：Kafka 在订单场景如何选 partition 与 key？消费幂等如何实现？

谢飞机：按订单 ID 分区，消费者要检查重复就行。

面试官：补充：以订单 ID 作为 key 保证同一订单的消息走同一分区，利于顺序消费；配置合理分区数与副本因子；生产端开启 ACKs=all，重试策略与幂等生产者；消费者端实现幂等（消费前检查幂等表/状态、使用事务或消费位点与应用状态一致性处理）。
面试官：面对高并发下的库存扣减如何保障性能与正确性？

谢飞机：先用 Redis 扣库存，再异步同步到数据库，或者直接用数据库乐观锁。

面试官：认可：常见做法有 Redis 预扣（Lua 脚本保证原子）、分布式限流（令牌桶/漏桶）、窗口限购、库存冷/热分离（Redis + 后端 DB 最终落库）、并发控制可用乐观锁（version）或悲观锁（for update），并考虑库存抢购场景的削峰策略。

第三轮（性能、运维与安全）

面试官：JVM 调优方面你会关注哪些指标？如何诊断 GC 导致的延迟？

谢飞机：看 GC 日志，内存，如果出现 STW 就调大内存。

面试官：扩展说明：关注堆大小、年轻代/老年代比例、GC 类型（G1、CMS、ZGC、Shenandoah）、Full GC 次数与停顿时长、内存分配速率、逃逸分析结果、线程数与锁竞争。诊断工具：jstat、jmap、jstack、GC logs、VisualVM、Flight Recorder；调优策略包括选择合适 GC（G1 或 ZGC），调节 -Xms/-Xmx、-XX:MaxGCPauseMillis、-XX:InitiatingHeapOccupancyPercent、开启打印 GC 日志并分析。
面试官：系统上线后如何做监控与链路跟踪？具体到工具与埋点方案。

谢飞机：装 Prometheus，Grafana，埋点用日志。

面试官：细化：使用 Prometheus + Grafana + Micrometer 暴露应用指标，ELK/Fluentd 处理日志；分布式链路使用 Jaeger/Zipkin + OpenTelemetry（或 Sleuth + Brave）；埋点包括业务事件、关键 RPC/DB 调用时间、错误率、请求切片 ID（traceId）传递、日志结构化与指标告警。
面试官：如何保障服务安全（认证授权与数据传输）？

谢飞机：JWT 吧，HTTPS，Spring Security。

面试官：补充：采用 OAuth2/OpenID Connect、JWT 做无状态认证（注意签名与过期、刷新机制），Spring Security 配合 Resource Server 与 Authorization Server；服务间认证可用 mTLS 或基于服务网格（Istio）; 加密传输使用 TLS，密钥管理与审计，敏感字段加密存储或使用 KMS。

面试官：好，今天到这里，你回家等通知。

谢飞机：好嘞，回家等通知~（摇尾巴）

答案详解（面向小白的技术讲解与实践要点）

本文将上面的问答按技术点拆解，给出背景、常见实现、示例和注意点，便于初学者学习。

业务架构与技术栈选型

场景：电商下单包含 API 网关、订单服务、库存服务、支付服务、消息队列（Kafka）、缓存（Redis）、持久存储（MySQL/分库分表）和监控链路。
要点：分层清晰、服务职责单一、异步解耦（MQ）、幂等性和重试机制、可观测性（Metrics/Tracing/Logs）。

Spring Boot 与构建管理

为什么用 Spring Boot：快速开发、丰富生态（Spring Data, Spring Security, Spring Cloud）、Actuator 提供监控与健康检查。
构建：Maven 与 Gradle：使用父 POM/BOM 管理依赖版本，CI/CD 中用 Docker 多阶段构建：
- 示例：pom 中引入 spring-boot-starter-parent 或使用 Spring Boot BOM 管理版本
依赖管理要点：避免依赖冲突（使用 dependencyManagement），控制第三方版本；使用镜像仓库（Nexus/Artifactory）。

数据库设计与性能

建表与索引：根据查询模式建立合理索引，避免全表扫描。缓存热点数据（Redis）。
连接池：使用 HikariCP，示例配置：
- spring.datasource.hikari.maximum-pool-size=50
分库分表：按业务维度或时间窗口切分，减少单库压力。
事务策略：短事务，尽量减少分布式事务；对长流程使用异步补偿或 Saga。

分布式一致性方案

2PC/XA：强一致但性能差，通常不推荐对外部RPC/服务广泛使用。
Saga：业务编排或事件驱动式补偿，适合长事务与微服务场景。
Outbox Pattern + CDC：先在本地事务中写业务数据与消息到 outbox 表，使用 CDC（Debezium）或后台任务把 outbox 中消息投递到 MQ，从而实现可靠投递。

消息队列与幂等性

Kafka 实践建议：
- 以订单ID作为 key 保证顺序性；
- 生产端使用 acks=all，retries 与 idempotence.enable=true；
- 消费端要实现幂等（基于唯一业务ID做去重或依赖事务性写位点）。

高并发库存策略

Redis 预扣库存：利用 Lua 脚本保证操作的原子性（检查 + 扣减）；
限流与削峰：使用漏桶/令牌桶，或者流量网关限速；
库存冷/热分离：把热点库存放 Redis；异步批量回写 DB。

JVM 与性能调优

常用工具：jmap/jstack/jstat/Flight Recorder/VisualVM；
GC 策略：针对低延迟服务优先考虑 G1/ZGC；监控 Young/Old 区分、Full GC频率与 STW 时间；
常见参数：-Xms -Xmx -XX:+UseG1GC -XX:MaxGCPauseMillis=200。

监控与链路追踪

指标：QPS、错误率、P50/P95/P99 响应时间、堆内存、GC 时间、线程数、数据库连接池状态。
技术栈：Micrometer → Prometheus → Grafana；日志集中化 ELK；分布式追踪 Jaeger/Zipkin/OpenTelemetry。
埋点：在入口（API）、RPC/DB 调用与关键业务点记录时间与 traceId。