1月21日面试题整理 Java后端及自动化测试面试相关 偏简单
一、 Java 基础部分
1. Java的反射机制介绍一下
定义：
Java反射机制是在运行状态中，对于任意一个类，都能够知道这个类的所有属性和方法；对于任意一个对象，都能够调用它的任意一个方法和属性。这种动态获取信息以及动态调用对象方法的功能称为Java语言的反射机制。
核心类：
Class：表示正在运行的Java应用程序中的类和接口。Constructor：提供关于类的单个构造方法的信息以及对它的访问权限。Method：提供关于类或接口上单独某个方法的信息。Field：提供有关类或接口的单个字段的信息。
原理：
程序运行时，JVM 会把编译后的.class文件（字节码）加载到内存中，并为每个类创建一个唯一的Class对象（这个对象存储了该类的所有元信息：类名、父类、接口、属性、方法、构造器等）。
优缺点：
- 优点：极大的灵活性，可以在运行时动态加载类，提高代码的通用性（比如框架设计）。
- 缺点：性能开销大（解释执行，慢于直接代码调用）；破坏封装性（可以访问private属性）；安全问题。
2. 平常项目里反射机制哪里用到了？
在业务开发中直接写反射代码可能不多，但我们使用的框架无处不在：
- Spring IOC/DI：Spring通过读取XML或注解配置，获取类名，然后通过反射
Class.forName()加载类并实例化对象（Bean），再通过反射注入依赖。 - Spring AOP：动态代理（JDK动态代理）底层就是反射，用于实现事务管理、日志切面。
- JDBC：
Class.forName("com.mysql.cj.jdbc.Driver")加载数据库驱动。 - ORM框架 (MyBatis/Hibernate)：查询数据库结果后，通过反射将ResultSet映射到Java实体类（POJO）的属性中。
- JSON序列化工具 (Jackson/Gson)：将对象转换为JSON字符串时，通过反射读取对象的所有属性值。
3. 异常里面的运行时异常和非运行时异常
Java异常的根类是 Throwable，分为 Error (错误，无法恢复) 和 Exception。Exception 分为两类：
- 非运行时异常 (Checked Exception / 受检异常)：
-
- 定义：编译器强制要求处理的异常。如果代码中可能抛出这类异常，必须使用
try-catch捕获或者throws抛出，否则编译不通过。 - 场景：通常是外部环境导致的，不可控。
- 例子：
IOException(文件读写),SQLException(数据库),ClassNotFoundException。
- 定义：编译器强制要求处理的异常。如果代码中可能抛出这类异常，必须使用
- 运行时异常 (Unchecked Exception / Runtime Exception)：
-
- 定义：继承自
RuntimeException。编译器不强制要求处理。 - 场景：通常是程序员的代码逻辑错误，应该通过修改代码来避免。
- 例子：
- 定义：继承自
-
-
NullPointerException(空指针)IndexOutOfBoundsException(数组越界)ClassCastException(类型转换错误)ArithmeticException(除以0)
-
二、 数据库 (MySQL) 与 缓存 (Redis)
4. 怎么保证 Redis 和 MySQL 的数据一致性？
这是一个经典的分布式数据一致性问题。
常见的策略（Cache Aside Pattern 旁路缓存模式）：
- 读数据：先读缓存 -> 缓存没有 -> 读数据库 -> 将数据写入缓存 -> 返回。
- 写数据：先更新数据库，然后删除缓存。
为什么是删除缓存而不是更新缓存？
- 懒加载：如果写操作频繁，更新缓存会计算很多次，但可能没人读，浪费性能。删除后，下一次读请求自然会回填最新的。
- 并发问题：两个线程同时更新，A先更DB，B后更DB；但可能B先更缓存，A后更缓存，导致脏数据。
终极方案（保证强一致性或最终一致性）：
- 延时双删（见下文详解）。
- 消息队列 + 重试：更新DB后，发送消息到MQ，由消费者去删除Redis。如果删除失败，不断重试。
- 订阅 Binlog (如 Canal)：程序只修DB，Canal监听MySQL Binlog变化，解析后异步去同步/删除Redis数据。
5. MySQL的索引介绍一下
定义：索引是帮助MySQL高效获取数据的数据结构。
底层结构：主要是 B+ Tree。
常见分类：
- 聚簇索引 (Clustered Index)：通常是主键，叶子节点存储完整的数据行。
- 非聚簇索引 (Secondary Index)：叶子节点存储主键的值。查询时通常需要“回表”（先查到主键，再回主键索引查数据）。
- 唯一索引：列值必须唯一。
- 联合索引：多个列组成的索引，遵循最左前缀匹配原则。
6. MySQL索引它本身存在的一些问题
虽然索引快，但不能滥用：
- 空间占用：索引文件需要占用物理磁盘空间。
- 降低写性能：对表进行
INSERT,UPDATE,DELETE时，MySQL不仅要更新数据，还要调整索引结构（页分裂、重平衡），导致写变慢。 - 维护成本：随着数据量增加，索引可能会碎片化，需要定期优化。
- 失效风险：写得不好的SQL（如对索引字段做运算、使用
!=、LIKE '%abc'）会导致索引失效，退化为全表扫描。
7. MySQL的分区了解吗？
定义：将一个大的物理表，在逻辑上保持为一个表，但在物理磁盘上分割成多个小文件存储。
类型：
RANGE：基于属于一个给定连续区间的列值（如按年份分区）。LIST：基于列值匹配一个离散值集合（如按地区分区：北上广）。HASH/KEY：基于用户定义的表达式的返回值。
作用：- 提高查询效率（分区裁剪，只查特定分区）。
- 方便维护（可以直接删掉一个旧的时间分区来清理历史数据）。
- 注意：现在的互联网架构中，更倾向于在应用层做分库分表（Sharding），而不是依赖MySQL自带的分区功能。
8. 了解过ES数据库吗，是干嘛的？
ES 的底层还包含列存式的文档存储结构，文档以 JSON 格式存储，会被序列化为二进制格式后存入磁盘，同时会为常用字段建立正排索引（文档 ID→字段值），用于聚合、排序等操作；为了提升检索性能，ES 还会将高频访问的词项和索引数据缓存到内存（如 FieldData、Shard Request Cache），减少磁盘 IO。而倒排索引本身也做了优化，比如对词项进行字典排序，通过跳表、位图（BitSet）等数据结构快速筛选文档，比如用位图表示某个词项对应的文档集合，多个词项的组合查询可以通过位图的与、或运算快速得到结果，这也是 ES 能实现近实时检索的关键 —— 数据写入后秒级即可被检索到，因为 ES 采用了分段（Segment）写入的机制，新写入的数据先存入内存缓冲区，达到一定条件后刷盘生成新的 Segment，Segment 一旦生成就不可修改，删除 / 更新操作只是标记文档为删除，后续通过合并 Segment 的方式清理无效数据，既保证了写入性能，也避免了频繁修改索引带来的开销。
Elasticsearch (ES) 是一个基于 Lucene 的分布式、RESTful 风格的搜索和数据分析引擎。
核心作用：
- 全文检索：类似百度/谷歌，支持模糊搜索、分词搜索、高亮显示。（MySQL的
Like在大数据量下太慢）。 - 日志分析：ELK Stack (Elasticsearch + Logstash + Kibana) 是运维监控和日志分析的标配。
- 数据分析：近实时的海量数据聚合分析。
核心原理：倒排索引 (Inverted Index)。通过关键词找到文档ID，而不是通过文档遍历内容。
三、 项目与流程
9. 新需求开发大概的流程是什么？
- 需求评审：产品经理(PM)讲解需求，开发(Dev)和测试(QA)评估可行性及实现难度。
- 技术方案设计：
-
- 数据库表结构设计。
- 接口定义 (API)。
- 核心逻辑流程图。
- 设计评审（Review）。
- 排期：预估开发时间和测试时间。
- 编码开发：后端写代码，前端写页面，联调接口。
- 单元测试/自测：开发人员自己保证主流程跑通。
- 提测：部署到测试环境，移交QA。
- 测试与Bug修复：QA进行功能测试、回归测试、压力测试。
- 预发布/灰度：在准生产环境验证。
- 上线 (Deploy)：部署到生产环境，观察日志和监控。
10. 印象最深的需求，具体讲一下采用什么技术，如何实现的？
(这是一个开放性问题，你需要准备一个实际案例。以下是一个高频的“秒杀/高并发”案例模板)
- 场景：电商大促的商品抢购（如秒杀）。
- 难点：瞬间流量巨大，数据库扛不住；容易超卖（卖出负数）。
- 技术与实现：
-
- Redis预减库存：商品库存提前放入Redis。请求进来先扣Redis，扣成功了才有资格去操作数据库。
- 异步削峰：抢到资格的用户，不直接写DB，而是发消息到 RabbitMQ/Kafka。
- 数据库乐观锁：消费者处理消息，扣减DB库存时带上版本号或条件
update stock = stock - 1 where id = 1 and stock > 0，防止超卖。 - 限流与降级：前端按钮置灰，后端使用Sentinel或Nginx限流。
- 结果：抗住了10倍于平时的流量，数据准确无误。
四、 缓存进阶
11. 如何保证缓存和数据库一致性
(参考第4题，此处为重复问题的深入)
核心是：Cache Aside Pattern + 补偿机制（MQ或Binlog）。
12. 为什么会延迟双删？第二次删的作用是什么？
场景：如果不延迟双删，在“先更新DB，再删缓存”的策略下，极低概率会出现问题。但在“先删缓存，再更DB”的策略下（或者读写分离延迟），问题很明显。
延迟双删流程：
- 删除缓存。
- 更新数据库。
- 休眠一会（比如500ms）。
- 再次删除缓存。
第二次删除的作用：
解决并发读写导致的脏数据。
- 过程：线程A删了缓存 -> 线程A去修DB（还没修完） -> 线程B来了，发现没缓存 -> 线程B读旧DB -> 线程B把旧数据写入缓存 -> 线程A修完DB。
- 结果：DB是新的，缓存是旧的。
- 解决：线程A休眠后（确保线程B已经把旧数据写入缓存了），再删一次。这样缓存就没有旧数据了。
13. 如何评估部署Redis应该申请多少内存资源？
- 计算数据大小：(Key的平均长度 + Value的平均长度) × 预估Key的总数量。
- 预留空间：Redis除了存数据，还有内部元数据（overhead）、复制缓冲区等。通常建议预留 30% - 40% 的冗余。
- 持久化需求：如果开启RDB快照，Fork子进程时可能需要双倍内存（Copy-on-Write），虽然不用完全翻倍，但要预留足够Buffer。
- 估算公式：
预估内存 = 数据总量 / 0.7。
14. 管理缓存的生命周期的策略是什么？
- TTL (Time To Live)：给Key设置过期时间（
expire）。
-
- 热点数据：时间设长点。
- 普通数据：时间设短点，防止占内存。
- 驱逐策略 (Eviction Policy)：当内存满了(maxmemory)时，Redis如何删数据。
-
allkeys-lru：从所有Key中删最少使用的（最常用）。volatile-lru：只从设置了过期时间的Key中删最少使用的。random：随机删。
- 删除机制：
-
- 惰性删除：查的时候发现过期了才删。
- 定期删除：Redis后台每隔一段时间随机抽查过期Key并删除。
五、 自动化测试
15. 接口自动化采用什么框架？
Java栈：
- RestAssured：专为REST API设计的DSL，语法优雅，功能强大。
- TestNG / JUnit：测试执行引擎，管理测试用例、断言。
- HttpClient / OkHttp：底层的HTTP调用工具。
- Allure：生成漂亮的测试报告。
Python栈（见下题）。
16. Python自动化框架接触哪些？
- Pytest：最主流的单元/接口测试框架。
- Unittest：Python标准库自带，类似Java JUnit，比较老派。
- Requests：HTTP库，用于发送接口请求。
- Selenium / Playwright：用于Web UI自动化。
- Appium：用于移动端App自动化。
17. Pytest的优势？
相比于Unittest：
- 简洁：不需要像Unittest那样必须继承类，只需写
def test_xxx():即可。 - Fixture机制：非常强大。
@pytest.fixture可以灵活控制前置（Setup）和后置（Teardown）操作，支持不同作用域（function, class, session）。 - 插件生态：拥有丰富的插件，如
pytest-xdist(并发执行)、pytest-html(报告)、pytest-rerunfailures(失败重试)。 - 参数化：
@pytest.mark.parametrize实现数据驱动测试非常方便。 - 断言：直接使用Python原生的
assert语句，不需要self.assertEqual。
六、 算法题
18. 字符串"ABCBD"打印出最长回文子字符串“BCB”
这道题是 LeetCode 5. 最长回文子串。
解题思路（中心扩散法）：
回文串是中心对称的。我们可以遍历字符串，以每一个字符为中心，向两边扩散，看看能扩散多远。
- 情况1：中心是一个字符（如 "aba" 中心是 b）。
- 情况2：中心是两个字符（如 "abba" 中心是 bb）。
代码逻辑 (Python示例)：
def longestPalindrome(s: str) -> str:
if not s:
return ""
start, max_len = 0, 0
def expand_around_center(left, right):
# 向两边扩散，直到不相等或越界
while left >= 0 and right < len(s) and s[left] == s[right]:
left -= 1
right += 1
# 返回当前找到的长度，注意while结束时left和right已经越界了
return right - left - 1
for i in range(len(s)):
# 1. 单中心 (如 BCB)
len1 = expand_around_center(i, i)
# 2. 双中心 (如 ABBA)
len2 = expand_around_center(i, i + 1)
cur_len = max(len1, len2)
if cur_len > max_len:
max_len = cur_len
# 更新起点：根据中心点i和长度计算新的起点
# 如果是奇数长度，i是正中心；如果是偶数，i是左中心
start = i - (cur_len - 1) // 2
return s[start : start + max_len]
# 测试
s = "ABCBD"
print(longestPalindrome(s)) # 输出 BCB复杂度：
- 时间复杂度：
。
- 空间复杂度：
。
汇聚全球AI编程工具，助力开发者即刻编程。
更多推荐
4
0- 0
已为社区贡献2条内容
所有评论(0)