今天和大家分享一下组织内部成员在高级Java开发工程师岗位的面经详解，看看面试强度如何（删除了跟主人公项目相关的问题）：

面经详解

1. 线程池参数怎么配置？拒绝策略？

线程池参数配置：

1. 核心线程数（corePoolSize）
   • CPU密集型任务：通常设置为 CPU核心数 + 1，例如4核CPU设置5。
   • IO密集型任务：建议设置为 CPU核心数 × 2，例如4核CPU设置8，或通过公式 CPU核心数 × (1 + 平均等待时间/计算时间) 动态调整。
   • 获取CPU核心数：通过 Runtime.getRuntime().availableProcessors() 获取。

2. 最大线程数（maxPoolSize）
   • 根据任务突发流量和资源限制调整。IO密集型任务可设置为 CPU核心数 × 2~4，突发场景可更高。

3. 队列（workQueue）
   • 有界队列（如 ArrayBlockingQueue）：防止内存溢出，容量按需设置（如100~1000）。
   • 无界队列（如 LinkedBlockingQueue）：需谨慎使用，可能导致任务堆积。

4. 空闲线程存活时间（keepAliveTime）
   • 非核心线程空闲超过此时间会被回收，通常设为60秒。

拒绝策略：

• AbortPolicy（默认）：直接抛出异常，适用于需快速失败场景。
• CallerRunsPolicy：由提交任务的线程执行任务，用于降级处理。
• DiscardPolicy：静默丢弃新任务，可能导致数据丢失。
• DiscardOldestPolicy：丢弃队列中最老任务，尝试提交新任务。

2. IO密集型与CPU密集型任务配置

1. CPU密集型任务（如复杂计算、视频编码）
   • 特点：高计算量、低IO等待、CPU使用率高。
   • 线程池配置：核心线程数 ≈ CPU核心数，最大线程数等于核心线程数，避免过多线程导致上下文切换。

2. IO密集型任务（如网络请求、文件读写）
   • 特点：高IO等待时间、CPU空闲多。
   • 线程池配置：核心线程数 ≈ CPU核心数 × 2，最大线程数可更高（如16），队列容量根据任务平均处理时间调整。
   • 公式参考：线程数 = CPU核心数 × (1 + 平均等待时间/计算时间)。

示例：
• 4核CPU的Web服务（IO密集型）：核心线程数8，最大线程数16，队列容量200，拒绝策略 CallerRunsPolicy。

3. 为什么消费消息和推送分开？

1. 解耦与扩展性
   • 消费消息负责处理业务逻辑（如订单支付），推送负责通知（如短信、App推送），解耦后两者可独立扩展。

2. 可靠性
   • 推送失败时，消息仍保留在队列中，避免数据丢失。分开后消费服务无需关注推送的稳定性。

3. 流量控制
   • 高并发场景下，分开可避免推送阻塞消费流程。例如，第三方推送接口QPS低时，推送服务可异步处理或降级。

4. 实时性优化
   • 消费完成后立即返回结果，推送可延迟或批量处理（如合并多条通知）。

4. 如何优化索引？

1. 索引选择
   • 覆盖索引：查询字段全在索引中，避免回表。
   • 联合索引：按最左前缀原则设计，例如 (a, b, c) 可优化 WHERE a=1 AND b=2。

2. 避免无效索引
   • 删除未使用或重复索引，减少写操作开销。

3. 查询优化
   • 索引下推：在存储引擎层过滤数据，减少回表次数（如MySQL 5.6+）。
   • 避免深分页：使用游标分页（记录上一页最后ID）替代 LIMIT offset。

4. 分库分表
   • 数据量过大时，按业务垂直分库或按ID哈希水平分表。

5. 为什么不用openid和unionid联合分表？

1. 数据分布不均
   • openid 是用户唯一标识，而 unionid 是同一主体下多应用的统一ID。联合分表可能导致数据倾斜（如同一企业用户集中在少数分表）。

2. 查询复杂度
   • 联合分表需同时处理两个字段的路由逻辑，增加代码和维护成本。

3. 业务需求
   • 若业务场景仅需按 openid 查询（如用户订单），单字段分表更简单高效。

6. JVM如何优化？

1. 堆内存设置
   • 初始值（-Xms）和最大值（-Xmx）设为相同，避免动态调整（如 -Xms4g -Xmx4g）。

2. 垃圾回收器选择
   • G1：适合大内存、低延迟场景（JDK9+默认）。
   • Parallel GC：高吞吐量场景（如批处理）。

3. 新生代与老年代比例
   • 通过 -XX:NewRatio=2 设置新生代:老年代=1:2。

4. 监控工具
   • 使用 jstat、VisualVM 分析GC日志，定位内存泄漏或频繁Full GC原因。

7. 多个RPC接口调用如何实现？

1. 线程池异步调用
   • 为每个RPC接口分配独立线程池，避免资源竞争。例如，支付接口和库存接口使用不同线程池。

2. CompletableFuture编排
   • 链式调用：使用 thenApply()、thenCompose() 串联任务。
   • 并行调用：CompletableFuture.allOf() 等待多个接口完成。

8. 锯齿遍历二叉树（算法题）

思路：

1. 层序遍历：使用队列按层遍历节点。
2. 方向标记：偶数层反转结果（如第0层从左到右，第1层从右到左）。

代码：

public List<List<Integer>> zigzagLevelOrder(TreeNode root) {
    List<List<Integer>> ans = new ArrayList<>();
    if (root == null) return ans;
    Queue<TreeNode> queue = new LinkedList<>();
    queue.offer(root);
    boolean isReverse = false;
    while (!queue.isEmpty()) {
        int size = queue.size();
        List<Integer> level = new ArrayList<>();
        for (int i = 0; i < size; i++) {
            TreeNode node = queue.poll();
            level.add(node.val);
            if (node.left != null) queue.offer(node.left);
            if (node.right != null) queue.offer(node.right);
        }
        if (isReverse) Collections.reverse(level);
        ans.add(level);
        isReverse = !isReverse;
    }
    return ans;
}

9. 第三方SDK QPS低如何处理？

1. 限流
   • 令牌桶算法：控制请求速率（如Guava RateLimiter）。
   • 队列缓冲：将请求暂存队列，异步处理。

2. 缓存
   • 缓存高频请求结果，减少重复调用。

3. 异步调用
   • 使用线程池或消息队列异步发送请求，避免阻塞主线程。

4. 备用方案
   • 主备SDK切换（如腾讯云短信和阿里云短信）。

10. 低优先级消息如何进一步区分？

1. 多级队列
   • 按优先级分队列（如高、中、低），每个队列独立处理。

2. 动态权重
   • 根据系统负载调整低优先级消息的处理权重（如空闲时多处理低优先级）。

3. 延迟处理
   • 低优先级消息延迟消费（如Kafka消息设置 delay 时间）。

11. ES的作用？

1. 全文搜索
   • 支持分词、模糊查询、高亮显示（如商品搜索）。

2. 日志分析
   • 实时分析日志数据（如ELK栈）。

3. 数据分析
   • 聚合统计（如用户行为分析）。

12. ES读和写的区别？

1. 写入
   • 近实时：数据写入后需 refresh（默认1秒）才可查。
   • 分片策略：文档根据 _routing 写入特定分片。

2. 读取
   • 实时性：通过 GET 可立即读取（因主分片直接返回）。
   • 分布式查询：协调节点聚合各分片结果。

13. 现网问题如何处理？

1. 监控告警
   • 使用APM工具（如SkyWalking）监控CPU、内存、GC。

2. 日志分析
   • 通过ELK分析异常日志，定位错误堆栈。

3. 回滚与扩容
   • 紧急问题回滚至稳定版本，并发过高时扩容实例。

4. 限流降级
   • 触发熔断（如Sentinel）或关闭非核心功能。

处理流程：

1. 复现问题 → 2. 分析日志/监控 → 3. 定位代码 → 4. 修复验证 → 5. 灰度发布。

欢迎关注 ❤

我们搞了一个免费的面试真题共享群，互通有无，一起刷题进步。

没准能让你能刷到自己意向公司的最新面试题呢。

感兴趣的朋友们可以加我微信：wangzhongyang1993，备注：面试群。