Java实习模拟面试 | 滴滴效能平台后端一面：高并发、分布式锁与线程池深度连环问

关键词：Java后端实习｜JUC｜线程池｜分布式锁｜SpringBoot｜MySQL主从｜TCP三次握手｜Docker｜Hot100算法

最近在准备后端开发岗位的实习面试，特意模拟了一场「滴滴-效能平台」后端实习的一面场景。这场面试问题非常有代表性，覆盖了并发编程、分布式系统、数据库、网络、容器化技术以及算法手撕等多个维度，尤其对线程池和分布式锁的追问极为深入。

下面以“面试官提问 + 我的回答”的形式还原整场面试，并附上专业角度的解析，希望能帮助正在备战Java后端实习的同学查漏补缺！

一、自我介绍

面试官提问：
“先做个简单的自我介绍吧。”

我的回答：
“您好，我是XX大学计算机专业的大三学生，目前主要学习Java后端开发方向。在校期间做过两个后端项目，一个基于SpringBoot + MyBatis的校园论坛系统，另一个是使用Redis+RabbitMQ实现的秒杀系统。我对高并发、分布式系统比较感兴趣，也在LeetCode上刷了200+题。这次投递滴滴效能平台，是因为了解到该团队聚焦研发效能工具链建设，希望能在真实业务中提升工程能力。”

二、JUC体系有什么？

面试官提问：
“你提到了高并发，那JUC（java.util.concurrent）包里都有哪些核心组件？”

我的回答：
“JUC是Java并发编程的核心包，主要包括：

线程池：ThreadPoolExecutor、Executors工具类；
同步工具类：CountDownLatch、CyclicBarrier、Semaphore；
并发集合：ConcurrentHashMap、CopyOnWriteArrayList；
原子类：AtomicInteger、AtomicReference等；
锁机制：ReentrantLock、ReadWriteLock、StampedLock；
Future相关：FutureTask、CompletableFuture。

这些组件底层大量使用了CAS、volatile、AQS等机制，避免了传统synchronized的性能瓶颈。”

三、项目中线程池使用的什么拒绝策略？

面试官追问：
“你在秒杀项目里用了线程池，具体用的是哪种拒绝策略？为什么？”

我的回答：
“我使用的是ThreadPoolExecutor.AbortPolicy，也就是默认策略——直接抛出RejectedExecutionException。
因为秒杀场景下，如果系统已经过载，继续接受新任务可能导致雪崩。与其让请求堆积或静默丢弃，不如快速失败，配合前端做降级提示，保障核心服务稳定性。”

补充思考（面试后复盘）：
其实也可以考虑CallerRunsPolicy，让调用线程自己执行任务，起到“反压”作用，但需评估主线程是否能承受。

四、线程池中任务执行出现异常如何捕获？

面试官继续追问：
“如果提交到线程池的任务抛了异常，怎么捕获？”

我的回答：
“有两种方式：

使用Future.get()：提交任务时用submit()而不是execute()，返回Future，调用get()会抛出异常；
自定义ThreadFactory或重写afterExecute()：继承ThreadPoolExecutor，覆写afterExecute(Runnable r, Throwable t)方法，在其中处理异常。

另外，也可以在任务内部用 try-catch 包裹，但这属于防御性编程，不够优雅。”

五、Tomcat的线程池执行流程是怎么样的？

我的回答：
“Tomcat 的线程池基于ThreadPoolExecutor实现，其执行流程如下：

接收到 HTTP 请求后，由 Acceptor 线程将 Socket 放入 Poller 队列；
Poller 线程监听 I/O 事件，将可读的请求封装为SocketProcessor任务；
提交到StandardThreadExecutor（Tomcat 自定义线程池）；
如果核心线程未满，创建新线程；否则尝试放入任务队列；
若队列满且线程数未达最大值，则创建非核心线程；
若仍无法处理，则触发拒绝策略（Tomcat 默认是直接关闭连接）。”

六、Tomcat本质上是什么？解决什么问题？

我的回答：
“Tomcat 本质是一个Servlet 容器，实现了 Java EE 的 Servlet/JSP 规范。它解决了HTTP 请求到 Java 方法调用的映射问题，并提供了生命周期管理、线程池、连接管理、静态资源处理等能力。
简单说，它把网络编程的复杂性封装起来，让开发者只需关注业务逻辑。”

七、分布式锁怎么实现的？

面试官开启连环追问模式！

我的回答：
“我项目中用的是Redis 分布式锁，基于SET key value NX PX timeout命令实现，保证原子性。value 是唯一标识（如 UUID + 线程ID），用于防止误删。”

追问1：锁的过期时间怎么设置？

“根据业务执行时间预估，比如接口平均耗时 200ms，我会设为 2~3 秒，留有余量。”

追问2：下游接口响应慢，导致业务没执行完锁就过期了，怎么办？

“可以使用看门狗机制（Watchdog），比如 Redisson 的自动续期功能：只要业务还在执行，就定期延长锁的过期时间。”

追问3：超时时间有没有考虑 Full GC 导致的 STW（Stop-The-World）？

“……（卡了一下）说实话，之前没考虑 GC 的影响。不过您提到 Goland（应为 Go，可能是口误，实际指 Java 的 ZGC/Shenandoah）STW 极短，但在传统 CMS/G1 下，Full GC 可能停顿几百毫秒甚至秒级，确实可能导致锁提前释放。
后续我会在设置超时时间时，结合 JVM 监控数据，预留 GC 停顿的 buffer。”

反思：这个问题暴露了我对生产环境 JVM 行为理解不足，值得深入学习。

八、其他的分布式锁方案？

我的回答：
“除了 Redis，还有：

MySQL：通过SELECT ... FOR UPDATE或唯一索引实现，但性能较差，且依赖事务；
ZooKeeper：利用临时顺序节点 + Watch 机制，天然支持公平锁和可重入，但运维成本高。”

九、ZK做分布式锁了解吗？

我的回答：
“了解。ZK 分布式锁的实现思路是：

所有客户端在/lock节点下创建临时顺序节点；
获取/lock下所有子节点，判断自己是否序号最小；
如果是，获得锁；否则 watch 前一个节点；
前一个节点删除时，收到通知，再次判断是否最小。

优点是强一致性、无死锁；缺点是频繁创建/删除节点，性能不如 Redis。”

十、ConcurrentHashMap了解多少？适用场景？

我的回答：
“ConcurrentHashMap 是线程安全的哈希表，JDK8 后采用Node 数组 + CAS + synchronized 锁单个桶的设计，相比 Hashtable 和 Collections.synchronizedMap 性能大幅提升。
适用于高并发读多写少的场景，比如缓存、计数器、配置中心等。”

十一、SpringBoot常见注解？

我的回答：
“常用注解包括：

@SpringBootApplication：启动类；
@RestController/@Controller：控制器；
@Service/@Repository：业务层/数据层；
@Autowired：依赖注入；
@Configuration+@Bean：配置类；
@Value：读取配置；
@Transactional：事务控制。”

十二、@Transactional 注解失效情况？

我的回答：
“常见失效场景有：

方法非 public：Spring AOP 基于代理，private/package 方法不被拦截；
自调用：同一个类中方法A调用带@Transactional的方法B，B 的事务不生效；
异常被捕获未抛出：默认只回滚 RuntimeException 和 Error；
传播行为配置错误：如REQUIRES_NEW在异常时不会回滚外层事务；
未启用事务管理器：缺少@EnableTransactionManagement（SpringBoot 默认开启）。”

十三、IOC 和 AOP 通俗解释？

我的回答：
“IOC（控制反转）：以前我们自己 new 对象，现在交给 Spring 容器来创建和管理，‘控制权’反转给了框架。
AOP（面向切面编程）：把通用逻辑（如日志、事务、权限）抽离出来，像‘切片’一样动态织入到目标方法前后，避免代码重复。”

十四、哪些注解实现 AOP？

我的回答：
“Spring AOP 主要通过：

@Aspect：定义切面类；
@Before/@After/@Around/@AfterReturning/@AfterThrowing：定义通知类型；
@Pointcut：定义切入点表达式。

另外，@Transactional、@Async、@Cacheable等也是基于 AOP 实现的。”

十五、MySQL线上部署架构？

我的回答：
“一般采用主从复制架构：

一主多从：主库负责写，从库负责读，实现读写分离；
使用 VIP 或中间件（如 ShardingSphere、MyCat）做负载均衡；
配合 MHA 或 Orchestrator 实现高可用故障切换；
重要数据还会做 Binlog 备份 + 定期全量备份。”

十六～十七、主从延迟问题

Q16：是否遇到主从延迟？

“项目是本地测试环境，没遇到过。”

Q17：主从延迟如何获取？

“……没测过。（诚实回答）但我知道可以通过show slave status查看Seconds_Behind_Master字段。”

复盘：应补充：也可通过对比主从 binlog position 或使用 pt-heartbeat 工具监控。

十八、Redis线上丢失过数据吗？

我的回答：
“本地项目没丢过。但我知道 Redis 是内存数据库，默认异步持久化（RDB/AOF），极端情况下（如宕机）可能丢失部分数据。
生产环境通常会：

开启 AOF + everysec 同步；
配置主从 + 哨兵/Cluster；
关键数据双写 DB 做兜底。”

十九、三次握手能否改成两次或四次？

我的回答：
“不能改成两次：会导致历史连接请求突然到达服务器，造成资源浪费（经典‘旧 SYN 攻击’问题）。
四次理论上可行但冗余：三次已是最小可靠建立连接的次数，四次只是多一次确认，无实际收益。
所以三次是可靠性和效率的最佳平衡。”

二十、TCP 和 UDP 使用场景？

我的回答：

TCP：可靠、有序、有连接，适用于文件传输、HTTP、数据库连接等要求数据完整性的场景；
UDP：无连接、低延迟、不可靠，适用于视频会议、直播、DNS 查询、IoT 传感器上报等容忍少量丢包的场景。

二十一～二十三、Docker 相关

Q21：Docker 和虚拟机区别？

“虚拟机通过 Hypervisor 虚拟化硬件，每个 VM 有完整 OS；Docker 共享宿主机内核，通过 Namespace 和 Cgroups 隔离进程，更轻量。”

Q22：为什么 Docker 启动快？

“因为不需要启动 Guest OS，直接运行应用进程，秒级启动。”

Q23：镜像分层了解吗？

“……不太清楚。（诚实）但知道镜像是由多层只读层叠加而成，修改时用 Copy-on-Write 机制。”

复盘：镜像分层是 Docker 核心特性，每层代表一个指令变更，利于复用和增量构建。

二十四、K8s 了解吗？

“知道 K8s 是容器编排系统，能管理 Pod、Service、Deployment 等资源，支持自动扩缩容、滚动更新、服务发现。但没在项目中实际使用过。”

手撕算法：Hot100 - 出现次数超过一半的数字

题目：给定一个大小为 n 的数组，找到众数（出现次数 > n/2）。

第一版（哈希表）：

publicintmajorityElement(int[]nums){Map<Integer,Integer>map=newHashMap<>();for(intnum:nums){map.put(num,map.getOrDefault(num,0)+1);if(map.get(num)>nums.length/2)returnnum;}return-1;}

时间 O(n)，空间 O(n)。

面试官要求：O(n) 时间 + O(1) 空间

在提示下想到Boyer-Moore 投票算法：

publicintmajorityElement(int[]nums){intcandidate=0,count=0;for(intnum:nums){if(count==0){candidate=num;}count+=(num==candidate)?1:-1;}returncandidate;// 题目保证存在众数}