1. 自我介绍答：按"背景 → 技术栈 → 代表项目 → 求职意向"四段走，控制在2分钟重点突出和岗位相关的经验，高并发、分布式、微服务方向的经历要重点说不要把简历从头念一遍，说亮点和技术深度2. 介绍一下你做过的最复杂的项目，重点说技术难点和你的解决方案答：考察技术深度和解决问题的能力，不是功能列表回答结构：项目背景（一句话）→ 核心技术挑战（具体说难在哪）→ 你的解法（为什么这么做）→ 结果数据面试官会顺着细节追问，只说你真正主导过的部分3. Spring的IOC容器初始化流程是怎样的答：分七个阶段：资源定位：找到Bean的定义信息，XML配置加载文件，注解配置扫描包，...

1. 你们系统的 QPS 是多少？如果流量突然翻了 10 倍，你的架构哪些地方会先垮掉？回答：这是一个考查系统瓶颈分析能力的开放题。 分析点：首先是数据库（连接数爆满、IOPS 达到上限）；其次是缓存热点（单 Key 突发流量导致 Redis 分片压力过大）；然后是带宽与线程池（RPC 调用耗时增加导致 Web 容器线程枯竭）。对策：需要提到限流、熔断、数据库读写分离/分库分表、消息队列削峰填谷以及热点缓存探测机制。2. 既然提到分库分表，分表键（Sharding Key）如何选择？如何处理跨库查询？回答： 选择：通常选查询最频繁的维度（如 user_id），保证同一用户数据落入同库。跨库查询...

1. 你的项目中使用了消息队列（MQ），如何保证消息的可靠性投递（不丢失）？回答：保证可靠性需要从三个阶段入手： 生产者阶段：开启确认机制（如 RabbitMQ 的 Confirm 模式或 RocketMQ 的同步发送）。发送失败时进行重试，或者记录日志入库。MQ 节点阶段：开启持久化（交换机、队列、消息全部持久化到磁盘）。如果是集群环境，使用镜像队列或多副本同步，确保 Leader 宕机后数据不丢。消费者阶段：关闭自动 ACK，改为手动 ACK。只有在业务逻辑处理成功后才返回确认，防止消息在处理中途由于异常丢失。2. 谈谈 Netty 的高性能架构，为什么它比传统的 Tomcat 连接器更快...

最近春招了，我把这几个月刷过的面经、被问过的问题、踩过的坑全部整理了一遍。不敢说全，但这些考点覆盖了我面过的字节、腾讯、美团、京东、虾皮的 80% 以上的问题。收藏备用，别等到面试前一天再找。Java 基础== 和 equals 的区别，为什么重写 equals 必须重写 hashCode？== 比较的是引用地址，equals 默认也是比较地址，但可以重写为比较内容。重写 equals 必须重写 hashCode 是因为 Java 规定相等的对象必须有相同的哈希值，如果只重写 equals 不重写 hashCode，两个内容相同的对象放进 HashMap 会被当成不同的 key，逻辑错误。St...

二面和一面完全不同，二面基本不问八股，上来就问项目，然后是系统设计，最后才有几道深度技术题。整场面试节奏很慢但每个问题都很深，他会顺着你的回答一直追问，感觉是在考察你解决实际问题的能力，而不是背答案。1. 介绍一下你做过的最复杂的项目，遇到的最难的技术问题是什么，怎么解决的？答：（结合自身项目回答，以下是参考思路）以一个电商订单系统为例，最难的问题是高并发下的库存超卖问题。问题背景：秒杀活动时大量请求同时到来，数据库的乐观锁方案在高并发下冲突率极高，大量请求失败重试，反而加重了数据库压力，最终导致数据库连接池耗尽，整个服务不可用。分析过程：用压测工具模拟秒杀场景，发现瓶颈在数据库层，乐观锁的 ...

整体考察范围很广，Java 基础、JVM、MySQL、Redis、Spring、并发、算法都有涉及，每道题不会问得特别深，但覆盖面很全，感觉是在快速扫描你的知识面。算法题有两道，一道链表一道树，难度中等，给的时间不多。总时长刚好一个小时，面试官最后说感觉还不错，让等通知。1. Java 中 synchronized 和 ReentrantLock 的区别是什么，分别适合什么场景？答：synchronized 是 Java 内置的关键字级别的锁，使用简单，加锁和释放锁由 JVM 自动管理，不需要手动释放，不会因为忘记释放导致死锁。但功能比较基础，不支持超时获取锁、不支持中断等待、不支持公平锁，也...

一、Java基础重点内容面向对象：封装、继承、多态equals 与 hashCodeString、StringBuilder、StringBuffer重载 vs 重写深拷贝 vs 浅拷贝准备方法熟悉核心语法和设计思想能解释常见面试题原理配合刷经典基础题二、集合框架重点内容List：ArrayList、LinkedListMap：HashMap、ConcurrentHashMapSet：HashSet、TreeSet高频考察HashMap 底层结构扩容机制hash 冲突解决JDK7 与 JDK8 实现区别准备方法理解底层数据结构能说清 put / get 过程理解不同集合使用场景三、并发编程重点...

1. 针对高并发系统，你会从哪些维度进行架构优化？多级缓存：利用浏览器缓存、CDN 边缘计算、本地缓存（Caffeine）和分布式缓存（Redis）减轻数据库压力。异步解耦：引入消息队列（RocketMQ/Kafka）处理非核心逻辑，实现流量削峰填谷。扩容与分流：通过 Nginx 负载均衡实现水平扩展；数据库层面进行读写分离或分库分表。服务治理：设置合理的超时时间，配置熔断、降级和限流策略（Sentinel），防止雪崩效应。2. 深入谈谈 ConcurrentHashMap 的扩容机制（Java 8+）触发条件：当任意一个桶（Bucket）的链表长度超过 8 且数组长度小于 64，或总元素量超...

1. 谈谈 ArrayList 和 LinkedList 的区别底层数据结构：ArrayList 基于动态数组实现；LinkedList 基于双向链表实现。访问性能：ArrayList 支持随机访问，通过索引定位的时间复杂度为 ；LinkedList 需从头或尾遍历，时间复杂度为 。增删效率：ArrayList 在末尾增删较快，但在中间插入或删除需移动后续元素；LinkedList 插入或删除只需修改指针，复杂度为 ，但定位到目标节点仍需 。内存开销：ArrayList 空间连续，但有容量预留导致的碎片；LinkedList 每个节点需额外存储前后指针，单节点内存占用更高。2. Thread、...

Java春招的本质不是“会不会写代码”，而是企业在短时间内筛选出具备工程潜力、基础扎实、能快速上手业务的候选人。准备过程如果只是刷题或背八股，往往无法形成竞争力。下面从技术深度、工程能力和应试策略三个层面系统拆解。一、Java春招的真实考察模型企业筛选Java候选人，核心看三件事：基础是否扎实（决定下限）工程经验是否可信（决定是否能用）问题分析能力是否清晰（决定成长性）面试不会单点考察，而是围绕一条技术链条持续深挖，例如：从一个接口性能问题，一路问到JVM、并发、数据库、系统设计二、技术准备：必须达到“可深挖”的程度1. Java基础：不止语法，要到运行机制重点不是“会用”，而是“为什么这样设...

一、Java基础重点内容面向对象：封装、继承、多态equals 与 hashCodeString、StringBuilder、StringBuffer重载 vs 重写深拷贝 vs 浅拷贝准备方法熟悉核心语法和设计思想能解释常见面试题原理配合刷经典基础题二、集合框架重点内容List：ArrayList、LinkedListMap：HashMap、ConcurrentHashMapSet：HashSet、TreeSet高频考察HashMap 底层结构扩容机制hash 冲突解决JDK7 与 JDK8 实现区别准备方法理解底层数据结构能说清 put / get 过程理解不同集合使用场景三、并发编程重点...

1、介绍一下你做过的最有挑战性的项目项目背景：业务场景：电商平台秒杀系统，需要支持10万+并发抢购技术挑战：高并发、超卖防控、系统稳定性、用户体验团队规模：5人开发团队，我负责核心交易模块技术方案设计：前端限流：按钮置灰、请求合并、本地倒计时网关层：Nginx限流，单IP每秒最多10次请求应用层：Redis预减库存，Lua脚本保证原子性数据层：MySQL行锁+乐观锁，防止超卖消息队列：RabbitMQ削峰，异步处理订单遇到的问题：问题1：Redis缓存击穿导致数据库压力骤增 解决：使用互斥锁，只允许一个线程查询数据库问题2：分布式环境下库存扣减不一致 解决：引入Redisson分布式锁，保证原...

恒生电子 Java开发二面1. 详细讲讲你负责的项目，系统架构是怎么设计的？(30min)回答框架：项目背景（5min）业务场景和用户规模技术选型和团队规模你在项目中的角色和职责系统架构（15min）整体架构图（分层架构、微服务架构）核心模块划分和职责技术栈选择的理由数据库设计（分库分表、读写分离）缓存策略（Redis集群、缓存更新）消息队列使用场景技术难点（10min）遇到的核心技术挑战如何分析和解决问题方案对比和选择依据最终效果和数据指标面试官可能深挖：为什么不用XX技术方案？系统的QPS和TPS是多少？如何保证高可用和容灾？遇到过线上故障吗？怎么处理的？如果让你重新设计会改什么？2. M...

1、介绍一下你最近做的一个有挑战性的项目我最近负责的是一个汽车配件供应链系统的重构项目，这个系统日均订单量在30万左右，面临的主要挑战有三个方面。性能问题，原系统在高峰期响应时间经常超过3秒，用户体验很差。我通过引入Redis多级缓存、优化数据库索引、改造慢查询，将P99响应时间降到了200ms以内。具体做法是对热点商品数据做了本地缓存+Redis缓存的二级缓存，对库存查询做了批量查询优化，还把一些复杂的关联查询改成了分步查询在应用层组装。数据一致性问题，涉及到订单、库存、物流多个系统的数据同步。我引入了RocketMQ的事务消息机制，保证了分布式事务的最终一致性。同时设计了补偿机制和对账任务...