Java 大厂实习面试高频技术题汇总与解析

3. Nacos 底层是如何实现注册中心功能的（阿里巴巴）

其底层实现核心围绕服务注册、服务发现、健康检查三大核心功能展开。

服务注册机制

服务提供者启动时，通过 Nacos 客户端向 Nacos Server 发送注册请求，携带服务名、IP、端口、权重、健康检查参数等元数据。Nacos Server 接收到请求后，将服务信息存储在内存注册表中。

服务发现机制

• 服务消费者启动时：主动从 Nacos Server 拉取目标服务的实例列表，并缓存到本地。
• 服务变更时：Nacos Server 主动推送变更通知给消费者（减少轮询开销），消费者收到通知后再主动拉取最新实例列表。

健康检查机制

Nacos Server 会定期向服务实例发送健康检查请求，若实例连续失败，则标记为不健康，暂时从可用实例列表中移除；也可以是服务实例定期向 Nacos Server 发送健康心跳包。

4. RocketMQ 如何持久化（阿里巴巴）

RocketMQ 实现持久化依靠交换器的持久化、队列的持久化和消息的持久化。

5. 介绍一下 WebSocket（阿里巴巴）

WebSocket 是一种协议，用于在客户端和服务器之间建立持久的双向通信连接，广泛应用于需要实时数据交换的应用程序。

核心特点：

• 持久连接：一旦建立连接，客户端和服务器保持长期通信状态，无需频繁创建和关闭连接。
• 双向通信：服务器可以主动向客户端推送数据，客户端也可以随时向服务器发送数据，打破了 HTTP 中只能由客户端发起请求的限制。
• 低开销：连接建立后，数据传输时无需携带大量 HTTP 头部信息，减少带宽消耗。

6. 如何判断是 HTTP 长连接还是短连接，怎么设置长连接（阿里巴巴）

在 HTTP 协议中，长连接和短连接的核心区别在于一次 TCP 连接是否可以被多次 HTTP 请求复用，可以通过协议版本和请求头字段来判断。

• HTTP/1.0：默认是短连接。
• HTTP/1.1：默认是长连接。

通过查看响应头中 Connection，可以查看是什么连接，如果没有则按照默认值处理。

设置长连接，即改变响应头中的 Connection 字段。

7. HashMap 的实现原理（快手）

HashMap 的底层结构是数组（桶数组）+ 链表 + 红黑树的组合。

• 首先对键的 hashcode 进行高低位异或，混合高低位信息，减少哈希冲突（因为哈希表的下标是通过哈希值 & (数组长度 - 1) 计算的，如果只用低位，高位未参与，导致冲突可能性高）。
• 然后对桶索引进行计算（哈希值 & (数组长度 - 1)，等价于哈希值 % 数组长度，此处使用位运算是因为哈希表对性能要求很高）。需要保证桶数组的长度必须是 2 的幂次方（创建哈希表时会处理传入参数，使得桶数组长度一定是 2 的幂次方且大于等于传入参数）。
• 插入数据时采取链表 + 红黑树的组合结构解决哈希冲突，并通过扩容机制优化插入查找效率。
• 插入键值对：如果桶为空，直接在该桶插入新节点；如果非空，若桶中是红黑树，按红黑树规则插入；若桶中是链表，遍历链表，找到相等的键则覆盖值，否则插入链表尾部。插入后若链表长度≥8，将链表转为红黑树。
• 扩容判断：若元素总数超过阈值（capacity * loadFactor，负载因子默认 0.75），则执行扩容操作，桶数组长度扩容为原来的 2 倍，并重新计算所有键的索引。
• 查询键值对：计算键的哈希值和桶索引，若桶中是红黑树，按红黑树规则查询；若桶中是链表，遍历链表查找相等的键，返回对应值（未找到则返回 null）。
• 对比 JDK 1.7，JDK 1.8 进行了一些改变：首先扩容的时候，JDK 1.8 对扩容进行了优化，通过 (e.hash & oldCap) 判断节点是否需要迁移到新桶，减少重哈希开销；其次在插入键值对的时候，JDK 1.7 采取头插法，而 JDK 1.8 采用的是尾插法，这样做的好处是可以避免多线程扩容死循环。

8. HashMap 承载的元素越来越少，什么时候会退化成链表，为什么两者设置的这个值不对称（快手）

当 HashMap 中红黑树的节点数≤6 时，会退化为链表。

两者阈值设置不对称（8→树、6→链）是为了临界防抖动——避免节点数在阈值附近波动时（如 7→8→7）导致链表与红黑树频繁转换，减少性能开销。

9. MySQL 和 Redis 的一致性怎么保证的（快手）

1. 最终一致方案

1. 读取数据时，先查 Redis；若 Redis 有数据，直接返回。
2. 若 Redis 无数据，查 MySQL，将结果写入 Redis 后返回。
3. 更新数据时，先更新 MySQL，再删除 Redis 中的旧缓存（而非直接更新 Redis）。

关键原因：删除缓存可避免'更新 MySQL 和更新 Redis'的原子性问题，后续读取时会自动从 MySQL 加载新数据到 Redis，实现最终一致。

2. 强一致方案（分布式锁 + 原子操作）

1. 获取分布式锁，确保同一时间只有一个线程操作该数据。
2. 开启 MySQL 事务，更新 MySQL 数据。
3. 事务提交成功后，立即更新或删除 Redis 缓存。
4. 释放分布式锁。

关键原因：分布式锁避免了并发更新导致的'数据覆盖'问题，MySQL 事务确保了数据更新的可靠性，两者结合实现强一致。

10. 数据库有哪些隔离级别，默认的隔离级别是什么（快手）

• 读未提交：一个事务可以读取另一个事务未提交的数据，一致性最低。
• 读已提交：一个事务只能读取另一个事务已提交的数据，避免脏读。
• 可重复读：同一事务内多次读取同一数据，结果始终一致，避免不可重复读。
• 串行化：事务完全串行执行，避免所有并发问题，一致性最高。

MySQL：默认隔离级别是可重复读。 SQL Server：默认隔离级别是读已提交。

补充概念：

• 脏读：事务 A 修改了数据但未提交，事务 B 读取了该未提交数据，之后事务 A 回滚，事务 B 读取的是无效数据。
• 不可重复读：事务 A 内多次读取同一数据，事务 B 在期间修改并提交了该数据，导致事务 A 多次读取结果不一致。
• 幻读：事务 A 内多次执行同一查询（如统计记录数），事务 B 在期间插入/删除了符合条件的记录，导致事务 A 多次查询结果行数不一致。

11. 缓存击穿、穿透、雪崩如何解决（快手）

概念：

• 缓存击穿：某个热点 Key 失效，请求穿透到 DB。
• 缓存穿透：请求不存在的 Key，持续穿透到 DB。
• 缓存雪崩：大量 Key 同时过期 / Redis 宕机，请求全量穿透。

解决方法：

• 缓存穿透：
  1. 使用布隆过滤器先判定 key 是否存在，再真正查询。
  2. 针对数据库上也不存在的 key，也存储到 Redis 中，比如 value 就随便设成""，避免后续频繁访问数据库。
• 缓存雪崩：不给 key 设置过期时间或者设置过期时间的时候添加随机时间因子。
• 缓存击穿：热点 key 永不过期。

知识补充：什么是布隆过滤器

布隆过滤器（Bloom Filter）是一种空间效率极高的概率型数据结构，核心作用是快速判断'一个元素是否存在于集合中'，能有效解决缓存穿透问题，但存在极小的'假阳性'（误判元素存在），且不支持删除操作。

12. 当 Redis 作为库存存储也扛不住大量请求时，如何处理？(快手)

1. 使用 Redis 集群，提高承载能力（横向扩容 + 读写分离）

• 分片部署：每个节点只存储部分商品的库存，分散单节点压力。
• 读写分离：读操作走从节点，写操作走主节点。

2. 限流：前端限流，网关（nginx, gateway）限流，使用 MQ 进行流量控制。

3. 熔断降级：用 Sentinel (哨兵) 监控 Redis 的响应时间（如连续 5 次超时），触发熔断。

• 读请求：直接返回本地缓存的旧值。
• 写请求：将扣减请求暂存到本地队列（如内存队列），Redis 恢复后异步同步。

13. sleep 和 wait 区别（阿里巴巴）

• 使用前提：sleep 无需持有锁；wait 必须拥有当前对象的锁。
• 对锁影响：sleep 不会释放当前持有的锁（若持有锁，仍保持）；wait 会主动释放持有的对象锁，让其他线程可获取该锁。
• 唤醒方式：sleep 时间到后自动唤醒；或被 interrupt() 中断；wait 需被其他线程调用 notify() 唤醒；或等待超时；或被 interrupt() 中断。
• 用途：sleep 目的是用来阻塞线程；wait 目的是为了等待其他线程唤醒的。

14. RabbitMQ 是如何保证消息不丢失的（快手）

• 生产者到 RabbitMQ 服务器：开启发送方确认（confirm 模式保证生产者->exchange 和 return 模式保证 exchange->queue）。
• 中间件 MQ 保存消息：持久性（队列持久性，交换器持久性，消息持久性），确保发生故障重启后消息不丢失。
• 消息消费环节：确保消息被正确处理不丢失。
• 消息确认机制：关闭自动确认，使用手动确认，并配置消息重试次数与死信队列。

内容补充：死信队列

死信 (dead message) 简单理解就是因为种种原因，无法被消费的信息，就是死信。有死信，自然就有死信队列。当消息在一个队列中变成死信之后，它能被重新发送到另一个交换器中，这个交换器就是 DLX (Dead Letter Exchange)，绑定 DLX 的队列，就称为死信队列 (Dead Letter Queue，简称 DLQ)。

消息变成死信一般是由于以下几种情况：

1. 消息被拒绝（Basic.Reject/Basic.Nack），并且设置 requeue 参数为 false。
2. 消息过期。
3. 队列达到最大长度。

死信队列的场景应用：

• 消息重试：将死信消息重新发送到原队列或另一个队列进行重试处理。（配合 TTL 特性可以实现延迟队列的效果（有瑕疵））
• 消息丢弃：直接丢弃这些无法处理的消息，以避免它们占用系统资源。
• 日志收集：将死信消息作为日志收集起来，用于后续分析和问题定位。

15. 算法题：LeetCode 23 合并两个升序链表（快手）

这道题乍一看去挺简单的，还是 LeetCode 原题。

如果你是第一次做这道题你或许会想到像 21. 合并两个有序链表 这道题，首先想着用暴力的方法去俩俩合并，但是如果我们仔细一想，似乎这样的话，时间复杂度有点高了，我们每次都要对 k 个链表进行比较，时间复杂度是 O(k^2*n)，所以我们想着去优化一下算法，我们可以想到使用优先级队列（堆），然后排小根堆的方式，将每次最小的节点取出，然后将节点的下一个存入。

16. 讲一下 Redis replication 的原理（快手二面）

Redis Replication（主从复制）通过将主节点（Master）的数据同步到从节点（Slave），实现数据冗余备份和读请求分流。

• 主节点（Master）：接收写请求，负责将数据同步到从节点；可同时拥有多个从节点。
• 从节点（Slave）：只读节点，不处理写请求（默认配置）。

原理：

1. 保存主节点（master）的信息（ip 地址，端口号）。
2. 当从节点发现存在新的主节点后，会尝试与主节点建立基于 TCP 的网络连接（验证读写功能是否正常）。
3. 同步数据集：对于首次建立复制的场景，主节点会把当前持有的所有数据全部发送给从节点，这步操作基本是耗时最长的，所以又划分成两种情况：全量同步和部分同步。
4. 命令持续复制：当从节点复制了主节点的所有数据之后，针对之后的修改命令，主节点会持续的把命令发送给从节点，从节点执行修改命令，保证主从数据的一致性。

17. Redis 的哪些数据结构是你比较了解的，可以应用到哪些场景（快手）

• String（字符串）：应用：缓存热点数据，分布式锁，计数器。
• Hash（哈希）：[key field value]，应用：存储对象数据，购物车。
• List（列表）：应用：消息队列。
• Set（集合）：应用：去重，社交场景 - 共同好友/共同关注，抖音推荐。
• ZSet（有序集合）：应用：排行榜，延迟任务。

18. 讲一讲 SQL 优化，加了索引之后还很慢会是什么原因，扫描非常多行会 (快手)

SQL 加了索引后仍很慢，且扫描行数多，核心原因是索引未被有效使用或索引设计不合理。

核心原因 1：索引失效（索引存在但没被用上）

1. 索引列参与函数/表达式运算。
2. 索引列使用不等于（!=、<>）、NOT IN、IS NOT NULL。

核心原因 2：索引设计缺陷（索引能用，但效率低）

1. 索引选择性差（索引列重复值多）。
2. 索引列是大字段（如 TEXT、VARCHAR (2000)）。

19. RabbitMQ 如何在业务中保证消息的顺序消息 (快手二面)

RabbitMQ 的顺序性分为局部顺序性和全局顺序性。

全局顺序性很难保障而且使用场景很少，我们可以使用连续的序号和消费者缓冲区来实现，通过序号在消费者缓冲区来排列实现有序。

那么局部有序就比较好保障，我们可以使用单队列单消费者 + 分区消费解决。

基础方案：单队列单消费者 —— RabbitMQ 原生保障局部有序

RabbitMQ 的单个队列天然具备 FIFO（先进先出）特性：生产者向队列发送消息时，消息会按发送顺序依次存入队列；消费者从队列获取消息时，会按队列存储顺序依次消费（默认 prefetch=1 时，处理完一条再取下一条）。

优化方案：分区消费 —— 用'ID 分组'提升吞吐量，本质仍是单队列单消费者

第一步：引入'分组 ID'，按 ID 分区路由

例：用 userID % 3 将用户消息分为 3 组，userID=1、4、7 的消息路由到队列 Q1，userID=2、5、8 的路由到 Q2，userID=3、6、9 的路由到 Q3。

第二步：每个分区队列配专属消费者

为 Q1、Q2、Q3 分别分配一个消费者（或一个单线程消费池），每个消费者只处理对应队列的消息。

20. Linux 查看日志的命令（快手二面）

grep [选项] "要搜索的字符串" 文件名

常用选项：

• -i：忽略大小写（如搜索 "Error" 和 "error" 都匹配）。
• -n：显示匹配行的行号。
• -v：反向匹配（显示不包含该字符串的行）。

1. 搜索单个日志文件中包含某字符串的行

例如，在 app.log 中搜索包含 "error" 的行。

grep "error" app.log # 基础搜索
grep -in "error" app.log # 忽略大小写，显示行号

2. 实时查看日志并搜索（动态日志）

用 tail -f 实时跟踪日志文件，同时用 grep 筛选特定内容（如实时监控错误日志）：

tail -f app.log | grep "ERROR" # 实时显示包含 ERROR 的新日志
tail -f app.log | grep -i "error" # 忽略大小写，实时监控所有错误

如果查看某个 docker 容器的日志呢

实时跟踪日志

docker logs -f myapp # 实时跟踪 myapp 容器的日志

查看最近 N 行日志

docker logs -n 100 myapp # 只显示 myapp 容器的最后 100 行日志

21. Linux 找某个端口被哪个服务占用的命令（快手二面）

netstat -tuln | grep 端口号

举个例子：查看 3306 端口号。

netstat -tuln | grep 3306

22. 了解 Java 中异常的哪些子类（快手）

Checked Exception

• IOException
• SQLException
• ClassNotFoundException

受检查异常（文件读写异常，sql 语句异常，类不存在异常）。

RuntimeException

• NullPointerException
• IndexOutOfBoundsException
• ArithmeticException

运行时异常（空指针异常，数组越界异常，算数异常）。

23. 操作数据库有关的异常（快手）

• sql 语句语法错误异常
• 数据库连接失败异常
• 违反数据库约束异常
• 数据类型不匹配或数据超出范围异常

24. redis 的 decr 操作（快手）

Redis 的 DECR 命令用于对存储在指定键的数值进行原子性减 1 操作，若键不存在则先初始化为 0 再减 1，返回操作后的结果。它是 Redis 中用于实现'计数器递减''库存扣减'等场景的核心命令，具有原子性（线程安全）和高性能的特点。

25. https 的底层工作原理（字节跳动）

• https 和 http 的区别是什么
• 加密的整个流程

HTTPS 也是一个应用层协议。是在 HTTP 协议的基础上引入了一个加密层 (和 HTTP 的区别)。

在讲下面加密流程之前，我们先要有一些前置知识。

加密就是把明文 (要传输的信息) 进行一系列变换，生成密文。解密就是把密文再进行一系列变换，还原成明文。

• 对称加密：加密和解密依赖同一把密钥。
• 非对称加密：加密和解密依赖一对关联但不同的密钥。

1. 客户端发起请求

用户在浏览器中输入一个 HTTPS URL（如 https://www.example.com）。浏览器向服务器发起一个 HTTPS 连接请求。

2. 服务器响应并发送证书

服务器收到请求后，将其数字证书发送给客户端。数字证书包含服务器的公钥和由可信的证书颁发机构（CA）签名的信息。

3. 客户端验证证书

客户端收到服务器的证书后，会进行以下验证步骤：

• 验证证书的完整性和签名：使用 CA 的公钥验证证书的签名，确保证书没有被篡改。
• 检查证书的有效期：确认证书在有效期内。
• 验证证书的颁发机构：确认 CA 是受信任的机构。
• 检查证书吊销状态：通过证书吊销列表（CRL）或在线证书状态协议（OCSP）检查证书是否被吊销。

4. 生成会话密钥

如果证书验证通过，客户端会生成一个随机的对称密钥（也称为会话密钥），用于加密会话中的数据。客户端使用服务器的公钥加密这个会话密钥，并发送给服务器。

5. 服务器解密会话密钥

服务器使用其私钥解密会话密钥。此时，客户端和服务器都持有相同的对称密钥，用于加密和解密后续通信中的数据。