社招三年后端开发核心面试题汇总与解析

对于拥有三年经验的后端开发工程师而言，面试不仅考察基础知识的广度，更看重对原理的深入理解及实际场景中的优化能力。本文汇总了高频出现的 20+ 道核心技术问题，涵盖 MySQL、Redis、Java 并发、网络协议、分布式系统及算法等模块，旨在帮助开发者系统梳理知识体系。

一、MySQL 数据库核心考点

1. MySQL 索引在什么情况下会失效

索引失效是性能优化的常见痛点，以下情况需特别注意：

查询条件包含 OR：若 OR 两边的字段中至少有一个没有索引，可能导致全表扫描。
类型隐式转换：字符串字段查询时未加引号（如 where name = 123），会导致索引失效。
模糊查询前缀通配符：使用 LIKE '%abc' 无法利用索引，而 LIKE 'abc%' 可以。
联合索引顺序：违反最左前缀原则，查询条件未包含联合索引的第一个列。
函数运算：在索引列上使用内置函数或表达式（如 WHERE YEAR(create_time) = 2023）。
范围查询后的列：联合索引中，范围查询（>、<）之后的列索引失效。
否定查询：使用 !=、<>、NOT IN 可能触发全表扫描。
IS NULL/IS NOT NULL：在某些版本或特定统计信息下可能导致索引失效。
字符集不一致：关联字段编码格式不同（如 utf8mb4 vs latin1）。
优化器选择：当优化器估算全表扫描成本低于走索引时，将放弃索引。

2. InnoDB 与 MyISAM 存储引擎的区别

特性	InnoDB	MyISAM
事务支持	支持 (ACID)	不支持
外键	支持	不支持
锁粒度	行级锁 / 表级锁	仅表级锁
MVCC	支持	不支持
全文索引	5.7+ 支持	原生支持
计数速度	COUNT(*) 需扫描	有内部计数器，速度快
崩溃恢复	支持崩溃安全恢复	易损坏，需修复
主键要求	必须有主键	可选

InnoDB 更适合高并发写操作及需要事务保障的场景；MyISAM 适合读多写少且无需事务的场景。

3. MySQL 项目中的优化场景与慢查询解决

面对慢查询，标准排查流程如下：

开启慢查询日志 (slow_query_log)，定位耗时 SQL。
使用 EXPLAIN 分析执行计划：关注 type（是否全表扫描）、key（实际使用的索引）、rows（扫描行数）。
优化 SQL 语句：避免 SELECT *，优化 JOIN 连接顺序，调整 GROUP BY 和 ORDER BY 策略。
索引优化：根据执行计划添加覆盖索引或联合索引。
架构层面：数据量过大时考虑分库分表、读写分离或引入缓存。

4. MySQL 索引模型

常见的索引数据结构包括 B+ 树、Hash 等。MySQL InnoDB 默认使用 B+ 树索引。B+ 树非叶子节点仅存储索引键，叶子节点存储数据并双向链接，适合范围查询和排序。

5. B-树与 B+ 树的区别？为什么不用红黑树

区别：
- B-树节点同时存储键和数据；B+ 树非叶子节点仅存键，数据仅在叶子节点。
- B+ 树叶子节点通过链表连接，支持高效范围遍历。
- B+ 树层级更低，IO 次数更少。
为何不用红黑树：红黑树高度较高，磁盘 IO 次数多；且红黑树插入删除旋转复杂，维护成本高。
为何不用 Hash：Hash 仅支持等值查询，不支持范围查询和排序。

6. MySQL 主从同步原理

主从复制基于 Binlog 实现，主要步骤：

Master 写入 Binlog：更新操作记录到二进制日志。
Slave 连接 Master：发起 I/O 线程连接请求。
Binlog Dump：Master 创建线程将 Binlog 发送给 Slave。
中继日志：Slave 的 I/O 线程接收 Binlog 写入 Relay Log。
SQL 重放：Slave 的 SQL 线程读取 Relay Log 并重放执行。

高可用方案：MHA、Orchestrator 或 MGR 集群。

7. 乐观锁与悲观锁的区别

悲观锁：假设冲突概率高，操作前先加锁（如 SELECT ... FOR UPDATE）。适用于写多读少场景，但并发度低。
乐观锁：假设冲突概率低，不加锁，更新时检查版本号或时间戳（CAS 机制）。适用于读多写少场景，减少锁竞争。

8. Binlog 日志详解

Binlog 是归档日志，用于主从复制和数据恢复。三种格式：

Statement：记录 SQL 原文。节省空间，但可能因索引差异导致主从不一致。
Row：记录行变更数据。一致性高，但文件体积大。
Mixed：混合模式，自动选择 Statement 或 Row。

二、Redis 缓存核心考点

9. Redis 持久化方式及选型

RDB (快照)：定时保存内存数据集快照。恢复快，适合备份；缺点是可能丢失最后一次快照后的数据。
AOF (追加日志)：记录每次写命令。数据安全性高，支持秒级恢复；缺点是文件大，恢复慢。
混合持久化：Redis 4.0+ 支持，结合 RDB 快速加载与 AOF 高可靠性。
选型建议：生产环境推荐混合持久化；纯缓存场景可只用 RDB。

10. Redis 主从同步过程

连接协商：Slave 发送 PSYNC 命令。
全量同步：Master 执行 BGSAVE 生成 RDB 发给 Slave，Slave 清空加载。
增量同步：Master 将全量期间的新写命令发送至 Slave 的复制缓冲区，Slave 重放。

11. Redis ZSet 实现原理

ZSet 底层采用 压缩列表 (ziplist) 或 跳跃表 (skiplist)。

小数据量：成员数 < 128 且长度 < 64 字节时使用 ziplist，节省内存。
大数据量：使用 skiplist，支持 O(logN) 的插入、删除、查找，适合排行榜场景。

12. Redis 过期与淘汰策略

过期策略：
- 定时过期：精确但 CPU 消耗大。
- 惰性过期：访问时检查，节省 CPU 但内存占用高。
- 定期过期：随机抽样检查，平衡 CPU 与内存。
内存淘汰：
- volatile-lru：已过期键中 LRU 淘汰。
- allkeys-lru：所有键中 LRU 淘汰。
- noeviction：不淘汰，写入报错。
- 其他还包括 LFU、Random、TTL 等策略。

三、Java 基础与并发

13. HashMap 实现原理

JDK 1.7：数组 + 链表。头插法扩容。
JDK 1.8：数组 + 链表 + 红黑树。尾插法扩容，链表转树阈值 8。
为何转红黑树：链表过长（>8）时查找退化为 O(N)，红黑树保证 O(logN)。
线程安全：HashMap 非线程安全。多线程扩容可能死循环（1.7）或数据覆盖（1.8）。建议使用 ConcurrentHashMap。

14. Select 与 Epoll 区别

Select：轮询所有 fd，最大连接数限制（1024），O(n) 复杂度。
Epoll：事件驱动，回调机制，无连接数限制，O(1) 复杂度。适合高并发场景。

四、网络与分布式系统

15. HTTP 与 HTTPS 区别及加密原理

区别：HTTPS = HTTP + SSL/TLS，端口 443，加密传输，证书验证。
加密流程：
1. 客户端请求，服务器返回证书（含公钥）。
2. 客户端验证证书合法性。
3. 客户端生成随机对称密钥，用公钥加密后发送。
4. 服务器用私钥解密得到对称密钥。
5. 后续通信使用对称密钥加密，兼顾效率与安全。

16. Raft 算法原理

Raft 是一种共识算法，包含 Leader、Follower、Candidate 三种角色。

选举：超时未收到心跳则转为 Candidate，请求投票，过半数当选 Leader。
日志复制：Leader 接收请求，复制日志给 Follower，多数确认提交。
一致性：Leader 强制 Follower 同步日志，确保状态机一致。

17. 消息中间件高可用

以 Kafka 为例：

副本机制：Partition 数据同步到多个 Broker，形成 Leader/Follower 副本。
故障转移：Leader 宕机后，Follower 重新选举新 Leader，保证服务不中断。

18. 消息队列不丢消息保障

生产者：同步发送 + 重试机制，或使用事务消息。
Broker：同步刷盘 + 同步复制（Master-Slave 均写入成功才 ACK）。
消费者：手动 ACK，业务逻辑执行成功后再确认消费。

19. Redis 哨兵机制

Sentinel 集群监控主从节点：

主观下线：单个哨兵认为 Master 不可用。
客观下线：多数哨兵确认 Master 不可用。
故障转移：选举新 Master，通知 Slave 切换，更新配置。

五、算法实战

20. 无重复字符的最长子串

题目：给定字符串 s，找出其中不含有重复字符的最长子串的长度。思路：滑动窗口 + 哈希集合。 代码实现：

public int lengthOfLongestSubstring(String s) {
    if (s == null || s.length() == 0) return 0;
    Set<Character> window = new HashSet<>();
    int left = 0, right = 0;
    int res = 0;
    
    while (right < s.length()) {
        char c = s.charAt(right);
        while (window.contains(c)) {
            window.remove(s.charAt(left));
            left++;
        }
        window.add(c);
        res = Math.max(res, window.size());
        right++;
    }
    return res;
}

该解法时间复杂度为 O(N)，空间复杂度为 O(min(M, N))，其中 M 为字符集大小。

结语

以上知识点覆盖了后端开发面试的核心领域。建议在实际工作中结合业务场景加深理解，不仅要知其然，更要知其所以然。持续积累技术深度，才能在职业发展中保持竞争力。