互联网大厂 Java 面试实录Spring Boot、Kafka、Redis、K8s、Spring AI 与 RAG 的层层追问场景某互联网大厂 Java 岗终面。面试官风格严肃、追问到底。小Y嘴上很稳脑子有点飘但简单题能答对复杂题开始“艺术性表达”。第一轮先看基础功别一上来就飘面试官把简历放到桌上语气很平静。面试官先从你熟悉的部分开始。你说你做过电商订单系统那你先讲讲 Java 8、11、17 这些版本里哪些特性真的影响了你写业务代码小Y嗯……Java 8 的 Lambda、Stream、Optional 用得最多。11 以后我主要感受是性能更稳、语法更顺手。17 我知道是 LTS做技术选型的时候更安心。面试官还行至少不是把 Stream 当数据库。那你说说 JVM 里线上订单接口突然慢了你会先看什么小Y先看 GC、CPU、线程池、堆内存、锁竞争还有是不是对象创建太猛。然后结合日志和监控定位。面试官这回答像个干过活的人。再往下说Maven、Gradle 你怎么选构建失败你怎么排小YMaven 适合规范化依赖管理团队协作比较稳Gradle 更灵活构建脚本能力更强。排查时我会看依赖冲突、插件版本、仓库网络、profile 配置还有本地缓存是不是脏了。面试官不错。那回到业务。假设这是一个内容社区的帖子详情页Spring Boot Spring MVC 你会怎么设计接口小YController 接收请求Service 处理业务Repository 或 Mapper 访问数据库。帖子详情可能包含帖子信息、作者、评论数、点赞数、是否关注等我会把稳定数据和高频聚合数据拆开查避免一个接口拖慢整页。面试官继续。你刚说到数据库Hibernate、MyBatis、JPA 你在什么场景下会怎么选小Y简单 CRUD、领域模型比较清晰时可以用 JPA 或 Hibernate复杂 SQL、报表查询、关联多、需要精细调优时我更偏 MyBatis。很多项目里也会混用核心写业务、复杂查询走 MyBatis。面试官最后一个问题。Redis 在帖子详情页里能做什么别只说缓存。小Y可以做热点帖缓存、点赞计数、浏览计数、用户是否点过赞的状态位还能做分布式锁或者限流。面试官这轮还可以至少知道缓存不是“把东西塞进去就完了”。第二轮开始上分布式别只会说“我用过”面试官把电脑转向小Y屏幕上是一个“电商秒杀 本地生活优惠券”的混合场景。面试官现在进入业务。假设你负责一个本地生活平台的秒杀券发放流量很高。你会怎么做架构小Y前面用网关和限流后面服务水平扩展。请求进来先做资格校验、库存预扣、异步下单热点数据放 Redis消息用 Kafka 或 RabbitMQ 解耦避免同步链路太长。面试官嗯方向对。那如果我问你 Spring Cloud、Eureka、Consul、OpenFeign、Resilience4j 这套怎么串你别只报菜名。小Y服务注册发现可以用 Eureka 或 Consul服务间调用常用 OpenFeign容错上可以用 Resilience4j 做超时、重试、熔断、限流配置和健康检查也要配套。整体就是把服务治理能力标准化。面试官不错。那消息队列呢Kafka、RabbitMQ、JMS 你怎么区分小YKafka 更适合高吞吐日志、埋点、订单事件流RabbitMQ 更适合业务异步、灵活路由和可靠投递JMS 是规范具体实现看 ActiveMQ 之类。秒杀场景里我会优先考虑 Kafka 或 RabbitMQ看是偏吞吐还是偏业务路由。面试官那如果发券后要保证“不能超发也不能重复发”你怎么设计幂等和一致性小Y用户请求需要唯一业务幂等键比如用户ID券ID数据库层加唯一索引消息消费端也要做去重。库存可以采用 Redis 预扣再通过异步消息落库失败要能补偿。面试官说到补偿你对分布式事务是怎么想的别一上来就说“用 Seata”。小Y我会先看业务能不能接受最终一致性。秒杀这种高并发场景尽量避免强事务更多用本地事务 事件消息 补偿机制。如果真有资金类强一致要求再考虑更严格的方案。面试官可以。那监控呢线上发券慢了你怎么知道慢在哪小YMicrometer 接 PrometheusGrafana 看指标日志进 ELK链路追踪用 Jaeger 或 Zipkin如果有外部服务调用可以看调用耗时、错误率、P99 延迟。面试官再加一道。你会怎么把系统部署到 Kubernetes小Y容器化后用 Docker 打包K8s 负责部署、伸缩、服务发现和滚动更新。应用健康检查、资源限制、配置注入、HPA 都要做好。面试官这轮比刚才更像个工程师了。第三轮AI 上场开始看你的系统设计和边界感面试官切到另一个场景企业协同 AI 知识库问答。面试官最后一轮。现在公司要做一个企业文档问答系统给销售、客服、法务都能用。你会怎么把 Spring AI、RAG、向量数据库这些东西串起来小Y先把企业文档做加载和切分再做 embedding 向量化存到向量数据库里。用户提问时先做语义检索找到相关片段再把检索结果和问题一起喂给大模型生成回答。这样比纯大模型更贴合企业知识。面试官那你说说为什么不能直接让大模型回答非要 RAG小Y因为大模型可能会幻觉尤其企业内部知识更新快、权限复杂、文档很长。RAG 可以把答案约束在可检索的事实范围内还能降低错误回答概率。面试官很好。那如果要做“客服助手 工单自动流转”Agent 该怎么理解小YAgent 就是让模型不仅能回答还能在规则约束下调用工具比如查订单、查物流、创建工单、发消息。它更像有执行能力的智能代理不只是聊天。面试官那工具调用怎么规范化你说说 MCP、A2A、工具执行框架这些概念。小YMCP 可以理解为一种标准化的工具和上下文接入方式让模型更统一地访问外部能力A2A 更偏多个 Agent 之间协作工具执行框架则负责把模型的意图安全、可控地映射到实际调用上。面试官再深入一点。如果客服助手要连订单系统、知识库、IM、审批流你怎么避免模型“乱调用”小Y要做权限控制、白名单、参数校验、审计日志和人工兜底。模型只能在允许的工具集合里选择敏感操作要二次确认。不能让模型一句“我觉得可以”就直接扣钱。面试官很好。那你把这个系统落到技术实现上Spring Boot、WebFlux、WebSocket、gRPC、Redis、Elasticsearch 你怎么组合小YAPI 层用 Spring Boot 提供基础服务实时推送可以用 WebSocket内部高性能调用可用 gRPC。会话内存和热点上下文放 Redis全文检索和审计搜索可用 Elasticsearch。若要高并发异步处理部分链路可用 WebFlux。面试官最后一个问题。你觉得这个 AI 项目的难点是什么小Y不是“接个模型 API”那么简单难点在数据治理、权限隔离、知识更新、幻觉控制、工具安全、评估体系和成本控制。面试官嗯今天就到这。你先回去等通知吧。小Y好的老师我回去先把“我会”两个字改成“我真的会”。最后把每道题的答案讲透下面把三轮问题拆开讲按“业务场景 技术点”的方式整理方便直接学习和复盘。第一轮答案解析基础能力是否扎实1. Java 8 / 11 / 17 哪些特性会影响业务开发在互联网业务里版本特性不只是“语法好不好看”还会影响代码质量、运行稳定性和团队效率。Java 8Lambda、Stream、Optional、CompletableFuture 是最常用的能力。Java 11更好的性能表现HTTP Client 等新特性逐步可用适合中长期 LTS 选型。Java 17现代 Java 的主流 LTS 之一适合新项目安全性和长期维护更好。业务上最常见的收益集合处理更简洁减少样板代码。异步编排更自然适合调用多个下游接口。版本统一后运维和依赖治理更简单。2. JVM 排查线上慢请求看什么线上接口变慢不要只盯着代码要先从 JVM 和系统层面看整体。重点排查项GC 是否频繁是否有长时间 Stop-The-World。CPU 是否打满是否存在热点循环或序列化开销。线程池是否耗尽是否发生任务堆积。锁竞争是否严重是否有 synchronized、ReentrantLock 或数据库锁等待。堆内存是否异常增长是否存在内存泄漏。常见思路是先看监控再看日志再做线程 dump 和 heap dump最后结合业务代码定位。3. Maven 和 Gradle 怎么选Maven 更适合规范、稳定、团队协作强的项目。Gradle 更灵活适合复杂构建和性能更敏感的场景。排查构建失败时常见检查项依赖冲突和版本树。插件版本不兼容。本地缓存损坏。私服或网络问题。profile 激活是否正确。4. Spring Boot Spring MVC 怎么做帖子详情页内容社区的帖子详情页一般不是单表查询而是“聚合页”。建议拆分思路Controller 负责接收请求和参数校验。Service 负责整合帖子、作者、评论、点赞、关注等数据。DB 层避免一次大联表把系统拖慢。热点数据通过缓存或预聚合提升性能。关键是把“读模型”设计好别把所有逻辑压在一个 SQL 里。5. Hibernate / MyBatis / JPA 怎么选JPA / Hibernate适合标准 CRUD、领域模型明显的场景。MyBatis适合复杂 SQL、性能优化、报表查询、可控性高的场景。大厂常见做法是混用核心业务写领域模型或 ORM。复杂查询、批量处理、统计报表走 MyBatis。6. Redis 在详情页的作用Redis 不只是“缓存对象”。在内容社区场景里常见用途热点帖子缓存降低数据库压力。点赞数、浏览数等计数器。用户是否点赞的状态位。分布式锁、限流、去重。核心原则把高频、可容忍短暂不一致的数据放进去。第二轮答案解析分布式与高并发7. 秒杀券发放怎么设计秒杀类业务要处理三个问题高并发、库存正确性、用户体验。常见方案网关做流量入口控制。Redis 做库存预热和预扣。消息队列异步下单削峰填谷。数据库最终落库保证可追溯。这类系统最怕同步链路太长所以通常是“前台快拦截后台慢处理”。8. Spring Cloud / Eureka / Consul / Feign / Resilience4j 怎么配合服务治理的核心就是四件事服务注册发现Eureka 或 Consul。服务调用OpenFeign。容错Resilience4j 处理超时、重试、熔断、限流。配置与健康检查保证实例可观测。实际项目里关键不是“用了哪些组件”而是“每个组件解决什么问题”。9. Kafka / RabbitMQ / JMS 的区别Kafka高吞吐适合事件流、日志、埋点、订单流水。RabbitMQ路由灵活适合业务异步、任务分发。JMS消息规范不是具体产品。如果是秒杀场景通常优先考虑 Kafka 或 RabbitMQ取决于是更重吞吐还是更重投递灵活性。10. 如何做幂等和一致性高并发场景里幂等是刚需。常见方案业务幂等键用户ID 活动ID 请求ID。数据库唯一索引兜底。消费端去重表或去重缓存。失败补偿和对账机制。对于高并发秒杀一般优先最终一致性而不是强事务硬扛。11. 怎么监控和排障推荐的监控链路Micrometer 采集指标。Prometheus 拉取指标。Grafana 展示图表。ELK 收集日志。Jaeger / Zipkin 做链路追踪。排障时重点关注P95 / P99 延迟。错误率。消息堆积。下游依赖耗时。12. Kubernetes 部署要关注什么K8s 的价值是把应用交给平台调度。要关注Docker 镜像瘦身。健康检查 readiness/liveness。资源 requests/limits。配置注入和密钥管理。HPA 自动扩缩容。滚动更新和回滚策略。第三轮答案解析AI、RAG 与 Agent13. 为什么企业知识问答要用 RAG纯大模型的问题是它不一定知道你公司的最新制度、合同、产品说明、故障处理手册。RAG 的价值先检索再生成答案更贴近事实。可以接入内部知识库。能降低幻觉概率。可以做权限隔离和审计。简单说RAG 让大模型“先看资料再回答”。14. 向量化、语义检索、向量数据库怎么理解文档先切分成片段。每个片段通过 embedding 模型转成向量。用户问题也转成向量。通过相似度搜索找最相关的片段。最后把片段交给模型生成答案。向量数据库可选 Milvus、Chroma、Redis 等关键是支持向量检索和过滤。15. Agent 是什么Agent 不是单纯聊天它能“思考 调用工具 执行动作”。比如客服助手可以查询订单状态。查物流。创建工单。给用户发通知。但要注意Agent 必须有边界不能让模型自由发挥到“误扣款”。16. MCP、A2A、工具执行框架怎么理解MCP更偏标准化的工具和上下文接入方式。A2A多个 Agent 之间的协作通信。工具执行框架把模型意图变成真实、安全、可审计的动作。本质上都是为“模型如何可靠使用外部能力”服务。17. 如何控制幻觉和风险企业 AI 系统最怕“说得很对实际是错的”。防护手段让模型基于检索结果回答。敏感操作增加人工确认。工具白名单与参数校验。审计日志全量记录。输出置信度不足时拒答或转人工。18. Spring Boot、WebFlux、WebSocket、gRPC、Redis、Elasticsearch 怎么组合一个常见企业 AI 客服平台可以这么搭Spring Boot业务 API 和管理后台。WebSocket实时推送回答和状态。gRPC内部高性能调用。Redis会话记忆、热点上下文、限流。Elasticsearch全文搜索、审计检索。WebFlux用于高并发异步流式接口。19. AI 项目的真正难点是什么不是接模型接口而是数据治理。权限隔离。知识更新。幻觉控制。工具安全。评估体系。成本控制。这也是为什么很多 AI 项目看起来“能跑”但真正上线后很难稳定服务业务。复盘建议如果你准备互联网大厂 Java 面试建议按这条线复习Java 基础与 JVM。Spring Boot / Spring MVC / ORM。Redis、MQ、分布式治理、监控。K8s、CI/CD、可观测性。最后补 AI/RAG/Agent 这类新方向。真正能打动面试官的不是“我会很多框架”而是“我能把业务问题和技术方案讲清楚”。