宠物经济大厂Java面试实录：JDK17、Redis分布式锁、Kafka订单削峰、Seata分布式事务、Spring AI+RAG智能养宠助手，谢飞机三轮被虐哭（附完整答案解析）

场景设定

公司：宠物经济独角兽「萌宠星球」——宠物电商、宠物医疗、宠物社区、智能养宠硬件四轮驱动，注册用户8000万、日订单1000万单、宠物主粮大促峰值每秒80万单。

业务链路：注册登录 → 创建宠物档案 → 浏览主粮/零食/玩具 → 下单支付 → 智能分仓发货 → 宠物在线问诊 → 社区晒宠 → AI养宠助手（喂食建议/体检报告解读/医疗问答）贯穿全程。

第一轮·筑基期（核心语言与平台、构建工具、ORM与连接池）

老K（严肃面试官）：你好，谢飞机同学。先聊聊技术选型，我们线上服务是Spring Boot 3.x，你来说说JDK 8/11/17的区别，为什么必须上17？

谢飞机：JDK 8是经典老干妈，11是保温杯，17是……折叠屏！17就是“一起发”嘛，寓意好，大家涨薪一起发！至于区别……嗯，8有Lambda和Stream，17有……有更贵的授权费？

老K：（血压升高）……那JVM运行时内存分区你总该知道吧？

谢飞机：堆、栈、还有那个……元宇宙空间！对，元空间就是元宇宙空间，类元数据都放那儿！

老K：……如果线上OOM了你怎么排查？

谢飞机：重启大法！先重启，不行就加内存，256G拉满！再不行就换电脑！我们之前项目都是这么干的，物理重启，专治各种疑难杂症！

老K：（扶额）……那Maven依赖冲突呢？

谢飞机：谁报错就删谁！删了还报错就换版本，换到不报错为止。实在不行把同事的本地仓库也删了，大家同归于尽！

老K：……行吧。那聊聊ORM，我们订单表数据量很大，你用MyBatis还是JPA？

谢飞机：MyBatis！JPA一时爽，排查火葬场。写SQL咱心里有底，MyBatis还能用动态SQL，就是SQL要自己手写，但咱不怕！

老K：嗯，这点你倒是说对了。那连接池呢，为什么用HikariCP而不是C3P0？

谢飞机：名字短！加载快！C3P0一听就像科幻电影里的机器人，HikariCP听着就很快，像博尔特，还是日本名字，看着就卷！

老K：（难得点头）虽然比喻离谱，但结论正确。

第二轮·历劫期（缓存、分布式锁、消息队列、分布式事务）

老K：我们大促时主粮商品会被瞬间秒光，说说缓存穿透、击穿、雪崩怎么处理？

谢飞机：这个我会！口诀：防空、加锁、错峰！穿透就是查了个不存在的key，布隆过滤器挡在前面“防空”；击穿是热点key过期一瞬间，互斥锁“加锁”顶上；雪崩是大面积key同时过期，过期时间加随机值“错峰”！

老K：不错，这次背得挺熟。那库存扣减你怎么保证不超卖？

谢飞机：用Redis！setnx锁，抢到锁就扣库存……嗯，还要记得finally里释放锁，再给锁设个过期时间，防止死锁！

老K：那你锁过期了怎么办？业务还没执行完，锁就被释放了，别的线程进来了怎么办？

谢飞机：啊这……那就再抢一次？不行就……让楼下那条大黄狗看着锁，谁也不能动！

老K：……那是看门狗机制（WatchDog），不是真的狗！还有你setnx只设值不设过期时间，宕机了锁就永远不释放了。

谢飞机：哦哦，对，要SET key value NX EX 30这种原子操作！

老K：那Kafka怎么保证消息不丢失？

谢飞机：大厂产品不会丢的！Kafka是King！王者不丢王冠！

老K：……生产者acks=all、副本min.insync.replicas、消费者手动提交+幂等，三环节一个都不能少。

谢飞机：哦！对对对，我就是这个意思！

老K：下单要扣库存、减优惠券、生成订单，三个服务跨库操作，怎么保证一致性？

谢飞机：撒海盐！Seata！往数据库里撒一把海盐，就一致了！它有四种模式，海盐味、烧烤味、番茄味、原味……

老K：……是AT、TCC、SAGA、XA四种模式！行了，进第三轮吧。

第三轮·飞升期（WebSocket、可观测性、Spring AI全家桶）

老K：我们宠物社区有百万用户同时在线的实时消息，WebSocket怎么撑住百万连接？

谢飞机：for循环挨个发消息啊！连上就存起来，有消息就遍历一遍全发出去！100万连接，就for循环100万次，很快的！

老K：（深吸一口气）……那是O(n)灾难，要用Netty+ChannelGroup管理连接，消息通过Redis Pub/Sub广播。

老K：系统出问题怎么快速定位？

谢飞机：这个我会！Prometheus收集指标、Grafana画大盘、ELK存日志、Jaeger/Zipkin做链路追踪！指标、日志、链路三件套，比福尔摩斯还神！

老K：难得利索一次。最后一个方向，我们要做AI养宠助手，怎么用Spring AI？

谢飞机：ChatClient！跟JdbcTemplate一个味儿，写起来倍儿亲切！

老K：用户问“我家猫一天吃多少粮”，模型不知道你家猫的体重，怎么办？

谢飞机：RAG！先搜后答！把宠物档案、喂养手册、药品说明书都切块向量化存进向量数据库，用户提问先做语义检索，再把检索结果塞给大模型，让它基于资料回答！

老K：不错。向量数据库你选什么？

谢飞机：Milvus！社区大、性能强！小规模就用Chroma，想要简单还能用Redis Stack，一个Redis全搞定！

老K：那AI怎么调用我们现有的库存查询、疫苗预约接口？

谢飞机：MCP！模型上下文协议，AI界的USB-C！把工具标准化注册进去，大模型想调哪个插哪个，即插即用！

老K：那如果用户问的是多轮复杂问题，比如“我家狗吐了，附近哪家医院能看，帮我预约”，普通RAG够吗？

谢飞机：不够！要Agentic RAG！AI侦探模式，先检索宠物症状资料判断紧急程度，再调用地图服务找医院，再调预约接口下单，一步步推理、一步步调工具，跟破案一样！

老K：那AI会不会瞎编答案？比如把狗粮推荐成猫粮？

谢飞机：AI幻觉嘛，只能缓解不能消除！得靠RAG给资料兜底、提示词约束、答案引用溯源、人工审核兜底，多管齐下！

老K：……虽然中间有不少离谱发言，但最后AI这块答得还行。

谢飞机：那我能入职了吗？

老K：回去等通知吧。

谢飞机：好嘞！这是我集齐的第七张“等通知”卡片了，再集两张就能召唤神龙了！🐉

📚 文末答案解析（小白学习版，16大考点）

1. JDK 8/11/17特性对比与选型

| 版本 | 关键特性 | 定位 | |------|---------|------| | JDK 8 | Lambda、Stream、Optional、新日期API | 经典老干妈，LTS | | JDK 11 | 局部变量var、ZGC试验、HttpClient | 保温杯，LTS | | JDK 17 | 密封类、ZGC成熟、Spring Boot 3.x强制要求 | 折叠屏，最新LTS |

选型逻辑：Spring Boot 3.x/Spring Framework 6 基于Jakarta EE 9+，最低要求JDK 17。新项目直接17，老项目至少规划升级到11。

2. JVM内存分区与OOM排查

• 堆：对象实例，新生代（Eden+两个Survivor）+老年代
• 栈：线程私有，存局部变量、方法调用栈，StackOverflowError在这
• 方法区/元空间：类元数据、常量池，OOM时元空间报“Metaspace”
• 程序计数器、本地方法栈：小角色

OOM排查四板斧：

1. jps找PID
2. jmap -dump:format=b,file=heap.hprof PID导堆
3. jstack PID看线程栈
4. MAT分析大对象/泄漏点

3. Maven/Gradle依赖冲突

冲突原因：不同依赖传递引入同一坐标不同版本。解决四板斧：

1. mvn dependency:tree看依赖树
2. 找到冲突路径，exclusion排除
3. 统一用BOM（Bill of Materials）管理版本
4. 规则：就近原则 + 先声明者优先，必要时显式声明版本

4. MyBatis vs JPA + HikariCP

• MyBatis：手写SQL，灵活可控，适合复杂查询、大数据量、DBA强管控场景（订单/报表）
• JPA/Hibernate：对象映射省代码，适合CRUD密集型，但复杂查询容易N+1、SQL不可控
• 口诀：JPA一时爽，排查火葬场（调侃，实际按场景选）

HikariCP为什么快：

• FastList：替代ArrayList，优化get/remove性能
• ConcurrentBag：无锁化借还连接，比锁队列更高效
• 字节码精简、无反射开销

5. 缓存穿透/击穿/雪崩

| 问题 | 现象 | 解法 | |------|------|------| | 穿透 | 查不存在的key，打爆DB | 布隆过滤器 + 空值缓存 | | 击穿 | 热点key过期瞬间 | 互斥锁 + 逻辑过期 | | 雪崩 | 大量key同时过期 | 过期时间加随机值 + 多级缓存 |

口诀：防空、加锁、错峰

6. Redis分布式锁三大坑

1. 没设过期时间→ 宕机锁永不释放 → 必须SET key value NX EX 30原子操作
2. 锁被误删→ 线程A锁过期，线程B拿到锁，A执行完把B的锁删了 →value用UUID标识，删除前Lua脚本校验
3. 锁过期业务没执行完→ 用Redisson看门狗（WatchDog），默认每10秒续期到30秒，业务结束自动释放

7. Kafka消息不丢失三环节

• 生产者：acks=all（所有副本确认）+ 重试机制
• Broker：min.insync.replicas（最小同步副本数）+ 副本机制
• 消费者：手动提交offset+ 消费成功后提交 +幂等消费（唯一业务ID去重）

8. 分布式事务四方案

| 方案 | 原理 | 适用 | |------|------|------| | XA/2PC | 数据库层两阶段提交 | 强一致、低并发 | | TCC | Try-Confirm-Cancel 业务补偿 | 高并发、业务可拆分 | | 可靠消息 | 本地消息表 + MQ最终一致 | 异步链路、容忍延迟 | | Seata AT | 自动生成回滚SQL | 透明无侵入，最常用 |

9. 注册中心CAP对比

• Eureka：AP，服务注册，Netflix OSS
• Nacos：AP/CP可切换，配置中心+注册中心，中文文档全，国内主流
• Consul：CP，一致性更强，自带KV存储

10. WebSocket百万连接架构

• Netty：NIO高并发网络框架，单机可扛几十万连接
• ChannelGroup：统一管理连接，广播O(1)级别
• 粘性会话：保证同一用户连接同一节点
• Redis Pub/Sub：跨节点广播，一个节点发消息所有节点同步推送
• 心跳机制：定期ping/pong清理死连接
• 千万别：for循环挨个遍历百万连接发消息（O(n)灾难）

11. 可观测性三件套

• 指标：Prometheus采集 + Grafana可视化（QPS、RT、GC、CPU）
• 日志：SLF4J + Logback/Log4j2 + ELK（Elasticsearch+Logstash+Kibana）
• 链路：Micrometer + Jaeger/Zipkin 实现分布式链路追踪，一次请求全链路打点

12. Spring AI核心能力

• ChatClient：统一对话API，跟JdbcTemplate一样简洁
• EmbeddingModel：文本向量化（OpenAI/Ollama本地模型）
• Function Calling：让模型调用Java方法（查库存、预约、下单）
• ChatMemory：聊天会话内存，多轮对话上下文
• Advisors：提示词填充、RAG检索增强、安全校验等横切逻辑

13. RAG离线/在线双阶段

离线阶段：文档加载 → 切分chunk → Embedding向量化 → 存入向量数据库（Milvus/Chroma/Redis Stack）在线阶段：用户提问 → 向量化 → 语义检索TopK → 拼接上下文 → 大模型生成（答案带引用）

价值：解决AI幻觉、知识时效性、企业私有知识库问答

14. 向量数据库选型

| 库 | 特点 | 场景 | |----|------|------| | Milvus | 分布式、十亿级、性能强 | 大规模生产 | | Chroma | 轻量、嵌入式 | 原型/小规模 | | Redis Stack | 复用Redis、简单 | 中小规模、已有Redis |

15. MCP + A2A + Agentic RAG

• MCP（模型上下文协议）：AI界的USB-C，统一工具调用标准，客户端-服务器架构，三大原语（工具/资源/提示），解决“每个AI接一套API”的碎片化
• A2A（Agent-to-Agent）：智能体之间互相通信协作，Google提出
• Agentic RAG vs 普通RAG：普通RAG“搜一次答一次”；Agentic RAG是ReAct循环（Reason+Act）——先推理需要什么信息，检索，调工具，再推理，再行动，直到完成复杂任务（如“狗吐了→查资料→找医院→预约”多步流程）

16. AI幻觉本质与缓解

本质：大模型本质是概率生成，没有真实世界校验，会“一本正经地胡说八道”。六大缓解手段：

1. RAG检索增强，给资料兜底
2. 提示词约束（“不知道就说不知道”）
3. 答案引用溯源，标注来源
4. 温度参数调低，减少发散
5. 人工审核兜底（高敏场景）
6. 模型微调/持续更新

划重点：AI幻觉只能缓解，不能消除，面试答这句最加分！

彩蛋：据说谢飞机三个月后靠这份答案解析入职了竞品宠物公司，工牌上写着「等通知侠」。🫡