一、面试
1、项目问题
1. 怎么防止重复下单？
防止重复下单可通过多种机制实现：唯一索引约束通过在订单表的用户ID、商品ID等字段建立唯一索引避免重复数据；分布式锁利用Redis或Zookeeper在下单前锁定资源，防止并发冲突；幂等性设计通过生成唯一订单号、Redis的SETNX命令或数据库事务结合唯一索引确保操作仅执行一次；Token令牌机制则要求客户端先获取一次性有效token，服务端校验后处理请求。
2. 采用REDIS分段消费做防超卖的具体机制？
Redis分段消费通过将库存拆分为多个子库存（如10个片段），利用DECR/DECRBY命令原子减库存，结合Lua脚本保证操作的原子性。用户下单时随机选择子库存扣减，当某个子库存耗尽时尝试其他片段，从而分散热点数据竞争，提升并发性能。
3. 是否有限流机制？
常见的限流算法包括计数器、滑动窗口、漏桶和令牌桶算法。分布式限流可通过Redis结合Lua脚本实现，结合Sentinel或集群保障高可用；应用层限流则通过Servlet过滤器、Spring AOP或网关（如Gateway）实现，支持灵活应对不同场景的流量控制需求。
2、线程同步与并发编程
1. 还了解其他哪些线程同步方式？
除synchronized外，Java还提供ReentrantLock、ReadWriteLock、StampedLock、Semaphore、CountDownLatch、CyclicBarrier、Phaser、Exchanger等同步工具。原子类（如AtomicInteger）和ThreadLocal通过无锁化或线程本地变量减少竞争，volatile关键字则保证可见性但不确保原子性。
2. SYNCHRONIZE如何保证原子性？
✅synchronized是如何保证原子性、可见性、有序性的？
synchronized通过监视器锁（Monitor）实现互斥，同一时刻仅允许一个线程进入同步块。字节码层面使用monitorenter和monitorexit指令标记同步块，JVM插入内存屏障防止指令重排，确保操作的原子性和可见性。
3. SYNCHRONIZE能否保证有序性？
✅synchronized是如何保证原子性、可见性、有序性的？
synchronized通过内存屏障禁止指令重排，保证同步代码块内的操作有序。其happens-before规则确保同一锁的解锁操作先于后续加锁操作，但对不同锁或非同步代码无效，可能存在跨锁重排。
4. 了解无锁化编程吗？有什么问题？
无锁化编程通过CAS、原子类、写时复制等技术实现线程安全，但存在ABA问题（值变化后恢复导致误判）、自旋开销、单变量限制及活锁风险。例如，CAS失败时频繁重试可能浪费CPU资源，复合操作需额外设计保证原子性。
3、线程池
1. 线程池的原理是什么？
线程池通过核心线程、任务队列、最大线程数和拒绝策略管理任务。提交任务时，优先用核心线程处理；队列满后创建临时线程；资源耗尽则执行拒绝策略（如丢弃任务或抛出异常）。线程复用通过阻塞队列实现，减少线程创建销毁的开销。
2. 如何动态调整线程池参数？
可通过ThreadPoolExecutor的setCorePoolSize()【设置核心线程数】、setMaximumPoolSize()【设置最大线程数】等方法调整参数，或结合配置中心（如Nacos）实时更新。自适应方案监控队列长度和活跃线程数，动态优化参数以适应负载变化。
3. 如何监控线程池状态？
内置方法（如getActiveCount()【返回线程池中当前正在执行任务的线程的估计数量 】、getQueue().size()【返回线程池工作队列中当前积压的任务数量】）获取实时指标，JMX通过MBean暴露监控数据。自定义监控可定时采集指标并集成Prometheus，分析线程池使用率、任务等待时间及拒绝量，结合Arthas等工具诊断异常。
4. 拒绝策略有哪些适用场景？
AbortPolicy抛出异常，适用于需明确感知任务拒绝的场景；CallerRunsPolicy在调用者线程执行任务，适合降级处理；DiscardPolicy直接丢弃任务，用于非关键数据（如日志）；DiscardOldestPolicy移除旧任务优先处理新任务，适用于实时性要求高的场景。
4、JVM内存与垃圾回收
1. 对JVM内存模型（JMM）的了解？
JMM定义多线程内存访问规范，核心为主内存（共享变量）和工作内存（线程私有副本）。通过happens-before规则保证可见性与有序性，如监视器锁规则（解锁先于加锁）、volatile变量规则（写先于读）及传递性等。
2. 垃圾回收算法中标记清除GC Roots可以用哪个？
标记阶段从GC Roots遍历可达对象并标记为存活，清除阶段回收未标记对象的内存。优点是实现简单，缺点是产生内存碎片且效率较低，需结合压缩算法（如标记-整理）优化。
3. 如何排查Full GC问题？
通过GC日志分析频率和耗时，使用jmap生成堆转储，借助MAT工具定位内存泄漏或大对象。调整新生代与老年代比例、优化对象生命周期或升级硬件（如增加堆内存）是常见解决方案。
4. Full GC和Young GC的区别？
Young GC回收新生代（Eden/Survivor区），触发于空间不足，停顿短（毫秒级）；Full GC回收整个堆及方法区，触发条件包括老年代不足、System.gc()调用等，停顿长（秒级），影响更大。
5、数据库与索引
1. 数据库索引类型有哪些？
B-Tree索引支持等值和范围查询（如InnoDB主键）；哈希索引仅等值查询（Memory引擎）；全文索引用于文本搜索（InnoDB 5.6+）；空间索引处理地理数据（R-Tree）。按物理结构分为聚集索引（数据与索引同序）和非聚集索引（索引与数据分离）。
2. 如何避免回表？
覆盖索引通过查询字段均包含在索引中，直接读取数据无需回表。优化联合索引设计（遵循最左前缀）、使用主键查询（InnoDB聚集索引）或索引下推（提前过滤数据）均可减少回表次数。
3. 主键一般用什么类型？分布式环境下自然ID的缺点？
整型（自增ID）或UUID是常用主键。自然ID（如自增ID）在分布式系统中存在唯一性冲突、性能瓶颈（集中生成）、迁移困难及安全风险（易被猜测）等问题。
4. 分布式ID生成方式有哪些？
Snowflake算法生成趋势递增的64位ID（时间戳+机器ID+序列号）；数据库号段模式预分配ID范围；Redis自增或Leaf、UidGenerator等系统提供高可用方案。UUID无序但全局唯一，适合非索引场景。
5. B+树为什么适合做索引？
B+树高度平衡，支持高效范围查询（叶子节点链表连接）；非叶子节点仅存键值，容纳更多索引项，降低树高；数据存储在叶子节点，磁盘I/O更少。相比B树，B+树分支因子更大，查询更稳定。
6. B+树如何保持有序？
插入时定位叶子节点并保持有序，节点满则分裂并更新父节点；删除时合并或重分布键值，通过旋转维护平衡。非叶子节点分隔键确保左右子树有序，叶子节点链表支持顺序遍历。
7. B+树相比B树为什么更扁平？
B+树非叶子节点不存数据，可存更多键值，分支因子更高，树高更低。例如，相同节点大小下，B+树存储量是B树的两倍，减少磁盘访问次数，提升查询效率。
6、消息队列
1. 消息队列的使用场景？
消息队列用于日志异步处理、数据同步、分布式事务（如事务消息）、流量削峰、延迟任务调度、系统解耦及事件通知等场景，提升系统扩展性和可靠性。
2. 除了RocketMQ还了解哪些消息队列？
✅Kafka、ActiveMQ、RabbitMQ和RocketMQ都有哪些区别？
Kafka高吞吐适合日志和流处理；RabbitMQ基于AMQP，支持复杂路由；Pulsar支持存储计算分离和流批一体；ActiveMQ、NSQ、Redis Streams等各有适用场景，如ZeroMQ轻量级，适合内部通信。
3. Kafka如何保证消息不丢失？
生产者通过acks=all（全副本确认）、重试和幂等性避免丢失；Broker多副本（ISR机制）和持久化存储保障数据冗余；消费者手动提交offset并配合事务确保消费处理原子性。
4. Kafka的Offset有什么作用？
Offset标记消费进度，支持手动/自动提交，存储于__consumer_offsets主题。它实现断点续传、消费重放及重平衡时的分区分配，监控Offset可分析消费延迟。
7、网络
1. 浏览器输入域名后的解析过程？
浏览器解析URL后递归查询DNS：缓存→操作系统→路由器→ISP DNS→根域名服务器→顶级域名服务器→权威服务器，最终获取IP。随后三次握手建立TCP连接，发送HTTP请求，服务器响应后渲染页面，最后关闭连接。
2. 三次握手能否携带数据？
前两次握手（SYN和SYN+ACK）不携带数据，仅建立连接；第三次握手（ACK）确认连接建立，可携带数据，此时客户端进入ESTABLISHED状态，可发送请求。
3. 如何防御SYN攻击？
博客记录-day063-反射机制详解、SPI机制详解+TCP面试题 - 掘金
服务器端启用SYN Cookie、调整TCP参数（增大半连接队列、缩短超时）及限制单IP速率；网络层通过防火墙过滤异常流量；应用层使用CDN或代理隐藏真实服务器，分散攻击压力。客户端防护有限，主要依赖可信网络和代理。
4. 客户端能否做SYN攻击防御？
客户端无法直接防御针对服务器的SYN攻击，但可通过代理访问、检测异常连接或启用备用连接减少风险。企业网络可监控出站流量，防止内部主机发起攻击。