Java高频面试场景题25

5 年 Java 开发因仅回答 "加索引、加缓存" 被面试官淘汰。

面试考点：面试官考察 MySQL 调优的实战与原理，而非基础操作。

调优三字诀：先查（开启慢日志、用 EXPLAIN 分析 SQL）、再治（优化索引覆盖、避免函数计算等）、最后省（减少不必要查询、使用缓存）。

总结要点：慢日志 + EXPLAIN 定位问题，覆盖索引 + 最左匹配原则，避免 SELECT*、函数计算、前置 % 模糊查询，排序和 JOIN 列需有索引且字符集一致。

视频提供包含 JVM、Spring、高并发等内容的 Java 面试题库。

核心痛点揭示：视频指出分布式事务的核心矛盾是跨服务、跨数据源无法像单机事务那样原子提交，而非简单的 "要么都成功要么都回滚"。

Seata 深度拷问：面试官追问 Seata AT 模式与传统 2PC 的区别、undo 日志作用、空回滚和悬挂问题，暴露求职者仅会调用 API 的问题。

方案拆解：视频详细拆解 5 种分布式事务方案，包括 2PC、TCC、SAGA、本地消息表 + 消息队列、最大努力通知，分析各方案的原理、优缺点及适用场景。

选型逻辑：强调分布式事务的核心是平衡一致性、可用性和性能，大多数互联网场景追求最终一致性即可。

视频最后指出，中级与初级后端的核心差距在于懂原理、会选型、能避坑，这也是大厂面试的必考点。

线程池工作原理：视频拆解线程池任务处理四步流程，包括预热核心线程、添加阻塞队列、启用非核心线程、触发拒绝策略。

关键队列特性：SynchronousQueue 不存储任务，提交任务时若核心线程无空闲，直接尝试启用非核心线程，避免任务进入队列。

面试技巧：视频提供该问题的深度分析及回答思路，同时提及配套的学习路线图和高频面试题资源。

视频通过煎饼摊的类比解释 SynchronousQueue 的 "现做现卖" 特性，帮助理解任务不排队的实现逻辑。

零侵入数据同步：使用 Canal 订阅 MySQL 的 Binlog，结合 DataX 迁移历史数据，实现老系统代码零修改的存量与增量数据并行迁移。

数据校验与补偿：通过对账服务对比新老库数据，发现差异时触发补偿队列自动修正，需确保数据 100% 一致。

灰度切流：按内部测试账号、1% 真实用户、10%、30%、50% 的梯度切流，监控异常时秒切回老系统。

反向同步回滚：新库产生的增量数据通过反向 Canal 实时回写老库，确保流量切回时老库数据最新。

反向同步回滚链路是迁移架构中最关键的兜底机制。

核心数据模型：标准 RBAC 包含用户表、角色表、权限表、用户角色关联表、角色权限关联表 5 张核心表，复杂业务可引入 RBAC1 或 RBAC2。

权限颗粒度：分为菜单级、按钮 / 数据级权限，菜单权限用于前端动态渲染导航，操作权限在后端 API 拦截，数据权限需在 SQL 层面拼接过滤条件。

后端实现：推荐 Spring Security+JWT 方案，用户登录生成 JWT Token，后端通过拦截器解析 Token，从缓存加载权限列表与接口权限码匹配，可使用 @PreAuthorize 注解声明方法权限。

权限缓存与刷新：以用户 ID 为 key 在 Redis 缓存权限列表并设置 TTL，管理员修改权限后主动失效对应缓存，超级管理员可设置跳过权限校验。

前端配合：前端登录后获取菜单权限列表动态生成路由和导航，同时需注意前端仅做体验优化，真正校验需在后端完成。

审计与日志：记录权限交易失败操作及管理员对角色权限的变更记录，便于安全审计。

视频提供了基于 RBAC 模型的统一权限控制系统完整设计方案，可通过 Sa-Token 或 Spring Security 落地。

场景题内容：用户修改商品名称后刷新页面仍显示旧名称，主包追问并发更新时如何避免旧数据回写、缓存删除失败如何处理。

主包期待答案：更新数据库后删除缓存 + 延迟双删（间隔 500ms 再删一次）；缓存删除失败用消息队列重试，失败记录日志人工介入；并发写冲突用 Redis 分布式锁控制同一商品 ID 更新串行化；缓存设置合理过期时间（如 30 分钟），每日跑对账任务比对数据库与缓存数据，差异超阈值告警。

建议方向：建立缓存一致性方案清单，包含更新顺序、并发控制、失败重试、兜底策略；深入学习 Canal 订阅 MySQL binlog、延迟双删代码实现，在测试环境模拟并发更新场景验证方案有效性。

视频指出开发者对缓存一致性方案理解碎片化，缺乏落地细节和兜底思维。