甄十信息科技--java面经

1 新建一个SpringBoot项目需要哪些流程？配置类方面？2 SpringBoot的自动配置原理？3 Redis的基础数据类型？以及应用场景？4 git拉项目命令，git合并命令？5 索引失效？6 Java的装箱拆箱？7 Mysql的聚簇索引以及非聚簇索引？回表？8 二叉树如何保证左右平衡？9 RabbitMq的幂等性的保证？10 中间件当中 队列与交换机如何建立对应的关系，存在什么样的关系？11 消息积压如何处理？12 Redis的分布式锁？13 什么是线程安全，什么是线程不安全，如何确保线程安全？14 事务的隔离级别？出现的问题？Mysql当中是如何解决的？没有特地的问项目可能对项目不感兴趣，问了一些项目搭建的问题。

嗨，牛客的朋友们好。我是某二本院校25届的学生，和很多人一样，刚上大学时迷茫又焦虑。学校不够亮眼、资源有限，大厂仿佛离我们非常遥远。但也就是这样的起点，逼着我早早想清楚：除了拼命，没有第二条路。我从大二下学期开始觉醒，定下目标：冲Java后端。那时候啥也不会，连SpringBoot怎么配都不懂。于是开始疯狂刷算法（LeetCode+牛客题库刷穿3遍）、啃八股（Java并发、JVM、MySQL、Redis翻来覆去背+理解）、做项目（仿电商、秒杀）。**第一段实习：小厂起步，但无比感恩**2023年暑假，我只拿到一家不到50人小公司的后端实习，写CRUD、调试老旧系统。虽然技术栈旧，但让我真正理解了工程是怎么回事，也认识了两位愿意带我往前走的师兄。**第二段实习：蓄力冲进大厂**2024年春季，我用小厂经历+不断迭代的面试经验，终于搏到一个中厂实习机会（这里就不点名了）。那段时间几乎是白天干活、晚上继续刷题+补充分布式/微服务知识，经常熬到凌晨。但也正因为这段经历，让我初步拥有了“高并发”、“系统设计”的实战意识。**2025年秋招：逆袭的开始**8月开始投递，9月面试密集到来。小米面试官问得很深，从JUC到Spring源码、从MySQL调优到分布式事务，几乎把我“扒了一层皮”。但幸好，两年来的积累没有白费——那些反复默写过的八股、那些调试过的线上问题、那些刷了又刷的算法题，全部成了我逆天改命的底气。12月，我收到了小米Java后端的Offer。我知道很多二本、双非的同学都在焦虑，甚至自我怀疑。但我想用我的经历告诉你：**学校只是起点，绝不是终点。**你刷的每一道算法、看的每一篇八股、写的每一行代码，都在默默为你铺路。如果你也在冲Java后端，也在等一个机会——**小米2026届校招内推码：BA6T8F1**欢迎投递，期待和你成为同事。（PS：投了之后可以私信我，帮你查进度+分享面经细节。我们都不是天生强者，但我们可以选择绝不低头。）

（鼠鼠处女面，感觉自己说的磕磕绊绊的，逻辑不够清晰，面试官居然说回答的还好。好开心~一面秒过。）面试问题与回答要点1. 自我介绍 & 项目概览2. Go语言与Raft项目考察面试官提问:看到你简历说用Go实现了Raft，是有Go的开发经验吗？对Go语言了解多少？我的回答要点:背景说明: 坦诚说明是为了完成MIT 6.824课程实验，花时间速成了Go语言并完成了项目。能力边界: 承认目前主技术栈是Java/Python，Go的经验仅限于该项目，很多细节已生疏。掌握程度: 对Go的基础语法和并发（goroutine, channel）有基本了解。3. RAG智能问答项目深挖面试官提问 1:聊一下你基于RAG的智能问答项目，你在Elasticsearch里主要做了哪些工作？我的回答要点 (阐述RAG全流程):离线处理阶段:数据预处理: 将PDF论文转为Markdown。文本切块 (Chunking): 采用基于语义的切块方式，保证上下文完整性。向量化 (Embedding): 使用智谱的Embedding模型将文本块转为向量。数据入库: 将文本和对应向量一同存入Elasticsearch。在线检索与生成阶段:用户问题向量化: 用同样模型处理用户提问。向量相似度检索: 在ES中召回Top 3最相关的文本块。构建Prompt: 将召回的文本块作为Context，与用户问题组合成最终的Prompt。生成答案: 将Prompt发送给大模型（LLM）获取最终回答。面试官提问 2 :召回的Top 3数据可能内容相似度很高，但不一定完全符合用户问题，你如何避免给用户错误的引导信息？我的回答要点:优化数据源: 关键在于切块质量，保证每个Chunk都是一个逻辑完整的语义单元。优化召回策略:扩大召回量: 尝试扩大Top K（如Top 5），为LLM提供更丰富的上下文。增加多样性: 可以在召回时引入多样性策略（如MMR算法思想），除了最相似的，也召回一些“不那么相似但可能包含新信息”的文本块，避免信息茧房。4. 基于Redis的多轮对话管理面试官提问 1:你提到用Redis做了个性化的多轮对话管理，具体是怎么实现的？我的回答要点:持久化方案: 放弃框架默认的内存会话管理，选择Redis做持久化存储。数据结构: 使用Session ID和User ID作为Key，将用户的多轮对话历史关联起来。存储格式: 将包含发言人、内容、时间等信息的对话历史序列化成JSON字符串后存入Redis。读写流程: 当新一轮对话发生时，从Redis取出历史记录，反序列化，追加新内容，再序列化存回去。面试官提问 2 :LLM本身有上下文窗口（Context Window）限制，你是怎么突破限制，实现长期记忆的？难道把全部历史记录都传给模型吗？我的回答要点 (坦诚现状 + 给出解决方案):承认局限: 首先坦诚目前项目的实现确实是全量传入，在对话轮次很多时会超出上下文限制，这是一个待优化的点。提出解决方案:方案一 (摘要压缩): 对时间较早的对话历史进行总结，用一个简短的摘要来代替冗长的原文，从而压缩上下文长度。方案二 (RAG on History): 将长期对话历史本身也视为一个外部知识库。当用户提问时，先用RAG的方式从历史记录中检索出与当前问题最相关的几轮对话，而不是把全部历史都传进去。反问环节我问: 公司的具体业务？面试官答: AI硬件，做嵌入式芯片，主要应用在玩具中，与用户进行大模型交互。后端技术栈是Go。我问: 对我本次面试表现的看法和建议？面试官答: 整体不错，但项目经验偏校园和实验性质，缺乏工业级的深度。我问: 后续面试流程？面试官答: 总共2-3轮。

优财云链Java实习8.22面试1.谈谈你对面向对象的看法2.线程池的核心参数3.核心线程数和最大线程数的区别4.什么样的情况需要设置索引5.你了解的一些索引优化的方式6.网络的分层结构7.tcp在那一层，讲讲tcp的三次握手8.socket套接字了解吗9.设计模式了解过吗10.动态代理了解吗11.讲一下反射12.spring中哪里用到了反射13.那你提到了面向切面编程，讲讲aop的原理，反射在这里怎么用的14.那你刚说到了spring控制反转，那么是对什么进行了控制反转15.bean的生命周期了解吗16.说一下springboot中常用注解17.springboot是开发手脚架，那你觉得为什么他能简化开发搭建一个项目的过程18.自己搭过springboot项目吗19.springcloud里的Feign用过吗（天呐我竟然不知道这个怎么读，没听出来是这个远程调用，答了没用过）20.maven的依赖冲突怎么解决21.说一下你的项目吧22.在什么样的场景下你会选择做一个异步的接口（还需了解一下，调用第三方服务异步，如果调用出错怎么将信息返回上游）23.现有一个下游系统，它处理并发是有限制的，但上游系统请求无限制，那么中间层如何设置保证下游系统不崩掉（用线程池去做）24.问个人情况，有无主动学习能力。25.学习过程中遇到问题怎么处理的26.学习新技术的过程中，更在乎功能还是原理27.比如说？28.线程池具体实现，线程池参数中的队列有几种29.评价一下自己吧30.将大局逆转吧！换我提问，结束了。