爆肝整理 Java 面试八股文，大厂高频考点全在这了

最近春招了，我把这几个月刷过的面经、被问过的问题、踩过的坑全部整理了一遍。

不敢说全，但这些考点覆盖了我面过的字节、腾讯、美团、京东、虾皮的 80% 以上的问题。

收藏备用，别等到面试前一天再找。

Java 基础

== 和 equals 的区别，为什么重写 equals 必须重写 hashCode？

== 比较的是引用地址，equals 默认也是比较地址，但可以重写为比较内容。重写 equals 必须重写 hashCode 是因为 Java 规定相等的对象必须有相同的哈希值，如果只重写 equals 不重写 hashCode，两个内容相同的对象放进 HashMap 会被当成不同的 key，逻辑错误。

String、StringBuilder、StringBuffer 的区别？

String 不可变，每次拼接都创建新对象，频繁拼接性能差。StringBuilder 可变，非线程安全，单线程拼接用这个。StringBuffer 可变，线程安全，方法加了 synchronized，多线程场景用这个，但性能比 StringBuilder 差。

final、finally、finalize 分别是什么？

final 修饰类不可继承、修饰方法不可重写、修饰变量不可修改。finally 是 try-catch 的最终执行块，无论是否异常都会执行，常用于资源释放。finalize 是 Object 的方法，GC 回收对象前调用，已经被废弃，不要用。

Java 的异常体系，Exception 和 Error 的区别，受检异常和非受检异常？

Throwable 是根类，分 Error 和 Exception。Error 是 JVM 层面的严重问题，比如 OutOfMemoryError、StackOverflowError，程序无法处理。Exception 是程序可以处理的异常，分受检异常（编译器强制处理，比如 IOException）和非受检异常（运行时异常，比如 NullPointerException、ArrayIndexOutOfBoundsException）。

集合框架

ArrayList 和 LinkedList 的区别，什么时候用哪个？

ArrayList 底层数组，随机访问 O(1)，中间插入删除 O(n)，扩容时复制数组。LinkedList 底层双向链表，随机访问 O(n)，头尾插入删除 O(1)，但每个节点有额外的指针开销，缓存不友好。大多数场景用 ArrayList，只有频繁在中间插入删除且不需要随机访问时才考虑 LinkedList。

HashMap 的底层实现，Java 8 做了哪些优化？

底层是数组加链表，哈希冲突用链地址法解决。Java 8 引入红黑树，链表长度超过 8 且数组长度超过 64 时转红黑树，查找从 O(n) 降到 O(log n)。扩容时 rehash 优化，利用容量翻倍的特性，不需要重新计算哈希，只看新增的那一位是 0 还是 1。插入改为尾插法，避免多线程扩容时的环形链表问题。

ConcurrentHashMap 怎么实现线程安全的，Java 7 和 Java 8 的区别？

Java 7 用分段锁，把 Map 分成若干 Segment，每个 Segment 有独立的锁，最多支持 16 个线程并发写。Java 8 改用 CAS + synchronized，锁粒度细化到单个桶，并发度更高，扩容时多线程协作迁移数据。

HashMap 为什么线程不安全，多线程下会有什么问题？

Java 7 多线程扩容时头插法可能形成环形链表，导致 get 操作死循环。Java 8 改了插入方式，不会死循环，但多线程同时 put 可能导致数据覆盖丢失，size 统计也不准确。多线程场景用 ConcurrentHashMap。

更多全面的java大厂面试题和必备八股文都收录在专栏里面了：

https://www.nowcoder.com/creation/manager/columnDetail/0n9XOd

JVM

JVM 内存结构，各个区域存什么？

堆：存放对象实例，GC 的主要区域，分新生代（Eden + 两个 Survivor）和老年代。方法区（元空间）：存放类信息、常量、静态变量、JIT 编译后的代码。虚拟机栈：每个线程私有，存放栈帧，每个方法调用对应一个栈帧，存局部变量表、操作数栈、动态链接、返回地址。本地方法栈：native 方法的栈。程序计数器：记录当前线程执行的字节码行号，线程私有，唯一不会 OOM 的区域。

垃圾回收算法有哪些，G1 收集器的工作原理？

基础算法：标记清除（有碎片）、标记整理（无碎片但有移动开销）、复制算法（无碎片但内存利用率低）。现代 JVM 分代收集，新生代用复制算法，老年代用标记整理。G1 把堆分成大量 Region，优先回收垃圾最多的 Region，支持设置停顿时间目标，是 JDK 9 之后的默认收集器。

什么是 STW，怎么减少 STW 时间？

STW（Stop The World）是 GC 时暂停所有用户线程的阶段，保证 GC 过程中对象引用关系不变。减少 STW 的方式：用并发 GC（G1、ZGC），大部分标记工作和用户线程并发执行，只有少数阶段需要 STW。ZGC 把 STW 时间控制在毫秒级以内。

类加载机制，双亲委派模型是什么，什么时候需要打破？

类加载分加载、验证、准备、解析、初始化五个阶段。双亲委派：类加载器收到请求先委派给父类加载器，父类找不到才自己加载，保证核心类库唯一性。需要打破的场景：SPI 机制（JDBC 驱动）、Tomcat 的 Web 应用隔离、OSGi 模块化、热部署。

OOM 有哪些类型，分别怎么排查？

堆 OOM（Java heap space）：对象太多或者内存泄漏，用 MAT 分析堆转储文件找大对象。元空间 OOM（Metaspace）：类加载太多，通常是动态生成类或者类加载器泄漏。栈 OOM（StackOverflowError）：递归太深，检查递归是否有终止条件。直接内存 OOM：NIO 使用直接内存过多，检查 ByteBuffer 的使用。

并发编程

synchronized 的锁升级过程，偏向锁、轻量级锁、重量级锁？

无锁 → 偏向锁（只有一个线程访问，在对象头记录线程 ID，下次同一线程进入不需要 CAS）→ 轻量级锁（有竞争时升级，用 CAS 操作，失败则自旋等待）→ 重量级锁（自旋超过阈值，升级为操作系统互斥量，线程阻塞）。锁只能升级不能降级（偏向锁可以撤销）。

volatile 的作用，能保证原子性吗？

两个作用：保证可见性（写操作立即刷新到主内存，读操作从主内存读取）、禁止指令重排（通过内存屏障）。不能保证原子性，i++ 这种复合操作不是原子的，需要用 AtomicInteger 或者 synchronized。

ThreadLocal 的原理，内存泄漏怎么产生的？

每个线程有一个 ThreadLocalMap，key 是 ThreadLocal 对象的弱引用，value 是存储的值。内存泄漏：ThreadLocal 对象被 GC 回收后，key 变成 null，但 value 还在，如果线程是线程池里的长期存活线程，value 永远不会被回收。解决方法是用完后调用 remove()。

线程池的核心参数和任务提交流程，拒绝策略怎么选？

核心参数：核心线程数、最大线程数、非核心线程存活时间、工作队列、拒绝策略。提交流程：线程数小于核心线程数直接创建线程 → 放入队列 → 队列满了且线程数小于最大线程数创建非核心线程 → 触发拒绝策略。四种拒绝策略：AbortPolicy 抛异常（默认）、CallerRunsPolicy 调用方执行（反压）、DiscardPolicy 丢弃、DiscardOldestPolicy 丢弃最老的任务。

ReentrantLock 和 synchronized 的区别？

ReentrantLock 支持超时获取锁、可中断等待、公平锁、多个条件变量，功能更丰富。synchronized 使用简单，JVM 自动释放，有锁升级优化。两者都是可重入锁。简单场景用 synchronized，需要高级功能用 ReentrantLock，记得在 finally 里释放。

MySQL

索引的底层结构，为什么用 B+ 树？

B+ 树所有数据在叶子节点，叶子节点双向链表连接，非叶子节点只存键值。比 B 树好：非叶子节点不存数据，同样大小能存更多键值，树更矮，IO 次数更少；叶子节点链表天然支持范围查询。比哈希索引好：支持范围查询、排序、前缀匹配，哈希索引只支持等值查询。

事务的四个特性和四个隔离级别，可重复读怎么实现的？

ACID：原子性（要么全成功要么全失败）、一致性（事务前后数据合法）、隔离性（事务间互不干扰）、持久性（提交后永久保存）。四个隔离级别：读未提交、读已提交、可重复读（MySQL 默认）、串行化。可重复读通过 MVCC 实现，事务开始时创建 ReadView，整个事务期间读同一个版本的数据。

MVCC 的原理，ReadView 是什么时候创建的？

每行数据有隐藏的事务 ID 和回滚指针，旧版本数据通过回滚指针链接成版本链存在 undo log。ReadView 记录创建时刻的活跃事务列表，读数据时根据 ReadView 判断哪个版本可见。读已提交每次 SELECT 创建新 ReadView，可重复读只在第一次 SELECT 时创建，这是两者的本质区别。

索引失效的场景有哪些？

对索引列做函数运算或类型转换、LIKE 以通配符开头（%abc）、联合索引不满足最左前缀、OR 连接的条件有一个没有索引、使用 != 或 <> 、数据量少时优化器认为全表扫描更快、字符串不加引号导致隐式类型转换。

explain 的 type 字段，怎么判断索引是否生效？

从好到差：system/const（主键或唯一索引等值查询）→ eq_ref（联表唯一匹配）→ ref（非唯一索引）→ range（索引范围扫描）→ index（全索引扫描）→ ALL（全表扫描）。key 字段显示实际使用的索引，NULL 表示没用索引。Extra 里 Using index 是覆盖索引，Using filesort 是额外排序，Using temporary 是临时表，后两个需要优化。

Redis

Redis 的数据结构有哪些，各自适合什么场景？

String：缓存、计数器、分布式锁。Hash：存储对象，比如用户信息。List：消息队列、最新列表。Set：去重、标签、共同好友。ZSet（有序集合）：排行榜、带权重的队列。BitMap：用户签到、在线状态。HyperLogLog：UV 统计（近似值，内存极小）。

Redis 的持久化方式，RDB 和 AOF 怎么选？

RDB 快照持久化，文件紧凑，恢复快，但两次快照之间的数据可能丢失，fork 子进程有开销。AOF 追加日志，数据更完整，最多丢 1 秒（everysec 策略），但文件大，恢复慢，需要定期 rewrite。生产环境通常两者都开，RDB 用于快速恢复，AOF 保证数据完整性。

缓存穿透、缓存击穿、缓存雪崩的区别和解决方案？

穿透：查询不存在的数据，每次都打到数据库。解决：布隆过滤器过滤非法 key，或者缓存空值。击穿：热点 key 过期瞬间大量请求打到数据库。解决：热点 key 不过期，或者互斥锁只让一个线程重建缓存。雪崩：大量 key 同时过期或者 Redis 宕机。解决：过期时间加随机偏移，Redis 高可用部署，限流熔断保护数据库。

Redis 分布式锁的实现，有哪些坑？

用 SET key value NX PX timeout 原子命令，value 用唯一标识，释放时用 Lua 脚本保证判断和删除的原子性。坑：锁过期但业务没执行完（用 watchdog 续期，Redisson 实现了）、Redis 主从切换导致锁丢失（用 Redlock 多节点方案，但有争议）。

Spring

Spring IOC 的原理，Bean 的生命周期？

IOC 是控制反转，把对象的创建和依赖管理交给容器。Bean 生命周期：实例化 → 属性注入 → Aware 接口回调 → BeanPostProcessor 前置处理 → 初始化（@PostConstruct → afterPropertiesSet → init-method）→ BeanPostProcessor 后置处理 → 使用 → 销毁（@PreDestroy → destroy → destroy-method）。

Spring AOP 的原理，JDK 动态代理和 CGLIB 的区别？

AOP 通过动态代理实现，在 Bean 初始化阶段创建代理对象。JDK 动态代理基于接口，被代理类必须实现接口，通过 InvocationHandler 拦截方法调用。CGLIB 基于继承，生成被代理类的子类，不需要接口，但 final 类和方法无法代理。Spring Boot 2.x 默认用 CGLIB。

Spring 的三级缓存，怎么解决循环依赖？

三级缓存：一级缓存存完整 Bean，二级缓存存早期 Bean（已实例化未初始化），三级缓存存 Bean 工厂（用于创建代理对象）。循环依赖解决：A 依赖 B，B 依赖 A，A 实例化后把自己的工厂放入三级缓存，注入 B 时 B 从三级缓存拿到 A 的引用完成初始化，A 再完成初始化。构造器注入的循环依赖无法解决。

@Transactional 失效的场景有哪些？

方法不是 public 的、同一个类内部方法调用（没有经过代理）、异常被 catch 吞掉没有抛出、抛出的是受检异常但没有配置 rollbackFor、数据库引擎不支持事务（MyISAM）、多线程场景下事务不传播到子线程。

消息队列

Kafka 为什么吞吐量高？

顺序写磁盘（追加写日志文件，接近内存速度）、零拷贝（sendfile 系统调用，数据从磁盘直接到网络不经过用户空间）、批量处理（生产者批量发送，消费者批量拉取）、页缓存（大量依赖 OS 页缓存，热数据不读磁盘）、分区并行（多分区并行读写）。

消息丢失和重复消费怎么处理？

消息丢失：生产者设置 acks=all，消费者手动提交 offset，Broker 设置多副本。重复消费：Kafka 保证至少一次投递，消费者需要实现幂等，用消息唯一 ID 做去重，处理前查 Redis 或数据库有没有处理记录。

分布式

分布式事务的解决方案？

2PC（两阶段提交）：强一致，但协调者单点，性能差，适合少量参与方。TCC（Try-Confirm-Cancel）：业务层面的分布式事务，性能好，但业务侵入性强。消息队列最终一致性：实现简单，性能好，但只能保证最终一致，适合允许短暂不一致的场景。Saga：长事务拆分成本地事务序列，每步有补偿操作，适合业务流程长的场景。

CAP 理论，实际系统怎么取舍？

C（一致性）、A（可用性）、P（分区容错性），三者不能同时满足，分布式系统 P 必须保证，所以是 CP 还是 AP 的选择。CP 系统（ZooKeeper）：分区时停止服务保证一致，适合金融、库存等对数据准确性要求高的场景。AP 系统（Cassandra）：分区时继续服务但可能返回旧数据，适合购物车、评论等允许短暂不一致的场景。

最后说一句

八股文是敲门砖，但面试官真正想看的是你能不能把这些知识点和实际项目结合起来。

背完这些，再想想你的项目里用到了哪些，遇到了什么问题，怎么解决的，这才是真正能拉开差距的地方。

祝大家都能拿到心仪的 offer。