互联网大厂 Java 面试实录Spring Boot Kafka Redis Spring Security Spring AI场景某大型内容社区与 AIGC 业务线候选人燕双非前来参加 Java 面试。第一轮基础架构与业务接入面试官先说说你在 Java 17 里最常用的特性项目里为什么要升级燕双非嗯……Java 17 我主要用到了record、sealed class还有 switch 表达式。升级嘛主要是想让代码更短、更优雅也方便跟新版本 Spring Boot 配合。面试官回答得还可以。那如果我们做内容社区的发布服务用 Spring Boot 你会怎么拆分 Controller、Service 和 DAO燕双非Controller 接收请求Service 处理业务DAO 负责访问数据库。比如发帖接口先校验内容再存库再发消息通知给推荐系统。面试官不错思路清晰。那帖子发布后要同步写 Kafka你会考虑哪些可靠性问题燕双非要考虑消息重复、丢失、顺序……嗯我一般会先保证业务幂等再配合事务消息或者 outbox 模式。消费者那边也要做去重。面试官可以看来不是完全“水”。第二轮数据一致性与缓存治理面试官社区里有热门帖缓存Redis 怎么设计燕双非热点帖可以放 Rediskey 里带业务前缀和帖子 IDvalue 存帖子摘要或计数。热点更新频繁的话可以用过期时间加主动失效避免脏数据太久。面试官如果点赞数、评论数都在变缓存和数据库不一致怎么办燕双非这个……我觉得可以先写数据库再删缓存或者用延迟双删。再复杂一点就用消息队列做最终一致性。面试官嗯方向对。那数据库连接池你会选 HikariCP为什么燕双非因为它轻量、性能好、配置少适合高并发场景。连接池要控制最大连接数避免把数据库打爆。面试官那如果我们要做发帖审核和敏感词过滤Spring Security 能帮什么燕双非Spring Security 主要做认证授权。审核逻辑本身还是业务流程可以把用户角色、权限、JWT 鉴权结合起来给不同用户开放不同操作。面试官这轮比上一轮稳定一些。第三轮AI 能力与系统演进面试官现在我们给社区加一个 AI 辅助创作和智能审核。你会怎么引入 Spring AI燕双非可以把用户输入、历史会话、社区规则一起喂给大模型然后通过 Spring AI 封装模型调用。复杂一点的话再接 RAG从知识库里检索社区规范、禁词库和历史案例。面试官很好。那 RAG 里向量数据库和语义检索怎么配合燕双非先把文档切分、向量化存到 Milvus 或 Redis Vector 里。用户提问时做语义检索找出最相关的片段再拼接到提示词里减少幻觉。面试官如果要做一个“智能客服 审核助手”的 Agent你怎么理解工具调用和工作流燕双非Agent 就是模型可以按步骤调用工具比如查用户状态、查发帖历史、查敏感词服务。工作流可以把这些步骤编排起来保证可控性避免模型乱来。面试官最后一个问题如果线上出现 AI 幻觉导致误判你怎么兜底燕双非关键结论要做规则校验和人工复核高风险场景不要只靠模型结果还要结合检索证据、置信度阈值和审计日志。面试官行吧今天先到这儿你回去等通知吧。面试题详解1. Java 17 适合大厂项目升级的原因Java 17 是长期支持版本适合企业级服务升级。record 适合承载不可变数据对象减少样板代码sealed class 有助于约束继承体系switch 表达式提升可读性。实际业务中内容社区、订单服务、审核服务都可以从更简洁的领域模型中受益。2. Spring Boot 分层设计的业务价值Controller 负责协议适配Service 负责业务编排DAO 负责数据访问。对于发帖、评论、点赞这类高频接口分层后更利于测试、复用和灰度演进。若接入 Kafka 发送异步事件建议在 Service 层统一管理事务边界。3. Kafka 在内容社区里的常见用法Kafka 适合解耦“发布内容”和“后续处理”。比如发帖成功后异步触发推荐、搜索索引、风控审核、消息通知。要关注幂等、重试、死信队列、消息顺序和消费积压。常见方案包括业务唯一键去重、分区键设计、outbox 模式。4. Redis 缓存设计与一致性热门帖、榜单、计数器适合放 Redis。注意缓存穿透、击穿、雪崩。数据库更新后再删缓存是常见做法复杂场景可用延迟双删或消息驱动失效。计数类数据若强一致性要求不高可以采用异步汇总若要求高则需结合数据库与缓存协同设计。5. HikariCP 的优势HikariCP 以高性能、低开销著称连接获取快、配置简洁适合高并发 Java 服务。大厂里通常还会配合监控指标观察 active、idle、wait time防止数据库连接被打满。6. Spring Security 与 JWT 的关系Spring Security 负责认证授权框架能力JWT 常用于无状态令牌传递。内容社区中JWT 可携带用户身份与角色信息Spring Security 通过过滤器链完成鉴权。对于审核、管理员、普通用户等不同角色可以用权限控制区分能力边界。7. Spring AI RAG 在社区场景的落地方式Spring AI 用于统一接入模型能力RAG 用于把企业知识、社区规范、FAQ、案例库引入生成过程。典型流程是文档加载、切分、向量化、向量数据库存储、语义检索、拼接提示词、生成答案。这样可以显著降低幻觉提高答案可追溯性。8. Agent、工具调用与复杂工作流Agent 更像“会调用工具的模型”适合查状态、拉数据、触发流程。复杂工作流适合把审核、推荐、客服、工单等步骤编排起来确保可控、可审计、可回放。企业场景一般会把高风险动作放在人审或规则引擎之后。9. AI 幻觉的兜底策略不要让模型直接决定高风险结论。正确做法是加入检索证据、设置置信度阈值、结合规则引擎、记录审计日志、保留人工复核入口。比如智能审核中模型判断“疑似违规”最终是否处罚应由规则和人工共同确认。感谢阅读希望这篇内容能帮助你更好地准备 Java 面试也希望能对你的技术成长有所帮助。