京东秋招后端开发一面(8.16)

京东秋招后端开发一面（8.16）问题及解答思路如下：

1. 能详细说一下你这个实习做的一些主要的工作吗？（针对简历中的实习经历）

   需结合简历中实习项目描述，重点说明参与的核心模块、技术栈及成果。例如：

   参与后端服务开发，使用Spring Boot框架搭建RESTful API，完成订单模块的CRUD功能。

   优化数据库查询性能，通过添加索引使某接口响应时间从500ms降至100ms。

   协助解决线上服务偶发超时问题，通过日志分析定位到数据库连接池配置不合理，调整参数后问题解决。

2. 能简单说一下TCP和UDP的一些区别吗？

   连接性：TCP是面向连接的协议，需通过三次握手建立连接；UDP是无连接的，直接发送数据包。

   可靠性：TCP提供可靠传输（确认机制、重传、排序）；UDP不保证可靠性，可能丢包或乱序。

   开销：TCP头部较大（20字节以上），含序列号、确认号等字段；UDP头部仅8字节（源/目的端口、长度、校验和）。

   应用场景：TCP适用于文件传输、网页浏览等需可靠性的场景；UDP适用于实时音视频、DNS查询等对延迟敏感的场景。

3. 能详细说一下TCP和UDP的连接过程吗？

   TCP连接过程（三次握手）：

   客户端发送SYN包（序列号=x）到服务器，进入SYN_SENT状态。

   服务器收到后回复SYN+ACK包（序列号=y，确认号=x+1），进入SYN_RCVD状态。

   客户端发送ACK包（确认号=y+1），连接建立，双方进入ESTABLISHED状态。

   UDP连接过程：无连接建立步骤，直接发送数据包，无需确认或状态维护。

4. Redis的数据结构有哪些？

   基础类型：String（字符串）、Hash（哈希）、List（列表）、Set（集合）、ZSet（有序集合）。

   高级类型：

   HyperLogLog：用于基数统计（如UV计算），占用空间极小。

   Geospatial：存储地理位置信息，支持距离计算和范围查询。

   Bitmap：通过位操作实现高效统计（如签到系统）。

5. Redis的底层数据结构了解过吗？

   String：底层为动态字符串（SDS），支持O(1)长度获取和空间预分配。

   Hash：当元素较少时使用压缩列表（ziplist），较多时转为哈希表（dict）。

   ZSet：使用跳表（skiplist）和哈希表结合实现，跳表支持高效范围查询，哈希表支持快速查找。

6. 压缩列表和跳表的特点及原理？

   压缩列表：

   特点：内存紧凑，按顺序存储元素，节省空间；但插入/删除需频繁分配内存，可能引发连锁更新。

   原理：通过zlbytes（总长度）、zltail（尾偏移量）等字段快速定位节点，每个节点包含prev_len（前驱长度）和encoding（编码类型）。

   跳表：

   特点：通过多级索引实现O(logN)时间复杂度的查找、插入、删除，比平衡树实现简单。

   原理：每个节点有多个后继指针（层级随机生成），高层指针用于快速跳过低层节点。

7. Redis主从复制和集群模式下的数据同步机制？

   主从复制：

   全量同步：从库发送PSYNC ? -1，主库执行BGSAVE生成RDB文件并传输，从库加载后主库发送缓冲区中的增量命令。

   增量同步：主库记录写命令到复制缓冲区（环形队列），从库通过offset同步缺失部分。

   集群模式：

   数据分片：通过CRC16算法将键映射到16384个槽（slot），每个节点负责部分槽。

   故障转移：哨兵（Sentinel）监控主节点状态，主节点故障时选举新主并更新槽映射。

8. Redis内存淘汰策略及特点？

   volatile-lru：淘汰最近最少使用的键（仅限设置了过期时间的键）。

   allkeys-lru：淘汰最近最少使用的键（所有键）。

   volatile-ttl：淘汰即将过期的键。

   noeviction：不淘汰，返回OOM错误（默认策略）。

   特点：LRU策略通过近似算法实现（随机采样5个键淘汰最久未使用的），避免全量扫描性能开销。

9. IO多路复用的原理？

   核心思想：通过单个线程监控多个文件描述符（fd）的I/O事件（如可读、可写），避免为每个连接创建线程的开销。

   实现方式：

   select/poll：遍历所有fd检查事件，fd数量有限（select默认1024）。

   epoll（Linux）：基于事件回调机制，仅通知活跃fd，支持边缘触发（ET）和水平触发（LT），无fd数量限制。

10. MySQL索引的底层原理？

    B+树结构：

    非叶子节点仅存储键值和指针，叶子节点存储数据或主键（聚簇索引），且通过指针串联形成有序链表。

    查询效率稳定（O(logN)），范围查询只需定位起始节点后顺序遍历叶子节点。

    哈希索引：

    通过哈希函数直接定位数据，查询效率O(1)，但不支持范围查询和排序。

11. B树和B+树的区别？

    节点内容：B树非叶子节点也存储数据，B+树仅叶子节点存储数据。

    查询效率：B树可能需多次I/O（数据可能分布在任意节点），B+树所有数据在叶子节点，查询更稳定。

    范围查询：B+树叶子节点链表结构支持高效范围查询，B树需中序遍历整棵树。

12. MySQL事务的实现机制？

    原子性：通过undo log实现，事务回滚时执行反向操作。

    持久性：通过redo log实现，事务提交时先写日志再刷盘（WAL机制）。

    隔离性：通过锁（如行锁、表锁）和MVCC（多版本并发控制）实现。

    一致性：通过原子性、持久性、隔离性共同保障。

13. MySQL事务使用中遇到的问题？

    死锁：多个事务互相等待对方释放锁，可通过调整事务顺序或设置锁超时解决。

    幻读：在REPEATABLE READ隔离级别下，通过Next-Key Lock（记录锁+间隙锁）避免。

14. 项目中用到过哪些设计模式？

    单例模式：如数据库连接池，确保全局唯一实例。

    工厂模式：如根据配置动态创建不同数据库驱动实例。

15. 策略模式的应用场景及实现？

    场景：需根据运行时条件动态切换算法（如支付方式选择、排序策略）。

    实现：

    定义策略接口（如PaymentStrategy），不同支付方式（支付宝、微信）实现该接口。

    上下文类（如OrderService）持有策略引用，通过依赖注入切换策略。

16. JVM内存结构？

    线程私有：

    程序计数器：记录当前线程执行的字节码行号。

    虚拟机栈：存储局部变量表、操作数栈等，栈帧随方法调用入栈/出栈。

    本地方法栈：为Native方法服务。

    线程共享：

    堆：存放对象实例，分新生代（Eden、Survivor）和老年代。

    方法区：存储类信息、常量、静态变量（JDK8后改为元空间，使用本地内存）。

17. JVM垃圾回收（GC）机制？

    分代收集：

    新生代（Minor GC）：采用复制算法，Eden区存活对象复制到Survivor区，多次存活后进入老年代。

    老年代（Major GC/Full GC）：采用标记-清除或标记-整理算法，可能伴随STW（Stop-The-World）。

    常见收集器：

    Serial：单线程收集，适合客户端应用。

    CMS：并发标记清除，减少STW时间，但可能产生浮动垃圾。

    G1：面向服务端，将堆划分为Region，优先回收价值高的Region。

18. AQS（AbstractQueuedSynchronizer）原理？

    核心思想：通过CLH队列（双向链表）管理线程等待队列，结合状态变量state实现独占/共享锁。

    获取锁流程：

    线程尝试通过CAS修改state，成功则获取锁；失败则入队并挂起。

    释放锁时唤醒后继节点，后继节点通过自旋+CAS竞争锁。

19. 求二叉树最大深度的算法实现？

    递归法：

    public int maxDepth(TreeNode root) { if (root == null) return 0; return Math.max(maxDepth(root.left), maxDepth(root.right)) + 1;}

    迭代法（BFS）：

    public int maxDepth(TreeNode root) { if (root == null) return 0; Queue<TreeNode> queue = new LinkedList<>(); queue.offer(root); int depth = 0; while (!queue.isEmpty()) { int size = queue.size(); for (int i = 0; i < size; i++) { TreeNode node = queue.poll(); if (node.left != null) queue.offer(node.left); if (node.right != null) queue.offer(node.right); } depth++; } return depth;}

复盘建议：

• 针对技术问题，需系统梳理知识点（如网络协议、数据库、JVM等），避免回答过于零散。
• 模拟面试环境练习表达，减少口头禅和停顿，提升流畅度。
• 即使面试官不追问，也可主动扩展回答（如提到Redis时，可补充其应用场景或性能优化经验），展示深度。