一、语雀-JVM面试题
1、什么是堆外内存？如何使用堆外内存？
1. NIO用堆外内存的原因
2、什么是跨代引用，有什么问题？
3、内存泄漏和内存溢出的区别是什么？
4、什么是Class常量池，和运行时常量池关系是什么？
5、什么是safe point，有啥用？
6、JDK1.8和1.9中类加载器有哪些不同
1. JDK 1.8及之前
7、JVM的并发回收和并行回收
8、为什么初始标记和重新标记需要STW，而并发标记不需要？
9、项目中如何选择垃圾回收器？为啥选择这个？
二、语雀-MySQL面试题
1、SQL执行计划分析的时候，要关注哪些信息？
在分析SQL执行计划时，需重点关注以下信息：访问路径（如全表扫描、索引扫描）、连接类型（Nested Loop、Hash Join、Merge Join）、操作成本（CPU、I/O开销）、索引使用情况（是否命中、选择性是否合理）、数据分布统计（行数估算与实际差异）、潜在性能瓶颈（如大表扫描、排序操作、临时表使用），同时需对比执行计划中预估行数（Rows）与实际行数（Actual Rows）的偏差，以判断统计信息准确性或查询逻辑问题，并基于此优化索引设计、重写查询或调整数据库配置参数。
1. 如何判断一条SQL走没走索引
2、MySQL只操作同一条记录，也会发生死锁吗？
1. 锁冲突的根源
• 行级锁的粒度差异：
InnoDB 的行锁（如 Next-Key Lock）不仅锁定记录本身，还可能锁定索引范围（间隙锁）。若两个事务以不同顺序访问同一记录的索引或间隙，可能引发锁竞争。
• 多索引影响：
若同一记录有多个索引（如主键索引和二级索引），事务可能通过不同索引路径锁定同一数据，导致锁结构冲突。
2. 典型死锁场景
场景示例：
- 事务 A：
- 更新记录
WHERE id = 1（通过主键索引），获取主键锁。 - 尝试更新记录
WHERE name = 'A'（通过二级索引），此时需加锁二级索引及对应的主键范围。
- 事务 B：
- 更新记录
WHERE name = 'A'（通过二级索引），获取二级索引锁。 - 尝试更新记录
WHERE id = 1（通过主键索引），发现主键已被事务 A 锁定。
此时，事务 A 和 B 互相持有对方需要的锁，形成循环等待，触发死锁。
3. 隔离级别的影响
• 可重复读（REPEATABLE READ）：
默认隔离级别下，InnoDB 使用 Next-Key Lock（行锁 + 间隙锁），更容易因间隙范围锁定引发冲突。
• 读已提交（READ COMMITTED）：
仅使用行锁，减少间隙锁范围，但仍可能因多索引或不同访问路径导致死锁。
3、数据库死锁如何解决？
4、索引失效的问题如何排查？
5、如何进行SQL调优？
以下是针对每个优化点的段落总结：
1. 分析执行计划（EXPLAIN）
通过EXPLAIN分析SQL执行计划是优化的首要步骤。需重点关注type字段，避免全表扫描（ALL），优先使用索引扫描（index、range、ref等）；通过key字段确认实际使用的索引，若为NULL则可能未命中索引；结合rows字段与真实扫描行数（actual rows）差异，判断统计信息准确性；同时留意Extra列中的Using filesort或Using temporary等警告，这些操作会导致额外资源消耗。例如，若发现type=ALL，需检查是否缺少索引或索引选择性不足。
2. 索引优化
合理使用索引是提升查询性能的核心。应创建覆盖索引（包含查询所需全部字段）以避免回表，设计联合索引时需遵循最左前缀原则（如(user_id, order_date)匹配WHERE user_id=1 AND order_date>条件）。同时需避免冗余索引（如已有(a,b)时无需单独建(a)）。索引失效的常见场景包括对索引列使用函数（如YEAR(create_time)）、隐式类型转换（如字符串列用数字查询）及LIKE以通配符开头（如'%abc'），需针对性优化。
3. 查询语句重写
优化查询语句可直接降低资源消耗。通过精准WHERE过滤减少扫描数据量，分页场景应避免大偏移量（改用WHERE id > 值 LIMIT）；简化复杂查询，拆分多表JOIN或改用临时表存储中间结果；优化JOIN逻辑时，将小表置于左侧并确保JOIN字段有索引；同时避免SELECT *，仅查询必要字段以减少网络和内存开销。
4. 数据库参数调优
合理配置数据库参数可显著提升性能。内存参数如innodb_buffer_pool_size建议设为物理内存的70%~80%以缓存数据；高读场景可启用query_cache，但高并发写入需谨慎；调整max_connections控制连接数，避免内存溢出；启用slow_query_log记录慢SQL定位瓶颈；磁盘层面采用SSD或RAID提升I/O效率。
5. 数据与表结构优化
表结构设计直接影响性能。按时间或范围分区可减少单次查询数据量（如按月分区订单表）；垂直拆分将低频字段分离至其他表，水平分表（如按用户ID哈希）解决单表数据膨胀问题；选择紧凑数据类型（如INT替BIGINT、VARCHAR(20)替TEXT）降低存储与计算成本。
8. 实际场景案例
• 案例1：某查询因缺失索引触发全表扫描，通过添加联合索引(user_id, order_date)将耗时从10秒降至200ms。
• 案例2：复杂JOIN生成临时表导致性能下降，通过拆分为两步查询（先索引过滤再JOIN）显著提升效率。
6、慢SQL的问题如何排查？
