《揭秘互联网大厂Java面试：从基础到进阶的核心知识点大考察》本文围绕互联网大厂Java面试展开，面试官针对Java核心

在一间明亮却透着些许严肃氛围的会议室里，一场互联网大厂Java求职者面试正在紧张进行。

面试官：“第一轮提问开始。先说说Java中ArrayList和HashMap的底层数据结构分别是什么？”

王铁牛：“ArrayList底层是数组，HashMap底层是数组加链表，JDK1.8 后引入了红黑树。”

面试官：“回答不错。那ArrayList在扩容时具体是怎么操作的？”

王铁牛：“当ArrayList的元素个数达到容量阈值时，会进行扩容，新容量是原容量的1.5倍，然后把原数组的元素复制到新数组。”

面试官：“很好。HashMap在什么情况下会发生哈希冲突，怎么解决哈希冲突的？”

王铁牛：“当不同的键计算出相同的哈希值时就会发生哈希冲突。JDK1.8之前通过链表解决，之后在链表长度大于8且数组长度大于64时，链表会转化为红黑树来优化查找性能。”

面试官：“第二轮提问。讲讲多线程中线程池的核心参数有哪些，分别有什么作用？”

王铁牛：“有核心线程数、最大线程数、存活时间、时间单位、任务队列。核心线程数是线程池初始化时创建的线程数，最大线程数是线程池能容纳的最大线程数，存活时间是线程在没有任务时最多存活的时间，时间单位就是存活时间对应的单位，任务队列用来存放提交但未执行的任务。”

面试官：“不错。那线程池的工作流程是怎样的？”

王铁牛：“当有任务提交时，先看核心线程是否都在执行任务，如果有空闲核心线程就直接执行任务；如果核心线程都在忙，就把任务放入任务队列；如果任务队列满了，再看是否达到最大线程数，没达到就创建新线程执行任务，达到了就按照拒绝策略处理任务。”

面试官：“那常见的线程池拒绝策略有哪些？”

王铁牛：“有AbortPolicy，直接抛出异常；CallerRunsPolicy，让调用者线程来执行任务；DiscardPolicy，直接丢弃任务；DiscardOldestPolicy，丢弃队列中最老的任务。”

面试官：“第三轮提问。Spring框架中IOC和AOP分别是什么，有什么作用？”

王铁牛：“IOC是控制反转，把对象的创建和管理交给Spring容器，降低了对象之间的耦合度。AOP是面向切面编程，在不修改原有代码的基础上，对业务逻辑进行增强，比如日志记录、事务管理。”

面试官：“那Spring Boot相比于Spring有什么优势？”

王铁牛：“Spring Boot简化了Spring应用的搭建和开发过程，它有自动配置功能，能快速整合各种框架，内置了服务器，开发部署更方便。”

面试官：“MyBatis中#{}和${}有什么区别？”

王铁牛：“呃……#{}是预编译处理，能防止SQL注入，${}是字符串替换，在某些情况下可能会有SQL注入风险。”

面试官：“Dubbo是什么，在微服务架构中有什么作用？”

王铁牛：“Dubbo是一个高性能的Java RPC框架，在微服务架构中用于服务治理，能实现服务的注册与发现、负载均衡、远程调用等。”

面试官：“RabbitMQ的应用场景有哪些？”

王铁牛：“可以用于异步处理，比如订单下单后，一些后续操作可以通过消息队列异步处理；还有解耦，不同系统之间通过消息队列通信，降低耦合度；还有流量削峰，在高并发时缓存请求。”

面试官：“xxl - job是什么，有什么特点？”

王铁牛：“它是一个分布式任务调度平台，特点嘛……就是简单易用，支持集群部署，有可视化管理界面。”

面试官：“Redis有哪些数据类型，分别适用于什么场景？”

王铁牛：“有字符串，适用于缓存简单数据；哈希，适合存储对象；列表，可用于消息队列；集合，适合去重场景；有序集合，适用于排行榜之类的场景。”

面试官：“好的，今天的面试就到这里。你整体基础知识掌握得还可以，但对于一些更深入的原理理解还有待加强。回去等我们的通知吧，无论结果如何，我们都会在一周内给你回复。”

答案：

ArrayList和HashMap的底层数据结构：
- ArrayList：底层是数组结构。数组可以快速地根据索引访问元素，所以ArrayList支持快速随机访问。例如，要获取ArrayList中第n个元素，直接通过数组下标访问即可，时间复杂度为O(1)。
- HashMap：JDK1.8之前底层是数组加链表结构，JDK1.8及之后是数组加链表加红黑树结构。数组的每个位置称为桶（bucket），通过哈希函数计算键的哈希值，再对数组长度取模得到桶的索引。当不同键的哈希值计算到相同桶时，就会形成链表（拉链法解决哈希冲突）。当链表长度大于8且数组长度大于64时，链表会转化为红黑树，以提高查找效率。红黑树是一种自平衡的二叉查找树，查找、插入、删除操作平均时间复杂度为O(log n)，相比于链表的O(n)有很大提升。
ArrayList扩容操作：
- ArrayList有一个容量（capacity）和实际元素个数（size）。当size达到容量阈值（一般是容量 - 1）时，会触发扩容。新容量是原容量的1.5倍（原容量右移一位再加原容量）。例如原容量为10，新容量就是15。然后通过System.arraycopy方法将原数组的元素复制到新数组中。扩容操作涉及内存的重新分配和数据复制，所以频繁扩容会影响性能，在初始化ArrayList时，如果能预估数据量大小，最好指定初始容量，以减少扩容次数。
HashMap哈希冲突及解决：
- 哈希冲突发生：由于哈希函数的局限性，不同的键可能计算出相同的哈希值，从而导致哈希冲突。例如，两个不同的字符串“abc”和“cba”，经过哈希函数计算后可能得到相同的哈希值。
- 解决方法：
  - JDK1.8之前：采用链表法。当发生哈希冲突时，在对应桶的位置以链表形式存储多个键值对。查找时，先通过哈希值找到桶，再遍历链表找到对应的键值对，平均时间复杂度为O(n)，n为链表长度。
  - JDK1.8及之后：在链表长度大于8且数组长度大于64时，链表会转化为红黑树。红黑树的查找、插入、删除操作平均时间复杂度为O(log n)，提高了在哈希冲突较多时的查找性能。当红黑树节点数小于6时，又会退化为链表。
线程池核心参数及作用：
- 核心线程数（corePoolSize）：线程池初始化时创建的线程数，这些线程会一直存活，即使处于空闲状态，除非设置了allowCoreThreadTimeOut为true。例如，一个任务队列中有任务不断进来，线程池会优先使用核心线程来处理任务。
- 最大线程数（maximumPoolSize）：线程池能容纳的最大线程数。当任务队列已满，且核心线程都在忙碌时，如果此时任务数超过核心线程数，线程池会创建新线程，直到线程数达到最大线程数。
- 存活时间（keepAliveTime）：当线程数大于核心线程数时，多余的空闲线程在没有任务执行的情况下，最多存活的时间。例如，线程池当前有10个线程，核心线程数为5，当有5个线程空闲时间超过存活时间，这些线程会被销毁。
- 时间单位（unit）：存活时间对应的时间单位，如TimeUnit.SECONDS（秒）、TimeUnit.MILLISECONDS（毫秒）等。
- 任务队列（workQueue）：用来存放提交但未执行的任务。常见的任务队列有ArrayBlockingQueue（有界数组队列）、LinkedBlockingQueue（无界链表队列）、SynchronousQueue（同步队列，不存储任务，直接提交给线程处理）等。不同的任务队列特性会影响线程池的性能和行为。
线程池工作流程：
- 当有任务提交到线程池时：
  - 首先检查核心线程是否都在执行任务，如果有空闲的核心线程，就直接将任务分配给空闲核心线程执行。
  - 如果核心线程都在忙碌，任务会被放入任务队列。
  - 如果任务队列已满，再检查当前线程数是否达到最大线程数。若未达到，会创建新线程来执行任务；若已达到最大线程数，就按照拒绝策略处理任务。
常见线程池拒绝策略：
- AbortPolicy：直接抛出RejectedExecutionException异常，阻止系统正常运行。例如，在一个对任务处理非常严格，不允许任务丢失的场景下，如果线程池无法处理新任务，采用此策略可以及时发现问题。
- CallerRunsPolicy：让调用者线程来执行任务。这样做的好处是不会丢弃任务，也不会抛出异常，但可能会影响调用者线程的性能。比如在一个Web应用中，当线程池满时，由处理请求的主线程来执行任务，可能会导致后续请求响应变慢。
- DiscardPolicy：直接丢弃任务，不做任何处理。适用于对任务可靠性要求不高，允许部分任务丢失的场景，如一些日志记录任务。
- DiscardOldestPolicy：丢弃队列中最老的任务（即将队列头部的任务丢弃），然后尝试提交新任务。这种策略适用于希望优先处理新任务的场景。
Spring框架中IOC和AOP：
- IOC（控制反转）：
  - 概念：把对象的创建和管理交给Spring容器，而不是由应用程序自己创建和管理对象。例如，在传统Java开发中，一个类A依赖类B，需要在类A中通过new关键字创建类B的实例。而在Spring中，通过配置或注解，由Spring容器来创建和注入类B的实例到类A中。
  - 作用：降低了对象之间的耦合度。使得代码的可维护性和可测试性增强。比如类A和类B的实现发生变化，只需要修改Spring配置或相关注解，而不需要在类A的代码中修改创建类B实例的逻辑。
- AOP（面向切面编程）：
  - 概念：在不修改原有业务逻辑代码的基础上，对业务逻辑进行增强。例如，在一个电商系统中，订单处理的业务逻辑是核心功能，而日志记录、事务管理等功能可以通过AOP切面来实现，不影响订单处理的核心代码。
  - 作用：实现了业务逻辑的模块化和复用。将通用的功能（如日志、事务）抽取出来，以切面的形式应用到多个业务逻辑中，提高了代码的复用性和可维护性。
Spring Boot相比于Spring的优势：
- 简化搭建和开发：Spring Boot提供了大量的starter依赖，通过引入相关的starter，就能快速整合各种框架，如Spring Boot Starter for MyBatis，引入后就能方便地使用MyBatis进行数据库操作。
- 自动配置：Spring Boot能根据项目中引入的依赖自动进行配置。例如，引入了MySQL依赖和Spring Data JPA依赖，Spring Boot就能自动配置好数据源、JPA相关的配置，开发者无需手动编写大量的配置文件。
- 内置服务器：Spring Boot内置了Tomcat、Jetty等服务器，开发完成后可以直接打包成可执行的jar或war文件，直接运行，无需像Spring项目那样部署到外部服务器，开发部署更方便快捷。
MyBatis中#{}和${}的区别：
- #{}：是预编译处理。MyBatis在处理#{}时，会将SQL中的#{}替换为?占位符，然后使用PreparedStatement进行设置参数值。例如，SQL语句为“SELECT * FROM user WHERE username = #{username}”，实际执行时会变为“SELECT * FROM user WHERE username =?”，然后通过PreparedStatement的setString方法设置参数值。这样能有效防止SQL注入攻击，因为参数值不会被解析为SQL语句的一部分。
- ** ${}**：是字符串替换。MyBatis在处理$ {}时，会直接将 ${}中的内容替换到SQL语句中。例如，SQL语句为“SELECT * FROM user WHERE username =$ {username}”，如果username变量值为“admin OR 1 = 1”，那么实际执行的SQL语句就是“SELECT * FROM user WHERE username = admin OR 1 = 1”，这就导致了SQL注入风险。所以在使用${}时，要确保传入的值是安全的，一般用于传入表名、列名等，且要对传入值进行严格校验。
Dubbo在微服务架构中的作用：

服务注册与发现：Dubbo提供了服务注册中心（如Zookeeper、Nacos等），服务提供者将自己的服务注册到注册中心，服务消费者从注册中心获取服务提供者的地址信息。这样实现了服务的自动发现，消费者无需手动配置服务提供者的地址，提高了系统的可维护性和扩展性。例如，当服务提供者的地址发生变化时，注册中心会更新信息，消费者能及时获取到新地址。
负载均衡：当有多个服务提供者提供相同的服务时，Dubbo能实现负载均衡，将请求均匀地分配到各个服务提供者上。常见的负载均衡算法有随机、轮询、最少活跃调用数等。例如，随机算法会随机选择一个服务提供者来处理请求，轮询算法会按照顺序依次选择服务提供者，最少活跃调用数算法会优先选择当前活跃调用数最少的服务提供者，以提高系统的整体性能和可用性。
远程调用：Dubbo采用高性能的RPC（远程过程调用）协议，实现了不同服务之间的远程调用。服务消费者可以像调用本地方法一样调用远程服务提供者的方法，隐藏了远程调用的细节，使得微服务之间的通信更加简单和高效。

RabbitMQ的应用场景：

异步处理：例如在电商系统中，用户下单后，除了处理订单核心逻辑，还可能需要发送短信通知、更新库存、记录日志等操作。这些操作可以通过消息队列异步处理，将相关任务发送到RabbitMQ队列中，订单处理主线程继续执行后续逻辑，提高了系统的响应速度。
解耦：不同系统之间通过RabbitMQ进行通信，降低了系统之间的耦合度。比如一个电商系统和一个物流系统，电商系统将订单发货信息发送到RabbitMQ队列，物流系统从队列中获取信息进行处理。如果电商系统或物流系统的实现发生变化，只要消息格式不变，就不会影响对方系统。
流量削峰：在高并发场景下，如秒杀活动，大量请求瞬间涌入。可以将请求先发送到RabbitMQ队列中，系统按照一定的速率从队列中获取请求进行处理，避免后端系统因瞬间高并发而崩溃。

xxl - job特点：

简单易用：提供了简洁的API和可视化管理界面，开发者可以方便地进行任务的创建、调度、监控等操作。无需复杂的配置和开发，就能快速搭建起分布式任务调度系统。
支持集群部署：可以部署多个xxl - job执行器节点，提高任务处理的并发能力和可靠性。当某个节点出现故障时，其他节点可以继续处理任务，保证任务的正常执行。
可视化管理界面：通过可视化界面，管理员可以直观地查看任务的执行状态、执行日志、调度计划等信息。方便对任务进行管理和维护，及时发现和解决问题。

Redis数据类型及适用场景：

字符串（String）：
- 数据结构：简单的键值对，值可以是字符串、数字等。
- 适用场景：缓存简单数据，如用户信息、配置参数等。例如，将用户的基本信息（姓名、年龄等）以JSON字符串的形式存储在Redis中，下次获取用户信息时直接从Redis读取，减少数据库查询次数。也可以用于计数场景，如记录网站的访问量，通过INCR命令对存储访问量的字符串值进行递增操作。
哈希（Hash）：
- 数据结构：类似Java中的Map，以字段 - 值的形式存储数据。
- 适用场景：适合存储对象。例如，存储用户的详细信息，每个字段对应一个属性，如“user:1”这个键下，字段“name”对应值“张三”，字段“age”对应值“25”。相比于字符串存储对象，哈希结构在获取部分属性时更高效，不需要获取整个对象字符串再解析。
列表（List）：
- 数据结构：基于链表实现，可以从两端插入和删除元素。
- 适用场景：可用于消息队列。例如，生产者将消息从列表的一端插入，消费者从另一端取出消息进行处理。还可以用于记录最新的操作记录，如用户的登录记录，每次登录将记录插入到列表头部，通过限制列表长度可以只保留最新的若干条记录。
集合（Set）：
- 数据结构：无序且唯一的键集合。
- 适用场景：适合去重场景。比如统计网站的独立访客，每次有新访客访问时，将访客ID加入到Redis的集合中，由于集合的唯一性，重复的访客ID不会被加入，通过获取集合的元素个数就能得到独立