企业官网建设流程全解析

面试官，我是燕双非：互联网大厂 Java 面试实录（Spring Boot + Kafka + Redis + AI/RAG）

场景：互联网大厂 Java 求职者面试

面试官神情严肃，翻开简历，抬头看向坐在对面的燕双非。

面试官：我们今天聊一个内容社区 + AIGC 的业务场景。你负责一个“AI 帮用户生成帖子标题、摘要，并自动推荐标签”的后端服务。先从基础开始。

第一轮：Java 基础、JVM、构建与 Web

1.你在 Java 17 里，为什么很多大厂项目仍然会关注 Java 8/11 的兼容性？

2.线上接口偶发 Full GC，你会怎么从 JVM 角度定位是堆内存、元空间还是代码缓存问题？

3.你们这个 AIGC 标题生成服务，为什么会选 Spring Boot 而不是传统 Spring MVC + XML？

4.如果用户请求量突然上涨 10 倍，你会怎么结合 WebFlux 或普通线程池模型评估架构取舍？

燕双非：Java 8/11/17 都得看，因为很多业务系统升级节奏慢，尤其一些依赖库还没完全适配新版本。JVM 问题我一般先看 GC 日志，再看堆外内存、元空间和线程栈占用。Spring Boot 上手快，自动装配省事，适合这种快速迭代的 AI 服务。至于 WebFlux，我觉得如果是高并发 I/O 场景可以考虑，但要看团队是不是能驾驭得住。

面试官：回答得还算完整。说明你不是只会背八股，至少知道“选型要看业务”和“排查要看日志”。

面试官接着在白板上画出服务架构：API 网关、内容生成服务、标签服务、消息队列、缓存层。

5.这个服务如果要做灰度发布和快速回滚，你会怎么结合 Maven/Gradle 的构建产物管理来设计？

燕双非：构建工具主要保证产物一致性，Maven 更常见，Gradle 更灵活。灰度发布的话，我会保证版本号、依赖锁定和制品仓库可追踪，回滚时直接切回上一个稳定版本。

面试官：不错，至少知道构建不是“能打包就行”，而是发布治理的一部分。

第二轮：数据库、缓存、消息与一致性

1.用户发帖后，AI 生成摘要、标签、封面图都需要异步处理，你会用 Kafka 还是 RabbitMQ？为什么？

2.这个社区服务里，用户点击“立即发布”后要求 3 秒内页面可见，但标签推荐可以稍后补全。你怎么设计数据库写入和消息投递的一致性？

3.你会如何用 Redis 做热点内容缓存？如果热点文章突然被大量读取，怎么防止缓存击穿和雪崩？

4.订单式场景和内容式场景的缓存策略有什么区别？这里我们不卖货，但你可以类比说明。燕双非：Kafka 更适合这个场景吧，吞吐高，适合异步流水线；RabbitMQ 路由灵活，适合复杂规则。数据库一致性我会尽量用本地消息表或者事务消息，先落库再发消息，失败就补偿。Redis 热点缓存可以加随机过期时间，互斥锁防击穿，提前预热防雪崩。内容场景更偏读多写少，缓存命中率要高；订单场景更强调强一致和状态流转。

面试官：可以，知道“内容社区”和“交易系统”不是一回事，这点很重要。

面试官继续追问。

5.你会怎么用 MyBatis、JPA 或 Spring Data JDBC 处理内容表与标签表的关系？

燕双非：如果查询逻辑复杂、性能要求高，我更倾向 MyBatis；如果领域模型比较清晰，JPA 适合表达关系；Spring Data JDBC 简单直接，适合轻量场景。内容和标签一般是多对多，我会根据业务访问模式来决定是否拆读模型。

第三轮：微服务、安全、监控与 AI/RAG

1.如果这个 AI 生成服务要做成微服务集群，你会怎么用 Spring Cloud、OpenFeign 和 Resilience4j 设计调用链路？

2.用户输入可能包含敏感信息，AI 服务又会调用外部 embedding 模型和向量数据库。你会怎么用 Spring Security、JWT、OAuth2 做鉴权与权限控制？

3.现在业务要求“根据企业知识库生成帖子并自动回答评论”，你会怎么理解 RAG、Agent、工具调用标准化和向量检索？

4.如果线上出现“模型胡说八道”，你怎么从监控、日志和链路追踪角度定位是提示词问题、检索问题还是模型问题？

燕双非：Spring Cloud 负责服务治理，OpenFeign 方便调用，Resilience4j 做熔断降级和限流。安全方面 JWT 适合无状态认证，OAuth2 用于第三方授权或统一登录，Spring Security 负责整个访问控制链。RAG 就是先检索再生成，Agent 则是让模型能调用工具完成多步任务，向量检索和向量库主要做语义匹配。至于幻觉问题，我会看监控指标、请求日志、检索命中率、上下文长度和模型输出，再区分是召回不准还是提示词不够约束。

面试官：这轮明显比前面难，你答得有方向，但还缺少一些细节。比如工具调用的边界、检索召回策略、提示词模板控制这些还可以再展开。

面试官合上电脑，淡淡地说：

面试官：今天就到这里，你先回去等通知吧。

面试问题详细解答

1. Java 8/11/17 兼容性

大厂项目常常存在多版本并存的现实。Java 8 生态成熟，许多中间件和老业务依赖仍以它为基线；Java 11 是长期支持版本，适合稳步升级；Java 17 引入了更现代的语言特性和更好的性能表现。实际选型要看依赖兼容、团队升级成本、运行时稳定性以及运维环境统一性。

2. JVM 排查 Full GC

定位 Full GC 不能只看“GC 多不多”，要看是什么区域压力导致。若堆空间不足，常见表现是对象分配快、老年代晋升快；若元空间不足，常见于动态代理、类加载过多；若代码缓存压力大，可能与大量 JIT 编译相关。排查时建议结合 GC 日志、jstat、jmap、MAT、以及线上监控平台综合分析。

3. Spring Boot 选型原因

Spring Boot 的核心价值是快速开发、约定优于配置和生态整合。AIGC 或内容生成服务通常需要快速试错、频繁迭代，Boot 在自动配置、starter 依赖管理、Actuator 监控、外部配置化方面非常合适。相比传统 XML 配置，Boot 更易维护和标准化。

4. WebFlux 的适用场景

WebFlux 适合大量 I/O 等待、连接数高、响应链路长的场景，例如网关聚合、流式接口、SSE 或大规模长连接。它不是“性能一定更好”的万能药；如果团队更熟悉阻塞式模型、业务逻辑复杂且 CPU 密集，传统 Spring MVC 往往更稳妥。

5. Maven/Gradle 与灰度发布

构建工具不仅是打包工具，更关系到制品可追溯性、依赖一致性和发布流程。灰度发布要求每个版本可识别、可回滚、可审计。通常需要固定依赖版本、记录构建号、将制品上传到制品库，并在部署系统中按版本切流。Gradle 适合灵活构建，Maven 生态成熟，二者都可支撑规范化发布。

6. Kafka 与 RabbitMQ 选择

Kafka 适合高吞吐、事件流、日志采集、异步流水线，能很好支撑内容社区的“发帖后异步推荐标签、生成摘要、分析审核”等场景。RabbitMQ 更偏复杂路由、低延迟消息分发和业务规则灵活的场景。如果系统后续要做多消费者的数据管道，Kafka 通常更合适。

7. 数据库与消息一致性

常见目标是“业务不丢、消息不乱、可补偿”。可采用本地消息表、Outbox 模式、事务消息或可靠消息最终一致方案。核心原则是先保证主业务落库成功，再推动异步事件出站。消费端需要幂等设计，避免重复消费造成脏数据。

8. Redis 热点缓存治理

内容社区典型“读多写少”，Redis 非常适合热点文章、推荐列表、标签词典等场景。防击穿可以用互斥锁或单飞策略；防雪崩可以使用随机过期时间、分批预热、不同层级缓存；防穿透则可用布隆过滤器或空值缓存。缓存策略要结合内容热度分层设计，而不是所有数据一把梭。

9. MyBatis、JPA、Spring Data JDBC 选择

MyBatis 适合复杂 SQL、强性能控制和大量定制查询；JPA 适合领域模型清晰、关系映射明显的业务；Spring Data JDBC 则更轻量，适合简单 CRUD 和边界清晰的聚合设计。内容与标签这种多对多关系，若读取模式复杂，常会采用读写分离或专门的查询模型。

10. Spring Cloud、OpenFeign、Resilience4j

微服务场景下，OpenFeign 简化调用，Spring Cloud 提供配置、注册、负载均衡等基础能力，Resilience4j 负责熔断、限流、舱壁隔离、重试等韧性治理。对于 AI 服务链路，某一环节失败不应拖垮整条链路，必须有降级策略与兜底响应。

11. JWT、OAuth2、Spring Security

JWT 适合无状态认证，便于服务间传递身份信息；OAuth2 适合第三方授权、统一登录和授权委托；Spring Security 则负责认证、鉴权、权限模型和方法级安全控制。若系统要对企业用户、运营后台、第三方应用做权限隔离，安全体系必须分层设计。

12. RAG、Agent、工具调用

RAG 的核心是“先检索，再生成”，通过向量化、语义检索、文档切分和召回增强来提高回答准确性。Agent 则更进一步，允许模型按计划调用工具完成任务，例如查询知识库、调用业务 API、生成摘要、写入工单。工具调用标准化可以让模型更稳定地与外部系统交互，减少幻觉和格式错误。

13. AI 幻觉排查

AI 幻觉常见原因包括：检索召回质量差、上下文过长导致信息稀释、提示词约束不足、模型本身推理偏差、工具输出不稳定。定位时应结合日志、链路追踪、召回率、命中率、用户反馈与输出质量评估。工程上通常通过更强的检索、引用来源、结构化提示词、输出校验和人工兜底来降低风险。

感谢阅读，希望这篇互联网大厂 Java 面试实录能帮助你在技术面试中更有思路，也更能把知识点和真实业务场景联系起来。祝大家面试顺利，早日拿到满意的 offer！