【81-90期】Java核心面试问题深度解析：性能优化与高并发设计

🚀 作者 ：“码上有前”
🚀 文章简介 ：Java
🚀 欢迎小伙伴们 点赞👍、收藏⭐、留言💬

文章题目：Java核心面试问题深度解析：性能优化与高并发设计

摘要：
本文聚焦于第81-90期Java面试的高频问题，从数据库连接池设计、Nginx压缩、多线程事务处理，到Java内存泄漏排查和Spring IOC解耦，全面剖析了关键技术点，并提供详细的代码实例和实践方法，助力开发者深入理解核心Java技术，在面试和实际开发中游刃有余。

---

1. 为什么数据库连接池不采用IO多路复用？

回答：
数据库连接池主要用于管理与数据库之间的TCP连接，而不是直接操作Socket的IO。IO多路复用如epoll主要用于高并发场景下的非阻塞IO处理，适合处理成千上万的短连接。

• 数据库连接池：重在复用数据库的长连接，减少频繁创建和销毁连接的成本。
• IO多路复用：适合大量并发但轻量的网络请求，而数据库操作通常较重。

最佳实践：
使用HikariCP连接池：

HikariConfig config = new HikariConfig();
config.setJdbcUrl("jdbc:mysql://localhost:3306/db");
config.setUsername("user");
config.setPassword("password");
HikariDataSource dataSource = new HikariDataSource(config);

---

2. 说一下Nginx静态压缩和代码压缩

回答：

• 静态压缩：在文件生成时提前压缩，如生成.gz文件，由Nginx直接返回压缩后的静态资源；
• 动态压缩：实时对响应内容进行压缩，常用算法如Gzip。

最佳实践：
在Nginx中启用Gzip动态压缩：

gzip on;
gzip_types text/plain text/css application/json application/javascript;
gzip_min_length 1024;
gzip_comp_level 5;

---

3. 多线程事务怎么回滚？

回答：
多线程环境下事务的回滚需要保证跨线程的一致性，可以通过以下方式实现：

1. 独立事务：每个线程独立控制事务，彼此隔离；
2. 分布式事务：通过分布式事务协调器（如Seata）实现全局事务管理；
3. 手动管理：线程执行结果汇总后决定是否回滚。

最佳实践：
使用Seata管理分布式事务：

@GlobalTransactional
public void execute() {
    // 分布式事务逻辑
}

---

4. Java Switch是如何支持String的？为什么不支持long？

回答：

• String支持：Java 7通过将String转换为hashCode实现支持。
• long不支持：Switch本质上是基于有限离散值（如int、char），而long值范围过大，无法高效实现。

最佳实践：
避免过多case，保持代码简洁：

switch (input) {
    case "A": System.out.println("Option A"); break;
    case "B": System.out.println("Option B"); break;
    default: System.out.println("Default option");
}

---

5. 公司规定所有接口都用POST请求，这是为什么？

回答：

1. 安全性：POST请求参数不会暴露在URL中，更适合传递敏感信息；
2. 灵活性：POST支持更大的请求体；
3. 幂等性：限制为POST可以防止错误修改数据。

最佳实践：
通过Spring Boot限制接口方法：

@PostMapping("/create")
public ResponseEntity<String> create(@RequestBody Data data) {
    // 业务逻辑
}

---

6. Redis的keys命令到底有多慢？

回答：
keys命令会遍历Redis中的所有键，时间复杂度为O(n)，在键数量很大时会导致严重的性能问题，甚至阻塞Redis服务。
替代方案：使用SCAN命令进行分批迭代。

最佳实践：

SCAN 0 MATCH user:* COUNT 100

---

7. 为什么MySQL单表行数不要超过2000万？

回答：

1. 查询性能下降：超过一定规模，查询需要扫描更多行；
2. 索引维护开销大：索引操作效率降低；
3. 备份与恢复：表数据过大会影响备份和恢复速度。

优化方案：

• 垂直拆分：将字段分布到不同表；
• 水平分片：按主键或时间拆分表。

最佳实践：
使用分区表：

CREATE TABLE orders (
    id INT NOT NULL,
    order_date DATE NOT NULL
) PARTITION BY RANGE (YEAR(order_date)) (
    PARTITION p2021 VALUES LESS THAN (2022),
    PARTITION p2022 VALUES LESS THAN (2023)
);

---

8. Java内存泄漏了，怎么排查？

回答：

1. 工具检测：使用JVisualVM、MAT分析堆内存；
2. 日志监控：启用-XX:+HeapDumpOnOutOfMemoryError生成堆转储文件；
3. 代码检查：查找未释放的资源（如InputStream、Socket）。

最佳实践：
启用内存转储：

-XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=/path/to/dump

---

9. Spring IOC为什么能降低耦合？

回答：
Spring IOC（控制反转）通过依赖注入（DI）管理对象的创建和依赖关系，使对象之间通过接口而不是实现类耦合。

• 解耦的原理：依赖通过容器注入，而非在类中硬编码。
• 优点：降低了模块之间的依赖，提高可测试性。

最佳实践：
通过注解实现依赖注入：

@Service
public class UserService {
    @Autowired
    private UserRepository userRepository;
}

---

10. 布隆过滤器和谷鸟过滤器的区别及应用场景？

回答：

1. 布隆过滤器：通过位图和多个哈希函数快速判断元素是否存在，但可能存在误判；
2. 谷鸟过滤器（Cuckoo Filter）：支持删除操作，并且误判率更低。

应用场景：

• 布隆过滤器：适用于黑名单校验、大量数据快速查重。
• 谷鸟过滤器：更适合频繁动态增删场景。

最佳实践：
使用Guava实现布隆过滤器：

BloomFilter<String> filter = BloomFilter.create(Funnels.stringFunnel(Charsets.UTF_8), 1000, 0.01);
filter.put("element");
System.out.println(filter.mightContain("element"));

---

总结：
通过解析第81-90期Java面试问题，本文系统讲解了从数据库设计、内存优化到高并发工具使用的关键技术点，并结合代码实例提供了清晰的解决方案，帮助开发者在性能优化和面试中脱颖而出。

原文地址：https://blog.csdn.net/qq_45832651/article/details/144079745

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！