2025年程序员工程面试题库及答案

2025年程序员工程面试题库及答案进程与线程的本质区别是什么？在高并发场景下如何选择使用进程还是线程？进程是操作系统资源分配的基本单位，拥有独立的内存空间、文件描述符等资源；线程是CPU调度的基本单位，共享进程的资源，仅拥有自己的栈空间和寄存器状态。高并发场景下，若任务需要隔离资源（如避免内存泄漏影响其他任务）或利用多核优势且任务间通信较少，优先选进程（如微服务架构中不同服务进程）；若任务需高效协作（如Web服务器处理大量短连接），线程更轻量（上下文切换成本低），但需注意线程安全问题（如共享变量加锁）。TCP三次握手时，若第二次握手（SYN+ACK）丢失，客户端和服务端会如何处理？客户端发送SYN后进入SYN_SENT状态，等待SYN+ACK。若超时未收到（默认重传次数2-5次，间隔指数递增），客户端会重发SYN；服务端收到SYN后进入SYN_RCVD状态，发送SYN+ACK并启动超时重传（通常重传5次，总超时约30秒-2分钟）。若所有重传均失败，服务端会关闭该半连接。实际应用中，可通过调整tcp_synack_retries参数优化半连接队列处理，避免SYN洪泛攻击时资源耗尽。设计一个支持O(1)时间复杂度插入、删除、随机访问的动态集合，需考虑线程安全。使用哈希表（如Java的ConcurrentHashMap）存储元素值到节点的映射，同时维护一个动态数组保存元素。插入时，将元素添加到数组末尾，哈希表记录值到数组下标的映射；删除时，取数组最后一个元素覆盖待删除位置，更新哈希表中该元素的下标，再删除数组末尾元素（保证数组连续）；随机访问通过数组下标O(1)获取。线程安全可通过读写锁（如ReentrantReadWriteLock）或CAS操作实现，插入和删除时加写锁，随机访问加读锁。MySQL中，RR（可重复读）隔离级别如何解决不可重复读？是否存在其他问题？RR通过MVCC（多版本并发控制）实现：每个事务启动时记录当前版本号，读取时访问该版本号之前的历史数据（undo日志），确保事务内多次读取结果一致。但RR仍存在幻读问题（同一事务内，两次范围查询返回不同行数）。MySQLInnoDB通过间隙锁（GapLock）解决幻读：执行写操作时，对查询范围加间隙锁，防止其他事务插入新记录。例如，查询id>10的记录，会对(10,+∞)间隙加锁，阻止插入id=11的记录。实现一个LRU缓存，要求支持并发读写，容量为N时淘汰最久未使用的元素。核心结构：双向链表（维护访问顺序）+哈希表（键到链表节点的映射）。双向链表头部为最近访问节点，尾部为最久未访问节点。写操作（put）：若键存在，更新值并将节点移到头部；若不存在且容量已满，删除尾部节点及哈希表映射，再插入新节点到头部；若未满，直接插入头部。读操作（get）：若键存在，将节点移到头部并返回值；不存在返回-1。并发场景下，使用可重入锁（如Java的ReentrantLock）或Go的sync.Mutex保护链表和哈希表的修改操作。示例代码（Java）：```javaclassLRUCache{classNode{intkey,value;Nodeprev,next;Node(intk,intv){key=k;value=v;}}privateMap<Integer,Node>map=newHashMap<>();privateNodehead=newNode(0,0),tail=newNode(0,0);privateintcapacity;privateReentrantLocklock=newReentrantLock();publicLRUCache(intcap){capacity=cap;head.next=tail;tail.prev=head;}publicintget(intkey){lock.lock();try{if(!map.containsKey(key))return-1;Nodenode=map.get(key);remove(node);addToHead(node);returnnode.value;}finally{lock.unlock();}}publicvoidput(intkey,intvalue){lock.lock();try{if(map.containsKey(key)){Nodenode=map.get(key);node.value=value;remove(node);addToHead(node);}else{if(map.size()==capacity){NodetoRemove=tail.prev;map.remove(toRemove.key);remove(toRemove);}NodenewNode=newNode(key,value);map.put(key,newNode);addToHead(newNode);}}finally{lock.unlock();}}privatevoidremove(Nodenode){node.prev.next=node.next;node.next.prev=node.prev;}privatevoidaddToHead(Nodenode){node.prev=head;node.next=head.next;head.next.prev=node;head.next=node;}}```Kafka如何保证消息的有序性？在分区数大于1时如何处理？Kafka的有序性基于分区内的顺序写入：每个分区是一个有序的日志文件，生产者按顺序写入，消费者按顺序读取（offset递增）。单分区可保证全局有序；若分区数>1，消息按key哈希路由到不同分区，不同分区间无法保证全局有序。若业务需要全局有序，可采取：1）将消息发送到单分区（牺牲吞吐量）；2）在业务层维护全局顺序号，消费者按顺序号重新排序（适用于允许延迟的场景）；3）使用事务（Kafka0.11+支持），确保跨分区消息的原子性，但会降低性能。设计一个高并发的短链接服务，需考虑哪些关键点？1.提供算法：短码长度（如6位可提供62^6≈568亿个，足够使用），避免重复（雪花算法或自增ID取模+哈希碰撞处理）。2.存储方案：Redis缓存（快速查询）+MySQL/TiDB持久化（长链接与短码映射），缓存设置过期时间（如7天），同步更新主从。3.流量分流：Nginx负载均衡，根据地域或运营商路由；CDN加速静态跳转页面，减少源站压力。4.防刷机制：IP限流（如每分钟100次），短码提供频率限制，检测异常请求（如短时间内大量不同长链接转换）。5.容灾处理：主备机房同步，Redis哨兵模式，数据库双活，故障时自动切换；短码提供服务使用分布式ID提供器（如Leaf），避免单点故障。Java中，类加载的过程分为哪几个阶段？双亲委派模型的作用是什么？如何打破该模型？类加载阶段：加载（通过类加载器获取字节流）、验证（文件格式/元数据/字节码/符号引用验证）、准备（为静态变量分配内存并赋初始值）、解析（将符号引用转为直接引用）、初始化（执行类构造器<clinit>()方法，赋值静态变量和执行静态代码块）。双亲委派模型：类加载器收到加载请求时，先委托父类加载器加载，父类无法加载再自己加载。作用是避免重复加载（同一类由同一加载器加载）、保证核心类安全（如java.lang.String由启动类加载器加载，防止用户自定义同名类覆盖）。打破场景：1）热部署（如Tomcat的WebAppClassLoader为每个应用单独加载类，父类加载器（AppClassLoader）无法加载应用类）；2）OSGi（动态模块加载，自定义类加载器根据Bundle需求加载）；3）SPI机制（如JDBC，线程上下文类加载器可加载父类加载器无法访问的实现类）。Python中GIL的作用是什么？如何绕过GIL实现多线程并行？GIL（全局解释器锁）是Python解释器（如CPython）为保证线程安全而设计的互斥锁，同一时间仅允许一个线程执行字节码。作用是简化内存管理（避免多线程同时修改Python对象导致的竞态条件），但限制了CPU密集型任务的多线程并行（只能并发不能并行）。绕过方式：1）多进程（multiprocessing模块，每个进程有独立GIL，适用于CPU密集型）；2）C扩展（在C代码中释放GIL，如使用Py_BEGIN_ALLOW_THREADS宏）；3）使用其他解释器（如PyPy的TracingJIT支持真并行，但生态不如CPython）；4）异步编程（asyncio，单线程事件循环处理I/O密集型任务，避免线程切换开销）。如何定位线上Java应用的CPU使用率过高问题？步骤：1）通过top命令找到CPU高的进程PID；2）top-HpPID查看该进程下高CPU的线程TID；3）jstackPID>stack.log，将TID转为16进制（如TID=1234→0x4D2），在stack.log中搜索0x4D2，定位具体线程的堆栈；4）分析堆栈：若线程在执行业务代码（如循环计算），检查是否有死循环或低效算法；若在等待锁（BLOCKED状态），检查锁竞争（jconsole或jmc查看锁持有情况）；若频繁GC（GC线程CPU高），通过jstat-gcPID100010观察GC频率，jmap-heapPID查看堆内存使用，可能是内存泄漏（对象未被回收）或堆内存不足。分布式系统中，如何实现一个可靠的消息通知（如订单支付成功后通知库存系统）？需考虑：1）消息持久化：使用Kafka/RabbitMQ等消息队列，设置消息持久化（如Kafka的acks=all），避免Broker宕机丢失；2）消息确认：生产者开启同步确认（如RabbitMQ的publisherconfirm），消费者使用手动ack（处理完成后确认，失败则重新入队或进入死信队列）；3）幂等性：消费者接口设计为幂等（如根据订单ID去重，数据库唯一索引），避免重复消费；4）补偿机制：消息发送失败时记录日志，通过定时任务扫描未确认消息并重发（如数据库记录消息状态，状态为“未发送”则重推）；5）超时处理：设置消息过期时间（如30分钟），过期后进入异常队列人工处理；6）事务消息（如RocketMQ的事务消息）：先发送半消息，本地事务提交后再确认，避免本地事务失败但消息已发送的问题。Go语言中，协程（Goroutine）与线程的区别是什么？调度器（GPM模型）如何优化并发性能？协程是用户态轻量级线程，创建成本低（几KB栈空间），由Go运行时调度；线程是内核态线程，创建成本高（MB级栈空间），由OS调度。GPM模型中，G（Goroutine）是任务，P（Processor）是逻辑处理器（持有本地G队列和M的上下文），M（Machine）是内核线程。调度过程：当M需要运行G时，从P的本地队列取G；若本地队列为空，从全局队列“偷”一半G（工作窃取）；若G阻塞（如I/O），M与P解绑，P寻找其他M继续运行；I/O完成后，G被重新放入P的队列。优化点：减少内核调度次数（P管理本地队列，减少M与内核交互）、利用缓存（P固定绑定M，G在P的本地队列中运行，缓存友好）、避免阻塞（I/O时M释放P，其他G可继续运行）。如何优化MySQL的慢查询？举例说明。步骤：1）开启慢查询日志（slow_query_log=1，long_query_time=1），记录执行时间>1秒的语句；2）使用EXPLAIN分析慢查询的执行计划，关注type（最好是const，最差是ALL）、key（使用的索引）、rows（扫描行数）；3）优化索引：若where条件字段未索引，添加索引（如whereuser_id=?andstatus=1，创建(user_id,status)联合索引）；避免索引失效（如函数操作index_col、!=、or条件未覆盖索引）；4）优化SQL逻辑：避免SELECT，只取需要的字段；将子查询改为JOIN（如SELECTa.FROMaWHEREidIN(SELECTidFROMb)改为SELECTa.FROMaJOINbONa.id=b.id）；5）分库分表：若单表数据量超1000万，按时间或ID哈希拆分（如订单表按用户ID模10分表）；6）读写分离：主库写，从库读（适用于读多写少场景），使用中间件（如ShardingSphere）自动路由。例如，慢查询：SELECTorder_id,amountFROMordersWHEREuser_id=1234ANDcreate_time>'2024-01-01'ANDstatus=1ORDERBYcreate_timeDESCLIMIT10;优化前执行计划显示type=range，rows=10000（扫描1万行）。通过创建(user_id,status,create_time)联合索引（覆盖查询字段），type变为ref，rows=100，利用索引的有序性避免文件排序（Usingfilesort消失），执行时间从500ms降至50ms。在微服务架构中，如何设计服务的降级与熔断？降级：当服务压力过大时，暂时关闭非核心功能（如电商大促时关闭“用户评价”接口），返回默认值或缓存数据。实现方式：配置中心（如Apollo）动态下发降级开关，代码中检查开关状态，触发时返回降级响应；使用Hystrix或Sentinel的@Degrade注解定义降级逻辑（如调用失败时执行fallback方法）。熔断：当服务错误率超过阈值（如5秒内错误率>50%），触发熔断，拒绝所有请求（快速失败），进入半开状态（尝试放行部分请求，若成功则关闭熔断，失败则重新打开）。Sentinel中可配置熔断规则（RT>500ms、异常比例>20%、异常数>5次），通过滑动窗口统计请求状态。例如，订单服务调用库存服务，库存服务因数据库故障错误率达80%。Sentinel检测到异常比例>50%，触发熔断，订单服务调用库存服务时直接抛出BlockException，执行fallback返回“库存查询暂不可用”。5秒后进入半开状态，放行1个请求，若成功则恢复调用；若失败，继续熔断。如何设计一个支持动态扩缩容的分布式任务调度系统？核心模块：1）任务管理：存储任务元信息（周期、参数、执行器），支持CRUD和状态变更（启用/暂停）；2）调度中心：根据任务周期提供待执行任务（如Quartz的Cron表达式），使用一致性哈希或负载均衡算法（如最小负载）将任务分配给执行节点；3）执行节点：拉取分配的任务，执行并上报结果（成功/失败/重试）；4）注册中心（如Consul/Etcd）：执行节点启动时注册，下线时注销，调度中心实时感知节点列表；5）扩缩容策略：监控执行节点的CPU/内存使用率（Prometheus+Grafana），当负载>80%时自动创建新节点（调用云API），负载<30%时销毁空闲节点；6）容错处理：任务超时（设置执行超时时间，超时后标记为失败并重试）、节点宕机（调度中心检测到节点离线，重新分配未完成任务）。例如，系统检测到执行节点A的CPU持续90%，触发扩容，创建节点B并注册到Consul。调度中心重新计算任务分配，将部分任务从A迁移到B。节点B启动后拉取任务并执行，降低A的负载。当负载恢复正常，系统自动缩容，销毁B并将任务迁回A（或其他节点）。在前端性能优化中，如何减少首屏加载时间？1.资源压缩：JS/CSS使用Terser/PostCSS压缩，图片转WebP/AVIF格式（比JPEG小25%-50%），SVG优化（去除元数据）；2.懒加载：非首屏图片/组件使用IntersectionObserverAPI延迟加载，路由懒加载（如React的React.lazy）；3.缓存策略：设置HTTP缓存（Cache-Control:max-age=31536000），静态资源加哈希戳（如app.abc123.js），利用ServiceWorker缓存离线资源；4.减少请求数：合并CSS/JS文件（Webpack的SplitChunksPlugin），使用雪碧图（CSSSprite）合并小图片，图标用IconFont或SVG