互联网大厂 Java 面试实录Spring Boot Kafka Redis Spring AI 的电商与 AIGC 场景场景一家互联网大厂的电商增长与智能客服团队正在招聘一名 Java 后端工程师。面试官严肃冷静候选人是外号“燕双非”的水货程序员平时嘴上很会真正上手就有点飘。第一轮电商秒杀与基础架构面试官我们先从电商秒杀说起。下单接口要扛住高并发你会怎么设计燕双非这个简单前端先做个按钮防抖后端再加个 Redis 缓存应该就差不多了。面试官按钮防抖只能减少误点真正的问题是库存一致性、幂等、限流和削峰。你再说说燕双非嗯……可以先把库存预热到 Redis然后用 Kafka 做异步下单用户先收到“排队中”等消息消费成功再落库。幂等的话用订单号或者 token 校验一下。面试官思路比刚才完整了。那你会怎么避免超卖燕双非可以用 Redis Lua 脚本原子扣减库存扣成功再发 Kafka 消息。数据库里再加乐观锁兜底。面试官可以至少说明你知道“先快后稳”的设计。面试官Spring Boot 项目里Redis 你会怎么接入缓存和会话要注意什么燕双非Spring Cache 配 Redis注解一打就能用。会话的话可以放 Redis集群里大家都能读。面试官不错但要补充失效策略、序列化方式和缓存穿透。继续。面试官如果用 Kafka 做订单事件你怎么保证消费者不重复处理燕双非保存消息 offset……然后消费完成再提交。业务上再用订单唯一键做幂等。面试官这部分回答得还算稳。第二轮智能客服与 AI 能力接入面试官现在我们把电商扩展成智能客服系统。用户会问“我的订单为什么还没到”你怎么设计一个基于 Spring AI 的问答链路燕双非直接把用户问题发给大模型让它自己想。面试官这就是典型的“AI 幻觉”风险。你再具体一点。燕双非哦那就先做文档加载把订单规则、物流说明、售后政策导入向量数据库比如 Milvus。用户提问后先语义检索再把检索结果拼进提示词最后交给大模型生成回答。面试官这已经接近 RAG 了。那 Agent 和工具调用在这里怎么用燕双非可以让 AI 先判断是查订单、查物流还是查退款然后通过标准化工具调用去访问订单服务、物流服务、客服工单系统。这个……有点像智能代理。面试官对这样就不是纯聊天而是可执行的业务助手。那你怎么控制它乱调用燕双非要做权限校验、工具白名单还有提示词约束。对敏感信息要脱敏不能让模型直接看到所有字段。面试官很好。那如果在线客服系统要支持多轮对话你怎么处理上下文燕双非聊天会话内存可以保留最近几轮内容但不能无限堆不然 token 太贵。要做摘要压缩必要时只保留关键状态。面试官这就像真正做过产品的人。面试官如果知识库里的内容更新了向量库怎么同步燕双非重新分段、重新 embedding、重建索引。增量更新最好带版本号不然旧答案会混进来。面试官答得不错说明你知道企业文档问答不是“接个大模型就完事”。第三轮稳定性、可观测性与工程落地面试官假设这个系统上线后电商大促期间客服 QPS 暴涨你怎么做稳定性治理燕双非先限流再降级再熔断。Spring Cloud 里可以配 Resilience4j保护核心链路。面试官不错。那链路追踪和监控怎么做燕双非Micrometer 打点Prometheus 拉指标Grafana 看大盘。请求链路用 Jaeger 或 Zipkin方便定位慢接口。面试官很好。异常多的时候怎么快速判断是模型慢、检索慢还是下游慢燕双非给 RAG 的每一段都打埋点分开统计召回耗时、Prompt 构造耗时、模型推理耗时还有工具调用耗时。这样一眼就能看出卡在哪。面试官这才是工程化思维。面试官最后一个问题如果要把这套系统做成可持续交付的 Java 服务你会怎么组织项目燕双非Spring Boot 做主框架Maven 管依赖JUnit 5 和 Mockito 做单测GitHub Actions 或 Jenkins 做 CI/CDDocker 打包Kubernetes 部署。日志用 SLF4J Logback数据库迁移用 Flyway。面试官回答得还可以至少工程链路是通的。面试官今天就先到这里你回去等通知吧。面试问题详细解答1. 秒杀系统如何设计核心是“削峰、限流、异步、幂等、最终一致性”。常见做法是库存预热到 Redis使用 Lua 脚本做原子扣减成功后发送 Kafka 消息异步创建订单数据库层面通过唯一键或乐观锁做兜底。这样能把高并发压力从数据库转移到缓存和消息队列同时避免超卖。2. Redis 在电商系统中的价值是什么Redis 常用于缓存商品详情、库存、用户会话、验证码、热点榜单等。接入 Spring Boot 时常配合 Spring Cache。需要关注缓存穿透、击穿、雪崩以及序列化方式、过期策略和热点 key 保护。3. Kafka 为什么适合订单事件Kafka 擅长高吞吐、可扩展的事件流处理适合订单创建、库存扣减、物流通知等场景。消费端需处理重复消费和消息顺序问题通常通过业务幂等键、事务消息或去重表保证一致性。4. Spring AI 在智能客服中的作用是什么Spring AI 提供与大模型、向量检索、工具调用等能力的统一接入。企业客服场景通常不会直接让模型“自由发挥”而是结合 RAG先检索企业知识再让模型基于检索结果回答降低幻觉风险。5. 什么是 RAG为什么适合企业文档问答RAG 即检索增强生成。先把文档切分、向量化并存入向量数据库用户提问后做语义检索找到相关片段再拼接到 Prompt 中。它适合政策、售后、产品说明、SOP 等知识稳定、更新频繁的企业场景。6. Agent 和工具调用如何落地Agent 不是单纯聊天而是“思考 调用工具 获取结果 再推理”的执行模式。比如客服机器人识别出“查物流”后调用订单查询、物流查询 API再生成自然语言回复。关键是工具白名单、权限控制、参数校验和审计日志。7. 聊天会话内存要注意什么多轮对话需要保留上下文但不能无限增长。通常会保留最近几轮对话或将历史对话摘要压缩后保存。重点是控制 token 成本、避免上下文污染并让系统记住关键业务状态。8. 如何做可观测性Micrometer 负责统一指标采集Prometheus 负责拉取与存储Grafana 做可视化。Jaeger 或 Zipkin 用于分布式链路追踪。对于 AI 系统还应对检索耗时、Prompt 构造耗时、模型推理耗时、工具调用耗时分别打点。9. 如何做稳定性治理可以通过限流、降级、熔断、隔离线程池、缓存兜底来保护核心服务。Spring Cloud 生态中常结合 Resilience4j 实现这些能力。大促期间尤其要优先保障核心交易链路而不是所有功能都全量开放。10. 一套企业级 Java 服务如何持续交付通常使用 Spring Boot 作为基础框架Maven 管理依赖JUnit 5 和 Mockito 进行测试GitHub Actions 或 Jenkins 完成 CI/CDDocker 负责容器化Kubernetes 负责部署与弹性伸缩。数据库变更建议用 Flyway 或 Liquibase 管理保证环境一致性。感谢阅读希望这篇文章能帮助大家更好地准备 Java 面试也希望能对你的业务设计、AI 落地和工程实践有所启发。 互联网大厂 Java 面试实录：Spring Boot + Kafka + Redis + Spring AI 的电商与 AIGC 场景
互联网大厂 Java 面试实录Spring Boot Kafka Redis Spring AI 的电商与 AIGC 场景场景一家互联网大厂的电商增长与智能客服团队正在招聘一名 Java 后端工程师。面试官严肃冷静候选人是外号“燕双非”的水货程序员平时嘴上很会真正上手就有点飘。第一轮电商秒杀与基础架构面试官我们先从电商秒杀说起。下单接口要扛住高并发你会怎么设计燕双非这个简单前端先做个按钮防抖后端再加个 Redis 缓存应该就差不多了。面试官按钮防抖只能减少误点真正的问题是库存一致性、幂等、限流和削峰。你再说说燕双非嗯……可以先把库存预热到 Redis然后用 Kafka 做异步下单用户先收到“排队中”等消息消费成功再落库。幂等的话用订单号或者 token 校验一下。面试官思路比刚才完整了。那你会怎么避免超卖燕双非可以用 Redis Lua 脚本原子扣减库存扣成功再发 Kafka 消息。数据库里再加乐观锁兜底。面试官可以至少说明你知道“先快后稳”的设计。面试官Spring Boot 项目里Redis 你会怎么接入缓存和会话要注意什么燕双非Spring Cache 配 Redis注解一打就能用。会话的话可以放 Redis集群里大家都能读。面试官不错但要补充失效策略、序列化方式和缓存穿透。继续。面试官如果用 Kafka 做订单事件你怎么保证消费者不重复处理燕双非保存消息 offset……然后消费完成再提交。业务上再用订单唯一键做幂等。面试官这部分回答得还算稳。第二轮智能客服与 AI 能力接入面试官现在我们把电商扩展成智能客服系统。用户会问“我的订单为什么还没到”你怎么设计一个基于 Spring AI 的问答链路燕双非直接把用户问题发给大模型让它自己想。面试官这就是典型的“AI 幻觉”风险。你再具体一点。燕双非哦那就先做文档加载把订单规则、物流说明、售后政策导入向量数据库比如 Milvus。用户提问后先语义检索再把检索结果拼进提示词最后交给大模型生成回答。面试官这已经接近 RAG 了。那 Agent 和工具调用在这里怎么用燕双非可以让 AI 先判断是查订单、查物流还是查退款然后通过标准化工具调用去访问订单服务、物流服务、客服工单系统。这个……有点像智能代理。面试官对这样就不是纯聊天而是可执行的业务助手。那你怎么控制它乱调用燕双非要做权限校验、工具白名单还有提示词约束。对敏感信息要脱敏不能让模型直接看到所有字段。面试官很好。那如果在线客服系统要支持多轮对话你怎么处理上下文燕双非聊天会话内存可以保留最近几轮内容但不能无限堆不然 token 太贵。要做摘要压缩必要时只保留关键状态。面试官这就像真正做过产品的人。面试官如果知识库里的内容更新了向量库怎么同步燕双非重新分段、重新 embedding、重建索引。增量更新最好带版本号不然旧答案会混进来。面试官答得不错说明你知道企业文档问答不是“接个大模型就完事”。第三轮稳定性、可观测性与工程落地面试官假设这个系统上线后电商大促期间客服 QPS 暴涨你怎么做稳定性治理燕双非先限流再降级再熔断。Spring Cloud 里可以配 Resilience4j保护核心链路。面试官不错。那链路追踪和监控怎么做燕双非Micrometer 打点Prometheus 拉指标Grafana 看大盘。请求链路用 Jaeger 或 Zipkin方便定位慢接口。面试官很好。异常多的时候怎么快速判断是模型慢、检索慢还是下游慢燕双非给 RAG 的每一段都打埋点分开统计召回耗时、Prompt 构造耗时、模型推理耗时还有工具调用耗时。这样一眼就能看出卡在哪。面试官这才是工程化思维。面试官最后一个问题如果要把这套系统做成可持续交付的 Java 服务你会怎么组织项目燕双非Spring Boot 做主框架Maven 管依赖JUnit 5 和 Mockito 做单测GitHub Actions 或 Jenkins 做 CI/CDDocker 打包Kubernetes 部署。日志用 SLF4J Logback数据库迁移用 Flyway。面试官回答得还可以至少工程链路是通的。面试官今天就先到这里你回去等通知吧。面试问题详细解答1. 秒杀系统如何设计核心是“削峰、限流、异步、幂等、最终一致性”。常见做法是库存预热到 Redis使用 Lua 脚本做原子扣减成功后发送 Kafka 消息异步创建订单数据库层面通过唯一键或乐观锁做兜底。这样能把高并发压力从数据库转移到缓存和消息队列同时避免超卖。2. Redis 在电商系统中的价值是什么Redis 常用于缓存商品详情、库存、用户会话、验证码、热点榜单等。接入 Spring Boot 时常配合 Spring Cache。需要关注缓存穿透、击穿、雪崩以及序列化方式、过期策略和热点 key 保护。3. Kafka 为什么适合订单事件Kafka 擅长高吞吐、可扩展的事件流处理适合订单创建、库存扣减、物流通知等场景。消费端需处理重复消费和消息顺序问题通常通过业务幂等键、事务消息或去重表保证一致性。4. Spring AI 在智能客服中的作用是什么Spring AI 提供与大模型、向量检索、工具调用等能力的统一接入。企业客服场景通常不会直接让模型“自由发挥”而是结合 RAG先检索企业知识再让模型基于检索结果回答降低幻觉风险。5. 什么是 RAG为什么适合企业文档问答RAG 即检索增强生成。先把文档切分、向量化并存入向量数据库用户提问后做语义检索找到相关片段再拼接到 Prompt 中。它适合政策、售后、产品说明、SOP 等知识稳定、更新频繁的企业场景。6. Agent 和工具调用如何落地Agent 不是单纯聊天而是“思考 调用工具 获取结果 再推理”的执行模式。比如客服机器人识别出“查物流”后调用订单查询、物流查询 API再生成自然语言回复。关键是工具白名单、权限控制、参数校验和审计日志。7. 聊天会话内存要注意什么多轮对话需要保留上下文但不能无限增长。通常会保留最近几轮对话或将历史对话摘要压缩后保存。重点是控制 token 成本、避免上下文污染并让系统记住关键业务状态。8. 如何做可观测性Micrometer 负责统一指标采集Prometheus 负责拉取与存储Grafana 做可视化。Jaeger 或 Zipkin 用于分布式链路追踪。对于 AI 系统还应对检索耗时、Prompt 构造耗时、模型推理耗时、工具调用耗时分别打点。9. 如何做稳定性治理可以通过限流、降级、熔断、隔离线程池、缓存兜底来保护核心服务。Spring Cloud 生态中常结合 Resilience4j 实现这些能力。大促期间尤其要优先保障核心交易链路而不是所有功能都全量开放。10. 一套企业级 Java 服务如何持续交付通常使用 Spring Boot 作为基础框架Maven 管理依赖JUnit 5 和 Mockito 进行测试GitHub Actions 或 Jenkins 完成 CI/CDDocker 负责容器化Kubernetes 负责部署与弹性伸缩。数据库变更建议用 Flyway 或 Liquibase 管理保证环境一致性。感谢阅读希望这篇文章能帮助大家更好地准备 Java 面试也希望能对你的业务设计、AI 落地和工程实践有所启发。