2025年程序員工程面試題庫(kù)及答案進(jìn)程與線程的本質(zhì)區(qū)別是什么？在高并發(fā)場(chǎng)景下如何選擇使用進(jìn)程還是線程？進(jìn)程是操作系統(tǒng)資源分配的基本單位，擁有獨(dú)立的內(nèi)存空間、文件描述符等資源；線程是CPU調(diào)度的基本單位，共享進(jìn)程的資源，僅擁有自己的?？臻g和寄存器狀態(tài)。高并發(fā)場(chǎng)景下，若任務(wù)需要隔離資源（如避免內(nèi)存泄漏影響其他任務(wù)）或利用多核優(yōu)勢(shì)且任務(wù)間通信較少，優(yōu)先選進(jìn)程（如微服務(wù)架構(gòu)中不同服務(wù)進(jìn)程）；若任務(wù)需高效協(xié)作（如Web服務(wù)器處理大量短連接），線程更輕量（上下文切換成本低），但需注意線程安全問題（如共享變量加鎖）。TCP三次握手時(shí)，若第二次握手（SYN+ACK）丟失，客戶端和服務(wù)端會(huì)如何處理？客戶端發(fā)送SYN后進(jìn)入SYN_SENT狀態(tài)，等待SYN+ACK。若超時(shí)未收到（默認(rèn)重傳次數(shù)2-5次，間隔指數(shù)遞增），客戶端會(huì)重發(fā)SYN；服務(wù)端收到SYN后進(jìn)入SYN_RCVD狀態(tài)，發(fā)送SYN+ACK并啟動(dòng)超時(shí)重傳（通常重傳5次，總超時(shí)約30秒-2分鐘）。若所有重傳均失敗，服務(wù)端會(huì)關(guān)閉該半連接。實(shí)際應(yīng)用中，可通過調(diào)整tcp_synack_retries參數(shù)優(yōu)化半連接隊(duì)列處理，避免SYN洪泛攻擊時(shí)資源耗盡。設(shè)計(jì)一個(gè)支持O(1)時(shí)間復(fù)雜度插入、刪除、隨機(jī)訪問的動(dòng)態(tài)集合，需考慮線程安全。使用哈希表（如Java的ConcurrentHashMap）存儲(chǔ)元素值到節(jié)點(diǎn)的映射，同時(shí)維護(hù)一個(gè)動(dòng)態(tài)數(shù)組保存元素。插入時(shí)，將元素添加到數(shù)組末尾，哈希表記錄值到數(shù)組下標(biāo)的映射；刪除時(shí)，取數(shù)組最后一個(gè)元素覆蓋待刪除位置，更新哈希表中該元素的下標(biāo)，再刪除數(shù)組末尾元素（保證數(shù)組連續(xù)）；隨機(jī)訪問通過數(shù)組下標(biāo)O(1)獲取。線程安全可通過讀寫鎖（如ReentrantReadWriteLock）或CAS操作實(shí)現(xiàn)，插入和刪除時(shí)加寫鎖，隨機(jī)訪問加讀鎖。MySQL中，RR（可重復(fù)讀）隔離級(jí)別如何解決不可重復(fù)讀？是否存在其他問題？RR通過MVCC（多版本并發(fā)控制）實(shí)現(xiàn)：每個(gè)事務(wù)啟動(dòng)時(shí)記錄當(dāng)前版本號(hào)，讀取時(shí)訪問該版本號(hào)之前的歷史數(shù)據(jù)（undo日志），確保事務(wù)內(nèi)多次讀取結(jié)果一致。但RR仍存在幻讀問題（同一事務(wù)內(nèi)，兩次范圍查詢返回不同行數(shù)）。MySQLInnoDB通過間隙鎖（GapLock）解決幻讀：執(zhí)行寫操作時(shí)，對(duì)查詢范圍加間隙鎖，防止其他事務(wù)插入新記錄。例如，查詢id>10的記錄，會(huì)對(duì)(10,+∞)間隙加鎖，阻止插入id=11的記錄。實(shí)現(xiàn)一個(gè)LRU緩存，要求支持并發(fā)讀寫，容量為N時(shí)淘汰最久未使用的元素。核心結(jié)構(gòu)：雙向鏈表（維護(hù)訪問順序）+哈希表（鍵到鏈表節(jié)點(diǎn)的映射）。雙向鏈表頭部為最近訪問節(jié)點(diǎn)，尾部為最久未訪問節(jié)點(diǎn)。寫操作（put）：若鍵存在，更新值并將節(jié)點(diǎn)移到頭部；若不存在且容量已滿，刪除尾部節(jié)點(diǎn)及哈希表映射，再插入新節(jié)點(diǎn)到頭部；若未滿，直接插入頭部。讀操作（get）：若鍵存在，將節(jié)點(diǎn)移到頭部并返回值；不存在返回-1。并發(fā)場(chǎng)景下，使用可重入鎖（如Java的ReentrantLock）或Go的sync.Mutex保護(hù)鏈表和哈希表的修改操作。示例代碼（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如何保證消息的有序性？在分區(qū)數(shù)大于1時(shí)如何處理？Kafka的有序性基于分區(qū)內(nèi)的順序?qū)懭耄好總€(gè)分區(qū)是一個(gè)有序的日志文件，生產(chǎn)者按順序?qū)懭耄M(fèi)者按順序讀?。╫ffset遞增）。單分區(qū)可保證全局有序；若分區(qū)數(shù)>1，消息按key哈希路由到不同分區(qū)，不同分區(qū)間無法保證全局有序。若業(yè)務(wù)需要全局有序，可采取：1）將消息發(fā)送到單分區(qū)（犧牲吞吐量）；2）在業(yè)務(wù)層維護(hù)全局順序號(hào)，消費(fèi)者按順序號(hào)重新排序（適用于允許延遲的場(chǎng)景）；3）使用事務(wù)（Kafka0.11+支持），確?？绶謪^(qū)消息的原子性，但會(huì)降低性能。設(shè)計(jì)一個(gè)高并發(fā)的短鏈接服務(wù)，需考慮哪些關(guān)鍵點(diǎn)？1.提供算法：短碼長(zhǎng)度（如6位可提供62^6≈568億個(gè)，足夠使用），避免重復(fù)（雪花算法或自增ID取模+哈希碰撞處理）。2.存儲(chǔ)方案：Redis緩存（快速查詢）+MySQL/TiDB持久化（長(zhǎng)鏈接與短碼映射），緩存設(shè)置過期時(shí)間（如7天），同步更新主從。3.流量分流：Nginx負(fù)載均衡，根據(jù)地域或運(yùn)營(yíng)商路由；CDN加速靜態(tài)跳轉(zhuǎn)頁面，減少源站壓力。4.防刷機(jī)制：IP限流（如每分鐘100次），短碼提供頻率限制，檢測(cè)異常請(qǐng)求（如短時(shí)間內(nèi)大量不同長(zhǎng)鏈接轉(zhuǎn)換）。5.容災(zāi)處理：主備機(jī)房同步，Redis哨兵模式，數(shù)據(jù)庫(kù)雙活，故障時(shí)自動(dòng)切換；短碼提供服務(wù)使用分布式ID提供器（如Leaf），避免單點(diǎn)故障。Java中，類加載的過程分為哪幾個(gè)階段？雙親委派模型的作用是什么？如何打破該模型？類加載階段：加載（通過類加載器獲取字節(jié)流）、驗(yàn)證（文件格式/元數(shù)據(jù)/字節(jié)碼/符號(hào)引用驗(yàn)證）、準(zhǔn)備（為靜態(tài)變量分配內(nèi)存并賦初始值）、解析（將符號(hào)引用轉(zhuǎn)為直接引用）、初始化（執(zhí)行類構(gòu)造器<clinit>()方法，賦值靜態(tài)變量和執(zhí)行靜態(tài)代碼塊）。雙親委派模型：類加載器收到加載請(qǐng)求時(shí)，先委托父類加載器加載，父類無法加載再自己加載。作用是避免重復(fù)加載（同一類由同一加載器加載）、保證核心類安全（如java.lang.String由啟動(dòng)類加載器加載，防止用戶自定義同名類覆蓋）。打破場(chǎng)景：1）熱部署（如Tomcat的WebAppClassLoader為每個(gè)應(yīng)用單獨(dú)加載類，父類加載器（AppClassLoader）無法加載應(yīng)用類）；2）OSGi（動(dòng)態(tài)模塊加載，自定義類加載器根據(jù)Bundle需求加載）；3）SPI機(jī)制（如JDBC，線程上下文類加載器可加載父類加載器無法訪問的實(shí)現(xiàn)類）。Python中GIL的作用是什么？如何繞過GIL實(shí)現(xiàn)多線程并行？GIL（全局解釋器鎖）是Python解釋器（如CPython）為保證線程安全而設(shè)計(jì)的互斥鎖，同一時(shí)間僅允許一個(gè)線程執(zhí)行字節(jié)碼。作用是簡(jiǎn)化內(nèi)存管理（避免多線程同時(shí)修改Python對(duì)象導(dǎo)致的競(jìng)態(tài)條件），但限制了CPU密集型任務(wù)的多線程并行（只能并發(fā)不能并行）。繞過方式：1）多進(jìn)程（multiprocessing模塊，每個(gè)進(jìn)程有獨(dú)立GIL，適用于CPU密集型）；2）C擴(kuò)展（在C代碼中釋放GIL，如使用Py_BEGIN_ALLOW_THREADS宏）；3）使用其他解釋器（如PyPy的TracingJIT支持真并行，但生態(tài)不如CPython）；4）異步編程（asyncio，單線程事件循環(huán)處理I/O密集型任務(wù)，避免線程切換開銷）。如何定位線上Java應(yīng)用的CPU使用率過高問題？步驟：1）通過top命令找到CPU高的進(jìn)程PID；2）top-HpPID查看該進(jìn)程下高CPU的線程TID；3）jstackPID>stack.log，將TID轉(zhuǎn)為16進(jìn)制（如TID=1234→0x4D2），在stack.log中搜索0x4D2，定位具體線程的堆棧；4）分析堆棧：若線程在執(zhí)行業(yè)務(wù)代碼（如循環(huán)計(jì)算），檢查是否有死循環(huán)或低效算法；若在等待鎖（BLOCKED狀態(tài)），檢查鎖競(jìng)爭(zhēng)（jconsole或jmc查看鎖持有情況）；若頻繁GC（GC線程CPU高），通過jstat-gcPID100010觀察GC頻率，jmap-heapPID查看堆內(nèi)存使用，可能是內(nèi)存泄漏（對(duì)象未被回收）或堆內(nèi)存不足。分布式系統(tǒng)中，如何實(shí)現(xiàn)一個(gè)可靠的消息通知（如訂單支付成功后通知庫(kù)存系統(tǒng)）？需考慮：1）消息持久化：使用Kafka/RabbitMQ等消息隊(duì)列，設(shè)置消息持久化（如Kafka的acks=all），避免Broker宕機(jī)丟失；2）消息確認(rèn)：生產(chǎn)者開啟同步確認(rèn)（如RabbitMQ的publisherconfirm），消費(fèi)者使用手動(dòng)ack（處理完成后確認(rèn)，失敗則重新入隊(duì)或進(jìn)入死信隊(duì)列）；3）冪等性：消費(fèi)者接口設(shè)計(jì)為冪等（如根據(jù)訂單ID去重，數(shù)據(jù)庫(kù)唯一索引），避免重復(fù)消費(fèi)；4）補(bǔ)償機(jī)制：消息發(fā)送失敗時(shí)記錄日志，通過定時(shí)任務(wù)掃描未確認(rèn)消息并重發(fā)（如數(shù)據(jù)庫(kù)記錄消息狀態(tài)，狀態(tài)為“未發(fā)送”則重推）；5）超時(shí)處理：設(shè)置消息過期時(shí)間（如30分鐘），過期后進(jìn)入異常隊(duì)列人工處理；6）事務(wù)消息（如RocketMQ的事務(wù)消息）：先發(fā)送半消息，本地事務(wù)提交后再確認(rèn)，避免本地事務(wù)失敗但消息已發(fā)送的問題。Go語言中，協(xié)程（Goroutine）與線程的區(qū)別是什么？調(diào)度器（GPM模型）如何優(yōu)化并發(fā)性能？協(xié)程是用戶態(tài)輕量級(jí)線程，創(chuàng)建成本低（幾KB?？臻g），由Go運(yùn)行時(shí)調(diào)度；線程是內(nèi)核態(tài)線程，創(chuàng)建成本高（MB級(jí)?？臻g），由OS調(diào)度。GPM模型中，G（Goroutine）是任務(wù)，P（Processor）是邏輯處理器（持有本地G隊(duì)列和M的上下文），M（Machine）是內(nèi)核線程。調(diào)度過程：當(dāng)M需要運(yùn)行G時(shí)，從P的本地隊(duì)列取G；若本地隊(duì)列為空，從全局隊(duì)列“偷”一半G（工作竊?。?；若G阻塞（如I/O），M與P解綁，P尋找其他M繼續(xù)運(yùn)行；I/O完成后，G被重新放入P的隊(duì)列。優(yōu)化點(diǎn)：減少內(nèi)核調(diào)度次數(shù)（P管理本地隊(duì)列，減少M(fèi)與內(nèi)核交互）、利用緩存（P固定綁定M，G在P的本地隊(duì)列中運(yùn)行，緩存友好）、避免阻塞（I/O時(shí)M釋放P，其他G可繼續(xù)運(yùn)行）。如何優(yōu)化MySQL的慢查詢？舉例說明。步驟：1）開啟慢查詢?nèi)罩荆╯low_query_log=1，long_query_time=1），記錄執(zhí)行時(shí)間>1秒的語句；2）使用EXPLAIN分析慢查詢的執(zhí)行計(jì)劃，關(guān)注type（最好是const，最差是ALL）、key（使用的索引）、rows（掃描行數(shù)）；3）優(yōu)化索引：若where條件字段未索引，添加索引（如whereuser_id=?andstatus=1，創(chuàng)建(user_id,status)聯(lián)合索引）；避免索引失效（如函數(shù)操作index_col、!=、or條件未覆蓋索引）；4）優(yōu)化SQL邏輯：避免SELECT，只取需要的字段；將子查詢改為JOIN（如SELECTa.FROMaWHEREidIN(SELECTidFROMb)改為SELECTa.FROMaJOINbONa.id=b.id）；5）分庫(kù)分表：若單表數(shù)據(jù)量超1000萬，按時(shí)間或ID哈希拆分（如訂單表按用戶ID模10分表）；6）讀寫分離：主庫(kù)寫，從庫(kù)讀（適用于讀多寫少場(chǎng)景），使用中間件（如ShardingSphere）自動(dòng)路由。例如，慢查詢：SELECTorder_id,amountFROMordersWHEREuser_id=1234ANDcreate_time>'2024-01-01'ANDstatus=1ORDERBYcreate_timeDESCLIMIT10;優(yōu)化前執(zhí)行計(jì)劃顯示type=range，rows=10000（掃描1萬行）。通過創(chuàng)建(user_id,status,create_time)聯(lián)合索引（覆蓋查詢字段），type變?yōu)閞ef，rows=100，利用索引的有序性避免文件排序（Usingfilesort消失），執(zhí)行時(shí)間從500ms降至50ms。在微服務(wù)架構(gòu)中，如何設(shè)計(jì)服務(wù)的降級(jí)與熔斷？降級(jí)：當(dāng)服務(wù)壓力過大時(shí)，暫時(shí)關(guān)閉非核心功能（如電商大促時(shí)關(guān)閉“用戶評(píng)價(jià)”接口），返回默認(rèn)值或緩存數(shù)據(jù)。實(shí)現(xiàn)方式：配置中心（如Apollo）動(dòng)態(tài)下發(fā)降級(jí)開關(guān)，代碼中檢查開關(guān)狀態(tài)，觸發(fā)時(shí)返回降級(jí)響應(yīng)；使用Hystrix或Sentinel的@Degrade注解定義降級(jí)邏輯（如調(diào)用失敗時(shí)執(zhí)行fallback方法）。熔斷：當(dāng)服務(wù)錯(cuò)誤率超過閾值（如5秒內(nèi)錯(cuò)誤率>50%），觸發(fā)熔斷，拒絕所有請(qǐng)求（快速失敗），進(jìn)入半開狀態(tài)（嘗試放行部分請(qǐng)求，若成功則關(guān)閉熔斷，失敗則重新打開）。Sentinel中可配置熔斷規(guī)則（RT>500ms、異常比例>20%、異常數(shù)>5次），通過滑動(dòng)窗口統(tǒng)計(jì)請(qǐng)求狀態(tài)。例如，訂單服務(wù)調(diào)用庫(kù)存服務(wù)，庫(kù)存服務(wù)因數(shù)據(jù)庫(kù)故障錯(cuò)誤率達(dá)80%。Sentinel檢測(cè)到異常比例>50%，觸發(fā)熔斷，訂單服務(wù)調(diào)用庫(kù)存服務(wù)時(shí)直接拋出BlockException，執(zhí)行fallback返回“庫(kù)存查詢暫不可用”。5秒后進(jìn)入半開狀態(tài)，放行1個(gè)請(qǐng)求，若成功則恢復(fù)調(diào)用；若失敗，繼續(xù)熔斷。如何設(shè)計(jì)一個(gè)支持動(dòng)態(tài)擴(kuò)縮容的分布式任務(wù)調(diào)度系統(tǒng)？核心模塊：1）任務(wù)管理：存儲(chǔ)任務(wù)元信息（周期、參數(shù)、執(zhí)行器），支持CRUD和狀態(tài)變更（啟用/暫停）；2）調(diào)度中心：根據(jù)任務(wù)周期提供待執(zhí)行任務(wù)（如Quartz的Cron表達(dá)式），使用一致性哈?；蜇?fù)載均衡算法（如最小負(fù)載）將任務(wù)分配給執(zhí)行節(jié)點(diǎn)；3）執(zhí)行節(jié)點(diǎn)：拉取分配的任務(wù)，執(zhí)行并上報(bào)結(jié)果（成功/失敗/重試）；4）注冊(cè)中心（如Consul/Etcd）：執(zhí)行節(jié)點(diǎn)啟動(dòng)時(shí)注冊(cè)，下線時(shí)注銷，調(diào)度中心實(shí)時(shí)感知節(jié)點(diǎn)列表；5）擴(kuò)縮容策略：監(jiān)控執(zhí)行節(jié)點(diǎn)的CPU/內(nèi)存使用率（Prometheus+Grafana），當(dāng)負(fù)載>80%時(shí)自動(dòng)創(chuàng)建新節(jié)點(diǎn)（調(diào)用云API），負(fù)載<30%時(shí)銷毀空閑節(jié)點(diǎn)；6）容錯(cuò)處理：任務(wù)超時(shí)（設(shè)置執(zhí)行超時(shí)時(shí)間，超時(shí)后標(biāo)記為失敗并重試）、節(jié)點(diǎn)宕機(jī)（調(diào)度中心檢測(cè)到節(jié)點(diǎn)離線，重新分配未完成任務(wù)）。例如，系統(tǒng)檢測(cè)到執(zhí)行節(jié)點(diǎn)A的CPU持續(xù)90%，觸發(fā)擴(kuò)容，創(chuàng)建節(jié)點(diǎn)B并注冊(cè)到Consul。調(diào)度中心重新計(jì)算任務(wù)分配，將部分任務(wù)從A遷移到B。節(jié)點(diǎn)B啟動(dòng)后拉取任務(wù)并執(zhí)行，降低A的負(fù)載。當(dāng)負(fù)載恢復(fù)正常，系統(tǒng)自動(dòng)縮容，銷毀B并將任務(wù)遷回A（或其他節(jié)點(diǎn)）。在前端性能優(yōu)化中，如何減少首屏加載時(shí)間？1.資源壓縮：JS/CSS使用Terser/PostCSS壓縮，圖片轉(zhuǎn)WebP/AVIF格式（比JPEG小25%-50%），SVG優(yōu)化（去除元數(shù)據(jù)）；2.懶加載：非首屏圖片/組件使用IntersectionObserverAPI延遲加載，路由懶加載（如React的React.lazy）；3.緩存策略：設(shè)置HTTP緩存（Cache-Control:max-age=31536000），靜態(tài)資源加哈希戳（如app.abc123.js），利用ServiceWorker緩存離線資源；4.減少請(qǐng)求數(shù)：合并CSS/JS文件（Webpack的SplitChunksPlugin），使用雪碧圖（CSSSprite）合并小圖片，圖標(biāo)用IconFont或SVG