大家好，我是二哥呀。
给大家贴个喜报，都来沾沾好运🍀buff 吧，没准假期前就能顺利拿下一个 offer，假期就可以放肆地摆，坐等节后开奖。
上面这个球友在 9 月 24 号这一天，在星球里发帖说靠派聪明 RAG拿到了京东的 offer，部门还非常不错。按照京东这两年的开奖节奏，base 还挺值得期待。
我贴一下 Java 面试指南专栏中收录的 25 届秋招薪资大家参考一下。
香还是挺香的。
假期前还有两个工作日，猛猛冲一波吧，没准咱就是那个幸运儿呢！
今天我们就以另外一个球友的京东 JDS 一面为例，来复盘一下京东的面试强度，下次再碰到原题，必过！
同学 19 京东 JDS 一面面经
自我介绍
我是来自家里蹲大学的小王，拿到过 xx 年度的国家励志奖学金，拿到过 xxx 年度的竞赛第二名；刚好之前在拼多多实习过，主要负责 xxxx，有哪些量化数据巴拉巴拉。
项目目前做一个基于 RAG 架构的企业级私有知识库派聪明，其核心意义在于解决现代企业知识管理的痛点，推动组织智能化转型。
当用户通过聊天界面进行对话时，系统会将用户输入的内容进行语义转化，通过 ES 的混合检索召回 TOPK 个相关信息，最后再将最近的上下文一起封装到 prompt，再发送给 LLM，从而实现检索增强生成，也就是利用 RAG 的技术架构来减少模型的输出幻觉。
另外一个项目xxxx。
我个人是京东的忠实用户，平常买东西和点外卖也都会用京东 APP，到货是真的快，品质也有保障。
实习期间怎么快速熟悉公司业务？
刚入职的时候，我会主动找团队里的老同事聊天，了解项目的背景和整体架构。大部分同事都挺愿意帮助新人的，关键是要问对问题。
接下来我会重点看需求文档、技术方案、接口文档这些，了解系统的设计思路。如果发现文档有问题或者缺失，我会主动去完善，这样既能加深理解，又能为团队做贡献。
然后从一些相对简单的 bug 修复或者小功能开发开始，这样可以快速熟悉代码结构和开发流程。通过修改代码，能够深入理解系统的各个模块是如何协作的。而且完成小任务也能快速建立成就感和信心。
如果有机会做一些涉及多个系统或模块的任务，我会主动申请。并把学到的业务知识、技术方案、常见问题的解决方法记录下来，形成自己的知识库。
讲讲你某个需求具体的研发方案
我碰到的一个需求是大文件上传。传统的上传方式经常出现这种情况：网络稍微不稳定就上传失败，得重新来。
我用了分片上传的技术，把大文件切成小块，一块一块地上传。这个实现很巧妙，用 Redis 的 BitMap 来记录哪些分片已经上传了。即使中间断网了，也能从断点继续，不用重头开始。而且用 MinIO 做对象存储，可以很好地处理海量文件。
public void uploadChunk(String fileMd5, int chunkIndex, long totalSize, String fileName,
MultipartFile file, String orgTag, boolean isPublic, String userId) throws IOException {
logger.info("[uploadChunk] 开始处理分片上传请求 => fileMd5: {}, chunkIndex: {}, totalSize: {}, fileName: {}",
fileMd5, chunkIndex, totalSize, fileName);
// 检查分片是否已上传
if (isChunkUploaded(fileMd5, chunkIndex)) {
logger.info("分片已存在，跳过上传 => fileMd5: {}, chunkIndex: {}", fileMd5, chunkIndex);
return;
}
// 上传分片到MinIO
String chunkPath = String.format("%s/chunk_%d", fileMd5, chunkIndex);
minioClient.putObject(PutObjectArgs.builder()
.bucket(bucketName)
.object(chunkPath)
.stream(file.getInputStream(), file.getSize(), -1)
.build());
// 在Redis中标记分片已上传
markChunkUploaded(fileMd5, chunkIndex);
}
实现实习需求的途中，用了哪些java基本特性或者基础知识？
为了解决超大文件解析过程中出现的 OOM 问题，我采用了流式的 IO 处理，尽可能在任何时候都只处理一小段数据，避免全量加载。
我自定义了一个 StreamingContentHandler，它在每次处理字符的回调函数中，会判断当前内容是否达到了分块阈值，如果是就马上进行切片、入库。这样整个过程就不再需要等待解析完成之后一次性处理，而是边读边处理。
HashMap 链表转红黑树阈值
树化发生在 table 数组的长度大于 64，且链表的长度大于 8 的时候。
为什么是 8 呢？
和统计学有关。理想情况下，使用随机哈希码，链表里的节点符合泊松分布，出现节点个数的概率是递减的，节点个数为 8 的情况，发生概率仅为 0.00000006。
也就是说，在正常情况下，链表长度达到 8 是个小概率事件。
8 是一个平衡点。当链表长度小于 8 时，即使是 O(n) 的查找，由于 n 比较小，实际性能还是可以接受的，而且链表的内存开销小。当链表长度达到 8 时，查找性能已经比较差了，这时候转换为红黑树的收益就比较明显了，因为红黑树的查找、插入、删除操作的时间复杂度都是 O(log n)。
负载因子干什么用的
负载因子（load factor）是一个介于 0 和 1 之间的数值，用于衡量哈希表的填充程度。它表示哈希表中已存储的元素数量与哈希表容量之间的比例。
- 负载因子过高（接近 1）会导致哈希冲突增加，影响查找、插入和删除操作的效率。
- 负载因子过低（接近 0）会浪费内存，因为哈希表中有大量未使用的空间。
默认的负载因子是 0.75，这个值在时间和空间效率之间提供了一个良好的平衡。
扩容机制具体流程
扩容时，HashMap 会创建一个新的数组，其容量是原来的两倍。然后遍历旧哈希表中的元素，将其重新分配到新的哈希表中。
如果当前桶中只有一个元素，那么直接通过键的哈希值与数组大小取模锁定新的索引位置：e.hash & (newCap - 1)。
如果当前桶是红黑树，那么会调用 split() 方法分裂树节点，以保证树的平衡。
如果当前桶是链表，会通过旧键的哈希值与旧的数组大小取模 (e.hash & oldCap) == 0 来作为判断条件，如果条件为真，元素保留在原索引的位置；否则元素移动到原索引 + 旧数组大小的位置。
了解哪些设计模式？说说它们的应用场景
单例模式、策略模式。
在需要控制资源访问，如配置管理、连接池管理时经常使用单例模式。它确保了全局只有一个实例，并提供了一个全局访问点。
在有多种算法或策略可以切换使用的情况下，我会使用策略模式。像技术派实战项目中，我就使用策略模式对接了讯飞星火、OpenAI、智谱 AI 等多家大模型，实现了一个可以自由切换大模型基座的智能助手服务。
策略模式的好处是，不用在代码中写 if/else 判断，而是将不同的 AI 服务封装成不同的策略类，通过工厂模式创建不同的 AI 服务实例，从而实现 AI 服务的动态切换。
后面想添加新的 AI 服务，只需要增加一个新的策略类，不需要修改原有代码，这样就提高了代码的可扩展性。
模版模式在java中具体怎么实现的？
模板方法通常通过抽象类和继承来实现。抽象类定义了一个模板方法，该方法包含了一系列步骤的调用顺序，而具体的步骤则由子类实现。
abstract class AbstractClass {
// 模板方法，定义算法的骨架
public final void templateMethod() {
stepOne();
stepTwo();
}
protected abstract void stepOne();
protected abstract void stepTwo();
}
class ConcreteClassA extends AbstractClass {
@Override
protected void stepOne() {
System.out.println("ConcreteClassA: Step One");
}
@Override
protected void stepTwo() {
System.out.println("ConcreteClassA: Step Two");
}
}
class ConcreteClassB extends AbstractClass {
@Override
protected void stepOne() {
System.out.println("ConcreteClassB: Step One");
}
@Override
protected void stepTwo() {
System.out.println("ConcreteClassB: Step Two");
}
}
讲讲单例模式的实现逻辑，怎么避免实例被重复加载？
单例模式（Singleton Pattern）是一种创建型设计模式，它确保一个类只有一个实例，并提供一个全局访问点来获取该实例。
实现单例模式的关键点在于：
- 私有构造方法：确保外部代码不能通过构造器创建类的实例。
- 私有静态实例变量：持有类的唯一实例。
- 公有静态方法：提供全局访问点以获取实例，如果实例不存在，则在内部创建。
这样就能避免实例被重复加载。
锁加到类上和方法上有什么区别？
将 synchronized 加到方法上时，锁定的是整个方法，任何线程在调用该方法时都会获得该对象的锁，直到方法执行完毕才释放锁。
将 synchronized 加到代码块上 synchronized (Singleton.class)时，锁定的是类的 Class 对象，所有对这个类的 synchronized 代码块都会串行执行。
synchronized的底层实现
synchronized 依赖 JVM 内部的 Monitor 对象来实现线程同步。使用的时候不用手动去 lock 和 unlock，JVM 会自动加锁和解锁。
synchronized 加锁代码块时，JVM 会通过 monitorenter、monitorexit 两个指令来实现同步：
- 前者表示线程正在尝试获取 lock 对象的 Monitor；
- 后者表示线程执行完了同步代码块，正在释放锁。
使用 javap -c -s -v -l SynchronizedDemo.class 反编译 synchronized 代码块时，就能看到这两个指令。
synchronized 修饰普通方法时，JVM 会通过 ACC_SYNCHRONIZED 标记符来实现同步。
java中创建一个对象的流程是什么
当我们使用 new 关键字创建一个对象时，JVM 首先会检查 new 指令的参数是否能在常量池中定位到类的符号引用，然后检查这个符号引用代表的类是否已被加载、解析和初始化。如果没有，就先执行类加载。
如果已经加载，JVM 会为对象分配内存完成初始化，比如数值类型的成员变量初始值是 0，布尔类型是 false，对象类型是 null。
接下来会设置对象头，里面包含了对象是哪个类的实例、对象的哈希码、对象的 GC 分代年龄等信息。
最后，JVM 会执行构造方法 <init> 完成赋值操作，将成员变量赋值为预期的值，比如 int age = 18，这样一个对象就创建完成了。
一个对象的结构是什么，包含哪些内容
对象的内存布局是由 Java 虚拟机规范定义的，但具体的实现细节各有不同，如 HotSpot 和 OpenJ9 就不一样。
就拿我们常用的 HotSpot 来说吧。对象在内存中包括三部分：对象头、实例数据和对齐填充。
说说数据库回表是什么意思
当使用非聚簇索引进行查询时，MySQL 需要先通过非聚簇索引找到主键值，然后再根据主键值回到聚簇索引中查找完整数据行，这个过程称为回表。
假设现在有一张用户表 users：
CREATE TABLE users (
id INT PRIMARY KEY,
name VARCHAR(50),
age INT,
email VARCHAR(50),
INDEX (name)
);
执行查询：
SELECT * FROM users WHERE name = '王二';
查询过程如下：
- 第一步，MySQL 使用 name 列上的非聚簇索引查找所有
name = '王二'的主键 id。 - 第二步，使用主键 id 到聚簇索引中查找完整记录。
如果一个线上服务内存、CPU飙高，或者接口超时，说说大概的排查思路？具体可以用哪些工具？
CPU 占用过高怎么排查？
首先，使用 top 命令查看 CPU 占用情况，找到占用 CPU 较高的进程 ID。接着，使用 jstack 命令查看对应进程的线程堆栈信息。然后再使用 top 命令查看进程中线程的占用情况，找到占用 CPU 较高的线程 ID。
接着在 jstack 的输出中搜索这个十六进制的线程 ID，找到对应的堆栈信息。最后，根据堆栈信息定位到具体的业务方法，查看是否有死循环、频繁的垃圾回收、资源竞争导致的上下文频繁切换等问题。
内存飙高问题怎么排查？
内存飚高一般是因为创建了大量的 Java 对象导致的，如果持续飙高则说明垃圾回收跟不上对象创建的速度，或者内存泄漏导致对象无法回收。
排查的方法主要分为以下几步：
第一，先观察垃圾回收的情况，可以通过 jstat -gc PID 1000 查看 GC 次数和时间。或者使用 jmap -histo PID | head -20 查看堆内存占用空间最大的前 20 个对象类型。
第二步，通过 jmap 命令 dump 出堆内存信息。
第三步，使用可视化工具分析 dump 文件，比如说 VisualVM，找到占用内存高的对象，再找到创建该对象的业务代码位置，从代码和业务场景中定位具体问题。
接口超时的问题排查过吗？
接口超时的排查要从多个层面分析。首先看应用层的监控，比如接口的响应时间分布、错误率、QPS 等指标。
如果有 Skywalking 这种工具，可以看调用链路的详细耗时分布，定位是哪个环节慢了。
数据库层面要检查慢查询日志，看是不是某些 SQL 执行时间过长。可能是缺少索引、查询条件不合适、或者锁等待。我会用 EXPLAIN 分析 SQL 的执行计划，看是否需要优化。
网络层面也要考虑，比如下游服务响应慢、网络抖动等。可以通过 ping、telnet 等工具测试网络连通性和响应时间。
更多问题
一些重复性的问题大家可以直接通过面渣逆袭在线版查看。
ending
一个人可以走得很快，但一群人才能走得更远。二哥的编程星球已经有 9800 多名球友加入了，如果你也需要一个良好的学习环境，戳链接 🔗 加入我们吧。这是一个 简历精修 + 编程项目实战+ Java 面试指南的私密圈子，你可以阅读星球专栏、向二哥提问、帮你制定学习计划、和球友一起打卡成长。
两个置顶帖「球友必看」和「知识图谱」里已经沉淀了非常多优质的学习资源，相信能帮助你走的更快、更稳、更远。
欢迎点击左下角阅读原文了解二哥的编程星球，这可能是你学习求职路上最有含金量的一次点击。
最后，把二哥的座右铭送给大家：没有什么使我停留——除了目的，纵然岸旁有玫瑰、有绿荫、有宁静的港湾，我是不系之舟。共勉 💪。
回复