、Spring Boot/Cloud、Kafka/Redis、安全与K8s全链路问答（含答案）)
摘要：本文以互联网大厂面试为背景，严肃面试官与“水货”程序员谢飞机三轮过招，围绕JVM、Spring全家桶、微服务治理、Kafka/Redis、安全与K8s等核心技术，问题递进、场景真实；文末附详细答案解析，助小白快速上手。
大厂Java面试实战：JVM(G1/ZGC)、Spring Boot/Cloud、Kafka/Redis、安全与K8s全链路问答（含答案）
场景开篇
面试地点在某互联网大厂的会议室。面试官（冷静严谨）坐在桌子另一端，谢飞机（略显紧张但爱抖机灵）捧着保温杯进门。
面试官：我们按电商业务链路来聊三轮。简单题答得清楚我会夸你并引导；难题如果答不清也没关系，尽量说思路。 谢飞机：好的领导，我准备了三套表情包。
第一轮：电商下单主链路（Java基础、Spring Boot、数据库与缓存）
Q1.（热身-简单）Java 11/17 相比 8 的关键改进会影响你的服务开发哪些点？
Q2.（场景-中等）订单服务用 Spring Boot + JPA/Hibernate 访问 MySQL，连接池为何首选 HikariCP？如何设置最大连接数？
Q3.（性能-中等）下单接口QPS上来后，如何用 Redis 缓存热点商品详情并避免缓存穿透/击穿/雪崩？
Q4.（工程-进阶）多环境数据库变更如何做可回滚、可审计的迁移？Flyway 与 Liquibase 怎么选？
Q5.（测试-中等）如何用 JUnit 5 + Mockito 做 Service 层单元测试，并在CI里跑？
面试官：前面还行，思路基本对。 谢飞机：夸我！ 面试官：继续。
第二轮：微服务与消息（Spring Cloud、Resilience4j、Kafka）
Q6.（治理-简单）在 Spring Cloud 里，服务间调用超时与重试如何配置？为什么建议配合Resilience4j做隔离和限流？
Q7.（一致性-进阶）电商“下单→扣减库存”跨服务，用 Kafka 异步解耦。如何保证消息不丢、幂等处理和“准”Exactly-Once？
Q8.（可观测-中等）如何用 Micrometer + Prometheus + Grafana 监控下单延迟、错误率，并在链路上接入 Zipkin/Jaeger？
Q9.（接口-中等）订单API如何用 OpenAPI/Swagger 管理版本，给前端与第三方开放？
面试官：有些点说得不错，比如限流与隔离。 谢飞机：主要是我做人也比较限流。
第三轮：安全与运维（Spring Security/OAuth2、CI/CD、K8s）
Q10.（鉴权-简单）如何用 Spring Security + OAuth2 + Keycloak 做统一认证与角色权限，支持BFF/前后端分离？
Q11.（发布-中等）GitHub Actions/Jenkins 构建 Docker 镜像并部署到 Kubernetes，如何进行滚动更新与灰度发布？
Q12.（应急-进阶）生产事故：Kafka 积压、Redis 热点Key抖动、数据库慢查询，你的止血与根因分析步骤？
面试官：好的，今天就到这。回去等通知。 谢飞机：我等你消息，就像消费者等消息队列。
全部问题答案详解（新手友好版）
A1. Java 11/17 关键点与影响
- 语言/库：var、本地变量类型推断；Records、Sealed Classes（17）；新HTTP Client；Text Blocks（15）。
- JVM/GC：G1 默认化、ZGC/ Shenandoah 低停顿；Class Data Sharing；JEP系列性能增强。
- 影响：内存占用更稳、延迟可控，结合容器化（-XX:+UseContainerSupport）更友好；对高并发接口、流式场景收益大。
A2. HikariCP 与连接数
- HikariCP 延迟低、抖动小、监控暴露友好。最大连接数需与MySQL后端、实例规格、服务Pod数匹配：maxPoolSize ≈ （后端最大连接数 - 预留）/ Pod数。常配：connectionTimeout、idleTimeout、minimumIdle。
- JPA/Hibernate：注意批量写入（hibernate.jdbc.batch_size）、二级缓存关闭或精细化。
A3. Redis 缓存三板斧
- 穿透：布隆过滤器/缓存null + 短TTL；
- 击穿：热点Key加互斥锁（set nx ex）或逻辑过期+异步刷新；
- 雪崩：随机TTL、分散失效；
- 结合 Spring Cache 或 CacheManager（Caffeine+Redis）构建多级缓存。
A4. 数据库迁移
- Flyway：以版本脚本（V1__init.sql）为主，简单直观；Liquibase：XML/YAML/JSON变更集，表达力强，适合复杂变更与审计。
- 选型：中小团队多用Flyway；金融/审计要求高的团队偏Liquibase。均可在CI中做pre-check并支持回滚策略（备份表/可逆变更集）。
A5. 测试与CI
- JUnit5 + Mockito/AssertJ 做单测，覆盖Service层业务；
- Dockerfile 构建时跑 mvn -DskipTests=false test；GitHub Actions/Jenkins 流水线并行执行单测与静态检查（SpotBugs/Checkstyle）。
A6. 超时、重试、隔离
- OpenFeign 超时：connectTimeout/readTimeout；Retryer 控制重试策略；
- Resilience4j：限流（RateLimiter）、熔断（CircuitBreaker）、隔离（Bulkhead）、超时（TimeLimiter）；与Prometheus联动暴露熔断率。
A7. Kafka 一致性
- 生产：acks=all、enable.idempotence=true、retries 合理；事务型生产者确保“写库+发消息”一致（Outbox+CDC更稳）。
- 消费：幂等关键：业务端去重（幂等键）、消费位点手动提交、Exactly-Once Processing 借助事务+幂等保障达到“实际几乎一次”。
A8. 可观测
- Micrometer 采集业务指标（订单延迟、错误率、QPS），Prometheus拉取，Grafana看板；
- Trace：Sleuth/OTel埋点，Zipkin/Jaeger收敛；
- 日志：Logback + JSON 输出接入 ELK（Filebeat→Logstash→ES→Kibana）。
A9. API治理
- OpenAPI 规范定义接口契约与版本；SpringDoc/Swagger UI 提供交互文档；
- HATEOAS 在部分场景增强可发现性；Retrofit/Jersey/RESTEasy 作为客户端/服务端备选。
A10. 认证授权
- Keycloak 做IdP，支持OIDC；Spring Security Resource Server 校验JWT；
- 多端：BFF/前后端分离；
- RBAC 与细粒度权限，必要时引入 Attribute-Based Access Control；
- 单点登录与登出、Token刷新、跨域与CSRF保护。
A11. CI/CD 与 K8s
- 构建：Maven/Gradle → Docker 镜像（多阶段构建减小体积）；
- 部署：Kubernetes Deployment 滚动更新（maxSurge/maxUnavailable），灰度可用Service + Ingress + 权重路由/服务网格；
- 配置：ConfigMap/Secret；HPA基于CPU/QPS；
- 回滚：利用镜像tag+Deployment revision。
A12. 事故处置
- Kafka 积压：限流入口、扩容分区与消费者、排查慢消费（反序列化/下游IO），临时跳过死信；
- Redis 热点：引入本地缓存（Caffeine）、Key打散、热点隔离；
- DB 慢查询：explain 优化索引、读写分离、引入缓存/异步化、观察连接池等待；
- 全链路：结合Prometheus告警、ELK检索、Trace定位关键服务。
扩展话题（简述）
- MVC vs WebFlux：前者线程/阻塞模型适合大多数IO非密集场景；WebFlux适合高并发IO密集与流式推送。
- MyBatis 与 JPA：前者SQL可控、性能透明；后者开发效率高、适合CRUD与领域建模。
- AI 与搜索：在内容/UGC推荐或客服可结合RAG、向量检索（Milvus/Chroma/Redis）、Embedding（OpenAI/Ollama）、Agent工作流；注意“AI幻觉”的结果校验与监控。
- 其它：Dubbo作为RPC补充；R2DBC用于响应式数据库访问；WebSocket用于订单状态实时推送。
结束语
祝每位候选人都能在真实业务里把技术用出来。
)
