kafka面试连环炮，2024年五面蚂蚁，springmvc面试题

最新推荐文章于 2026-08-22 23:22:59 发布
原创 最新推荐文章于 2026-08-22 23:22:59 发布 · 669 阅读 · 13 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
GEO检测
收录于
2024年程序员学习

当前文章被收录于：

2024年程序员学习
187 篇文章 1 人学习
订阅专栏 查看详情

拼多多面试分享

字节跳动面试分享

总结

说起来开始进行面试是年前倒数第二周，上午9点，我还在去公司的公交上，突然收到蚂蚁的面试电话，其实算不上真正的面试。面试官只是和我聊了下他们在做的事情（主要是做双十一这里大促的稳定性保障，偏中间件吧），说的很详细，然后和我沟通了下是否有兴趣，我表示有兴趣，后面就收到正式面试的通知，最后没选择去蚂蚁表示抱歉。

当时我自己也准备出去看看机会，顺便看看自己的实力。当时我其实挺纠结的，一方面现在部门也正需要我，还是可以有一番作为的，另一方面觉得近一年来进步缓慢，没有以前飞速进步的成就感了，而且业务和技术偏于稳定，加上自己也属于那种比较懒散的人，骨子里还是希望能够突破现状，持续在技术上有所精进。

进入正题，先后进行了蚂蚁、拼多多和字节跳动的面试。

准备过程

先说说我自己的情况，我2016先在蚂蚁实习了将近三个月，然后去了我现在的老东家，三年多工作经验，可以说毕业后就一直老老实实在老东家打怪升级，虽说有蚂蚁的实习经历，但是因为时间太短，还是有点虚的。所以面试官看到我简历第一个问题绝对是这样的。

“哇，你在蚂蚁待过，不错啊”，面试官笑嘻嘻地问到。“是的，还好”，我说。“为啥才三个月？”，面试官脸色一沉问到。“哗啦啦解释一通。。。”，我解释道。“哦，原来如此，那我们开始面试吧”，面试官一本正经说到。

尼玛，早知道不写蚂蚁的实习经历了，后面仔细一想，当初写上蚂蚁不就给简历加点料嘛。

言归正传，准备过程其实很早开始了（当然这不是说我工作时老想着跳槽，因为我明白现在的老东家并不是终点，我还需要不断提升），具体可追溯到从蚂蚁离职的时候，当时出来也面了很多公司，没啥大公司，面了大概5家公司，都拿到offer了。

工作之余常常会去额外研究自己感兴趣的技术以及工作用到的技术，力求把原理搞明白，并且会自己实践一把。此外，买了N多书，基本有时间就会去看，补补基础，什么操作系统、数据结构与算法、MySQL、JDK之类的源码，基本都好好温习了（文末会列一下自己看过的书和一些好的资料）。我深知基础就像“木桶效应”的短板，决定了能装多少水。

此外，在正式决定看机会之前，我给自己列了一个提纲，主要包括Java要掌握的核心要点，有不懂的就查资料搞懂。我给自己定位还是Java工程师，所以Java体系是一定要做到心中有数的，很多东西没有常年的积累面试的时候很容易露馅，学习要对得起自己，不要骗人。

剩下的就是找平台和内推了，除了蚂蚁，头条和拼多多都是找人内推的，感谢蚂蚁面试官对我的欣赏，以后说不定会去蚂蚁咯。

平台：脉脉、GitHub、v2

蚂蚁金服（五面）

2020年五面蚂蚁、三面拼多多、字节跳动最终拿offer入职拼多多

一面

一面就做了一道算法题，要求两小时内完成，给了长度为N的有重复元素的数组，要求输出第10大的数。典型的TopK问题，快排算法搞定。

算法题要注意的是合法性校验、边界条件以及异常的处理。另外，如果要写测试用例，一定要保证测试覆盖场景尽可能全。加上平时刷刷算法题，这种考核应该没问题的。

二面

  1. 自我介绍下呗
  2. 开源项目贡献过代码么？
  3. 目前该部门做什么，业务简单介绍下，内部有哪些系统，作用和交互过程说下
  4. Dubbo踩过哪些坑，分别是怎么解决的？
  5. 开始进入正题，说下你对线程安全的理解
  6. 事务有哪些特性？
  7. 怎么理解原子性？
  8. 乐观锁和悲观锁的区别？
  9. 这两种锁在Java和MySQL分别是怎么实现的？
  10. HashMap为什么不是线程安全的？
  11. 怎么让HashMap变得线程安全？
  12. Collections的synchronize两者的区别是什么？
  13. jdk1.8对ConcurrentHashMap做了哪些优化？
  14. redis主从机制了解么？怎么实现的？
  15. 有过GC调优的经历么？
  16. 有什么想问的么？

三面

  1. 简单自我介绍下
  2. 监控系统怎么做的，分为哪些模块，模块之间怎么交互的？用的什么数据库？
  3. 使用什么存储引擎，为什么使用InnnoDB？
  4. 订单表有做拆分么，怎么拆的？
  5. 水平拆分后查询过程描述下
  6. 如果落到某个分片的数据很大怎么办？
  7. 哈希取模会有什么问题么？
  8. 分库分表后怎么解决读写压力？
  9. 拆分后主键怎么保证惟一？
  10. Snowflake生成的ID是全局递增唯一么？
  11. 怎么实现全局递增的唯一ID？
  12. Mysql的索引结构说下
  13. 主键索引和普通索引的区别？
  14. 你们系统目前的瓶颈在哪里？
  15. 你打算怎么优化？简要说下你的优化思路
  16. 有什么想问我么？

四面

  1. 介绍下自己
  2. 为什么要做逆向？
  3. 怎么理解微服务？
  4. 服务治理怎么实现的？
  5. 这个不是中间件做的事么，为什么你们部门做？
  6. 说说Spring的生命周期吧
  7. 说说GC的过程

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Java工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Java开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。
img
img
img
img
img
img

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Java开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024b （备注Java）
img

写在最后

还有一份JAVA核心知识点整理（PDF）：JVM，JAVA集合，JAVA多线程并发，JAVA基础，Spring原理，微服务，Netty与RPC，网络，日志，Zookeeper，Kafka，RabbitMQ，Hbase，MongoDB，Cassandra，设计模式，负载均衡，数据库，一致性哈希，JAVA算法，数据结构，加密算法，分布式缓存，Hadoop，Spark，Storm，YARN，机器学习，云计算…

image

一个人可以走的很快，但一群人才能走的更远。如果你从事以下工作或对以下感兴趣，欢迎戳这里加入程序员的圈子，让我们一起学习成长！

AI人工智能、Android移动开发、AIGC大模型、C C#、Go语言、Java、Linux运维、云计算、MySQL、PMP、网络安全、Python爬虫、UE5、UI设计、Unity3D、Web前端开发、产品经理、车载开发、大数据、鸿蒙、计算机网络、嵌入式物联网、软件测试、数据结构与算法、音视频开发、Flutter、IOS开发、PHP开发、.NET、安卓逆向、云计算

全、Python爬虫、UE5、UI设计、Unity3D、Web前端开发、产品经理、车载开发、大数据、鸿蒙、计算机网络、嵌入式物联网、软件测试、数据结构与算法、音视频开发、Flutter、IOS开发、PHP开发、.NET、安卓逆向、云计算**

标签
#kafka #面试 #分布式
gtsam官方文档: The new IMU Factor学习笔记
南柯一梦的博客
04-21 1590
gtsam官方文档：The new IMU Factor 本文为gtsam imu预积分文档学习笔记，为gtsam基于切向量实现的imu预积分的理论基础。 导航状态 定义导航状态为 Xbn={Rbn,Pbn,Vbn}X^n_b=\{R^n_b,P^n_b,V^n_b\}Xbn​={Rbn​,Pbn​,Vbn​} 上角标n：导航(navigation)坐标系 下角标b：载体(body)坐标系 下文均省略上下标 矢量场与微分方程 对于导航问题我们用如下微分方程描述 X˙(t)=F(t,X)\dot X(t)
Kafka 消费积压排查：Lag 飙升与分区倾斜决策树
最新发布
探索云原生与智能化驱动下的安全运维新范式。关注DevSecOps、可观测性、AIOps等前沿领域，与您共赴技术前沿。
08-22 235
消息队列积压告警经常被当成「加机器」。单个分区被热点 key 打满、消费者线程卡在下游、或误把 Offset 重置到 earliest。乱会让下游重放几天数据。本文面向中级中间件 / 应用运维，覆盖开源 Kafka 与托管 MSK 都能用的只读命令。不讲如何从零搭集群，也不重复 ISR/副本不足类故障。先--dry-run，再停消费者，最后--execute# 必须先停掉所有该 group 的消费者Lag 先看是否在线、是否倾斜、是否生产突刺。加分区救不了已经堆在热点分区上的数据。
kafka基础知识
鲜衣怒马少年时，不负韶华行且知。 从第一个Hello World起，便踏上这条后端修行路。趟过分布式事务的浑水，翻过性能瓶颈的高山，方知代码如剑，需千锤百炼方显锋芒。 博客所记，皆为修行路上的顿悟与磕绊，愿与同道人共勉，稳步江湖。
08-18 263
Apache Kafka 是一个分布式、高吞吐、可持久化的消息队列（消息中间件），由 LinkedIn 于 2011 年开源，后捐献给 Apache 基金会。它最初是为了解决 LinkedIn 海量日志传输问题而设计的，如今已经成为大数据生态中事实标准的数据管道。一句话理解：Kafka 是一个「写入快、存得住、读不丢」的分布式消息系统，天生为海量数据而生。│ Kafka 在大数据生态中的位置 │数据源 Kafka 数据消费方│ 业务系统 │ ──────→ │ │ ──────→ │ 实时计算 │。
Kafka系列之：apache kafka消息压缩策略
zhengzaifeidelushang的博客
08-19 64
本文介绍了Apache Kafka的高吞吐量特性及其实现机制，重点解析了消息压缩策略。Kafka通过主题分区实现并行处理，生产者端采用批处理压缩技术（支持gzip、snappy、lz4、zstd等算法）来减少网络流量和提高磁盘利用率。文章详细说明了压缩配置的两种层级（生产者和主题级别）及其组合效果，并指出消费者能自动解压处理消息。最后提供了性能优化建议，包括避免压缩加密数据、检查默认配置以及使用工具验证压缩类型。典型场景下，合理配置压缩策略可使Kafka集群达到每秒百万级消息处理能力。
腾渊科技重磅出品——多Agent协同通信层实战：基于Kafka的设计与代码实现
df45776的博客
08-17 354
【摘要】本文针对多Agent协同场景下的通信问题，提出基于Kafka的解决方案。文中以3C产线的调度Agent和质检Agent为例，指出因缺乏协同层导致工单分配错误、不良品流转等典型问题。通过Kafka实现状态广播（工位状态变更）、冲突仲裁（质量优先策略）和事件溯源三大核心功能，并提供关键代码示例（状态发布/订阅、优先级仲裁、心跳检测）。文章特别强调消费者组隔离、消息时间戳、状态持久化等实践要点，最终实现冲突归零、200ms内信息同步的优化效果。该方案适用于需高可靠性、可追溯性的工业级多Agent系统。
【Kafka学习5】介绍一个开源工具 Kafka Web UI
海兰
08-22 479
Kafbat UI是一款开源的Apache Kafka可视化管理工具，提供直观的Web界面来管理Kafka集群。主要功能包括集群监控、消息管理、运维操作和安全集成，支持多集群管理、Schema Registry等组件。采用无状态设计，通过Docker镜像分发，提供Release和Snapshot两种版本。配置支持YAML文件和环境变量两种方式，推荐YAML为主。架构上作为纯客户端应用，直接连接Kafka生态组件，不存储业务数据。适用于提升Kafka开发和运维效率。
Kafka架构 消费者组
小楼一夜听春雨，深巷明朝卖杏花
08-20 122
如果还是使用的是push方式，那么很难保证每个消费者消费的速率是一样的，这样很难适应不同速率的消费者。生产者生产出来的数据会及时的推送到topic中存储，producer会像broker中发送数据，采用的是push模式。有一个主题，有三个分区，消息在进入不同的分区进行存储的时候，每个分区都有自己offset记录，来表示这条消息在分区当中的位置。kafak若干的消费者是需要放在一个分组当中的，而进行消费的时候也是以组为单位的。消费者在消费了数据之后，是要去更新消费的位置的，。
Kafka
m0_62474094的博客
08-22 37
在项目根目录创建（我在resource下创建了。无所谓）
【Kafka学习4】六大核心 API
海兰
08-19 255
本文全面介绍了Kafka的核心API体系，包括Producer API（数据生产）、Consumer API（数据消费）、Share Consumer API（协同消费）、Streams API（流处理）、Connect API（数据管道）和Admin API（集群管理）。文章通过Mermaid流程图展示了各API与Kafka集群的交互关系，并详细阐述了各API的核心原理、典型应用场景及Maven依赖配置。Kafka的API分层设计使其既能作为简单消息队列使用，也能支撑复杂的实时计算场景，开发者可根据需求灵
Go消息队列生产消费实战从Kafka到RabbitMQ的Go集成
qq_31142761的博客
08-22 93
Sarama是Go Kafka的标准客户端amqp通过操作RabbitMQ手动提交offset确保消息不丢失死信队列处理消费失败的消息生产者幂等防止重复消息。
Flink + Kafka 数据写入实战：从API调用到端到端一致性精讲
渣渣盟的博客
08-18 297
本文介绍了如何使用Flink将处理后的数据写入Kafka，重点分析了新旧两种API（FlinkKafkaProducer和KafkaSink）的差异，并深入探讨了端到端Exactly-Once语义的实现原理。主要内容包括： 架构演进：对比了新旧API在可靠性、一致性、动态路由等方面的改进，推荐使用Flink 1.13+的新KafkaSink API。 两阶段提交协议：详细解释了Flink如何通过2PC协议与Kafka事务API配合，在Checkpoint机制下实现Exactly-Once语义。 实战代码：提
Kafka 深度解剖 2：消费者组再均衡 Rebalance 全流程
雨1986的博客
08-21 1107
Rebalance 是 Kafka 消费者组最复杂、也最容易引发生产事故的机制。本文从源码层面完整走读 Rebalance 的协议流程（JoinGroup → SyncGroup → Heartbeat），深入解析 Eager 和 Cooperative 两种 Rebalance 协议的差异，揭示 Stop-the-World 问题的根源——为什么一次 Rebalance 能让消费暂停数十秒。包含 Consumer 端状态机、Coordinator 端处理逻辑、Rebalance 触发条件全景图，以及生产环
[学习笔记]Kafka 篇：从原理到实战的一站式指南
m0_62629705的博客
08-20 405
它靠"顺序写+零拷贝"快得离谱，靠 Partition 并行、Consumer Group 分摊，还能削峰、解耦、异步三合一。KRaft 已彻底告别 ZooKeeper。搞懂它，你就握住了大厂面试的加分项。
【 Kafka进阶5】使用 Docker 部署 Apache Kafka 集群完全指南
海兰
08-22 342
本文介绍了使用Docker容器化部署Kafka的全链路方案，从单节点快速测试到生产级多节点集群配置。主要内容包括： Docker部署优势：环境一致性、快速扩缩容、资源隔离和简化运维，并提供JVM版和GraalVM原生镜像选择。 镜像选择：官方提供JVM版（生产推荐）和GraalVM原生版（仅测试），后者启动更快但功能受限。 核心配置：详细说明KRaft模式、节点角色划分及关键环境变量，支持三种配置输入方式（环境变量优先）。 安全认证：介绍SASL（仅JVM支持）和SSL的配置方法及注意事项。 部署示例：提供
图解 Kafka Consumer Lag：积压增长时，怎么判断瓶颈在 Producer、Broker、Partition、Consumer 还是下游？
laker的博客
08-18 386
Kafka Consumer Lag 高并不等于 Consumer 数量不足。本文图解 Group Lag、Client Lag 与未提交窗口的区别，并从 Producer、Broker、Partition、Consumer 和下游系统逐层定位积压，给出指标、代码、配置、告警规则与排障 Runbook。
【架构实战】消息队列选型与异步架构设计：从Kafka到RabbitMQ，一次聊透
分享技术应用、实践场景等，评论区开放技术难题讨论，共同成长进步。
08-18 413
选型：大吞吐、大数据生态选Kafka；复杂路由、低延迟选RabbitMQ；需要事务消息选RocketMQ。幂等：消费端必须幂等，At-least-once语义下重复消费不可避免，用唯一键/Redis/状态机保证幂等。可靠性：生产者acks=all、MQ持久化、消费端手动提交，三环缺一不可。DLQ：死信队列是生产必备，消息处理失败后进DLQ，避免无限重试和消息丢失。异步设计：不是所有地方都要异步，同步改异步要有明确收益，不要为了异步而异步。异步架构用得好，系统吞吐量能提升一个数量级；
【Kafka进阶1】基于 Kafka 构建可靠流式系统的实践与思考
海兰
08-19 500
本文探讨了如何有效利用Kafka构建实时流式系统，重点分析了其核心能力与常见误用场景。文章指出Kafka应被视为分布式事件流平台而非简单队列，强调事件溯源、物化视图等高级用法。详细介绍了KTable、Schema Registry等关键组件，以及Debezium实现变更数据捕获(CDC)的实践挑战。对比了Kafka与RedPanda、AutoMQ等替代方案的技术权衡，提出应根据团队能力选择合适方案。最后给出最佳实践建议，包括渐进式复杂度管理、数据建模策略和运维要点，特别提醒关注数据安全与AI上下文供给。文章
kafka broker迁移
qq_38636133的博客
08-21 341
可以按 10/20 个 Partition 一批执行，直到旧 Broker 的。
【 Kafka进阶3】Apache Kafka 分布式事件流平台：架构原理与微服务解耦机制简要分析
海兰
08-20 1042
本文探讨了电商平台订单履约中传统同步调用面临的O(N²)复杂度问题，提出基于Kafka事件总线的发布-订阅模式可将复杂度降至O(N)。文章详细解析了Kafka五大核心组件（Producer、Topic、Partition、Consumer、Broker）的工作原理，重点阐述了分区路由、消费者组负载均衡和日志持久化等机制。通过与RabbitMQ等消息队列的对比，突显了Kafka在高吞吐、有序性和持久化方面的优势，为分布式系统架构设计提供了技术选型参考。
【Kafka学习2】Apache Kafka 典型应用场景
海兰
08-18 301
Kafka作为分布式流处理平台，在多个场景中展现出核心优势。它最初为网站活动跟踪设计，具备高吞吐、低延迟特性，支持百万级消息处理。在大规模消息队列场景中，Kafka通过分区机制和持久化存储解决了传统MQ的扩展性瓶颈；在日志聚合方面，其实时流式处理能力显著优于传统文件收集方式。此外，Kafka原生支持流处理管道搭建，通过Kafka Streams实现状态化处理，并完美适配事件溯源模式，成为分布式系统的可靠提交日志。其多订阅、副本容错等特性，使其在指标监控等场景中表现优异。综合来看，Kafka已从消息中间件演进
Kafka Docker 配置对比：Bitnami vs Apache 官方镜像
小小的木头人的博客
08-20 299
Docker Compose 配置 Kafka 时存在两种环境变量前缀差异：Bitnami 镜像使用 KAFKA_CFG_ 前缀（如 KAFKA_CFG_LISTENERS），而 Apache 官方镜像直接使用 KAFKA_ 前缀（如 KAFKA_LISTENERS）。这种差异源于两者的设计理念：Bitnami 通过封装脚本统一管理配置，适合快速部署；Apache 镜像则保持原生配置风格，适合需要精细控制的场景。生产环境推荐使用 Bitnami 镜像（指定具体版本），因其开箱即用且社区支持完善，而 Apac
东南大学Robocup救援仿真国际赛代码
东南大学Robocup救援仿真国际赛代码
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值