Java 面试实战：电商实时交易系统中的 Spring Boot、Kafka、Redis 与 AI 客服

电商实时交易系统 Java 面试实战：Spring Boot + Kafka + Redis + Resilience4j + Prometheus/Grafana

场景：互联网大厂电商交易与营销中台面试

面试官：今天我们围绕“电商实时交易系统”来聊，场景会从订单、库存、优惠、风控、监控一路展开。你先别紧张，先自我介绍一下。

燕双非：大家好，我是燕双非，擅长把“能跑”写成“能上线”，把“上线了”写成“稳定了”。

第一轮：订单下单链路

1）面试官：你用 Spring Boot 设计过高并发下单接口吗？从控制器到服务层，你会怎么组织代码？

燕双非：会一点。一般就是 Controller 接收参数，Service 里做校验、扣库存、创建订单，最后返回结果。Spring Boot 比较方便，配置少，接口也好写。

面试官：基础思路没问题，说明你至少知道分层。那如果订单接口要支持幂等，你会怎么做？

燕双非：嗯……我可能会先加个唯一订单号，再查一下数据库有没有重复，差不多就行吧。

面试官：方向对，但还不够完整，后面我们再展开。

2）面试官：下单后要发消息给库存系统，你会选 Kafka 还是 RabbitMQ？为什么？

燕双非：Kafka 听起来更像大厂标配，吞吐高，适合发订单事件。RabbitMQ 我印象里比较适合业务路由和复杂消息模式。

面试官：回答得不错，至少能区分吞吐和路由场景。那如果消息重复消费了，你怎么处理？

燕双非：……那就消费者里加个去重表？或者 Redis set 判断一下？

面试官：可以，思路上接近生产做法，但要考虑去重窗口和一致性。

3）面试官：库存扣减你会放在 Redis 里做预扣，还是直接落数据库？

燕双非：如果是秒杀或者高峰场景，先 Redis 预扣比较快，再异步落库；如果普通交易，数据库事务也可以。

面试官：很好，能结合业务场景判断，不是所有问题都一刀切。

4）面试官：下单接口如何保证短时间大量请求下系统不被打垮？

燕双非：可以做限流、排队、缓存、异步化，还可以加熔断。比如用 Resilience4j 做限流和降级。

面试官：这个回答比刚才更像一个真正做过线上系统的人。

第二轮：交易稳定性与数据一致性

1）面试官：订单成功但库存扣减失败，怎么保证最终一致性？

燕双非：可以用本地消息表，或者事务消息。订单落库后发一条待发送消息，后台任务补偿发送。

面试官：对，已经接近生产实践。那如果要更标准一点，你会怎么设计状态机？

燕双非：嗯……订单状态可以有待支付、已支付、已取消、已完成。状态流转尽量单向，避免乱跳。

面试官：很好，状态机是交易系统的骨架。

2）面试官：你会如何使用 Redis 来提升订单详情查询性能？

燕双非：把热点订单信息缓存起来，查缓存没有再查数据库，回填 Redis。还可以设置过期时间防止脏数据太久。

面试官：不错。那缓存击穿、缓存穿透、缓存雪崩分别怎么处理？

燕双非：击穿就加互斥锁，穿透可以布隆过滤器，雪崩就给 key 加随机过期时间。

面试官：回答清楚了，说明你至少认真背过线上问题。

3）面试官：如果用 Spring Cache 统一管理缓存，你会怎么配合 Caffeine 和 Redis？

燕双非：可以做两级缓存，Caffeine 做本地缓存，Redis 做分布式缓存。热点数据先打本地，减少网络开销。

面试官：可以，但要注意缓存一致性和失效通知。

4）面试官：现在很多系统都要求监控下单链路，你会埋哪些指标？

燕双非：QPS、RT、错误率、消息堆积量、库存预扣失败率、订单创建成功率。可以用 Micrometer 接 Prometheus，再用 Grafana 看板展示。

面试官：这个挺好，已经有一点平台工程思维了。

第三轮：风控、可观测性与 AI 辅助客服

1）面试官：订单链路里如果要做风控，你会怎么设计？

燕双非：可以按用户、设备、IP、支付行为做规则判断，比如同一设备频繁下单、异常地域切换、短时间内大量取消等。

面试官：对，规则风控是第一层。那复杂场景下怎么做动态决策？

燕双非：呃……可以上机器学习模型？或者把规则配置化？

面试官：可以先规则引擎化，再逐步引入模型评分。

2）面试官：如果客服系统要接入 AI 做订单咨询，你会怎么设计？

燕双非：可以做一个 Spring AI 的服务，结合 RAG，把订单 FAQ、退换货政策、物流规则做向量化，接向量数据库检索后再生成回答。

面试官：不错，已经不只是会“调大模型”了。那怎么降低 AI 幻觉？

燕双非：限制它只能基于检索结果回答，必要时提示“不确定”，并且对关键业务做工具调用，不让模型瞎编。

面试官：这点很关键，生产里必须控制幻觉。

3）面试官：你如何设计一个支持人工客服接管的智能客服工作流？

燕双非：先让 AI 处理标准问题，复杂问题转人工；聊天上下文要保留，工单要带上会话摘要，方便人工快速接手。

面试官：对，聊天会话内存和工具执行框架都要考虑。

4）面试官：最后一个问题，线上出了支付回调延迟，你怎么排查？

燕双非：先看日志，再看链路追踪，比如 Zipkin 或 Jaeger，结合 Prometheus 指标看是不是消息堆积、数据库慢查询或者第三方通道抖动。

面试官：思路是对的，能从可观测性维度下手。

面试官：今天先到这儿，你回去等通知吧。

所有面试问题详解

1. Spring Boot 如何组织高并发下单接口？
典型做法是 Controller 负责入参和返回值，Service 负责业务编排，DAO 负责数据访问。高并发场景下要特别关注参数校验、幂等控制、事务边界、线程池隔离和异常回滚。电商下单不是简单 CRUD，而是“校验用户资格、检查库存、创建订单、发消息、落审计日志”的组合流程。

2. 幂等如何设计？
可使用业务唯一键、请求幂等 token、订单状态校验、分布式锁等方式。生产中常见的是“客户端生成请求号 + 服务端幂等表/唯一索引 + 状态机约束”，避免重复提交、重复扣库存、重复发消息。

3. Kafka 和 RabbitMQ 如何选择？
Kafka 更适合高吞吐、事件流、日志型消息和削峰填谷；RabbitMQ 更适合复杂路由、低延迟业务消息和灵活投递模式。订单事件、埋点、行为流更偏 Kafka；订单状态变更通知、精细路由补偿可能更适合 RabbitMQ。

4. 消息重复消费怎么处理？
消息队列通常至少一次投递，因此消费者必须幂等。常见方案有：数据库唯一约束、消费日志表、Redis 去重标记、业务状态判断。关键不是“避免重复”，而是“重复了也不出错”。

5. Redis 预扣库存为什么常见？
因为 Redis 读写快，适合在秒杀、抢购、促销场景中先做快速拦截，减少数据库压力。通常先在 Redis 中原子扣减，再异步落库；如果落库失败，要靠补偿机制修正最终库存。

6. 如何处理缓存击穿、穿透、雪崩？
击穿：热点 key 失效导致大量请求打到 DB，可用互斥锁或逻辑过期。穿透：请求不存在的数据，可用布隆过滤器或缓存空值。雪崩：大量 key 同时失效，可给过期时间加随机值、做多级缓存、限流降级。

7. Caffeine + Redis 两级缓存有什么价值？
Caffeine 是本地缓存，访问极快，适合热点数据；Redis 是分布式缓存，适合跨实例共享。两级缓存能降低网络开销和 Redis 压力，但需要处理一致性、失效通知和热点漂移问题。

8. 交易系统为什么要有状态机？
订单、支付、退款、发货都有严格状态流转，状态机能防止非法跳转，例如“未支付订单不能直接完成”。状态机让业务逻辑更清晰，也利于审计、补偿和并发控制。

9. 如何保证最终一致性？
常见方式有本地消息表、事务消息、可靠消息投递、定时补偿、消息确认机制。核心思想是：本地事务先成功，再异步传播事件；如果中间失败，要有补偿任务继续推进，直到结果收敛。

10. Micrometer + Prometheus + Grafana 怎么用？
Micrometer 负责统一度量指标埋点，Prometheus 负责采集和存储时序指标，Grafana 负责可视化。电商系统常监控 QPS、RT、错误率、消息堆积、订单成功率、支付回调延迟、库存失败率等。

11. 风控系统怎么设计第一层规则？
先做规则风控：同设备频繁下单、同 IP 异常行为、异常地域切换、短时间重复支付失败等。规则层简单直接，响应快，适合作为实时拦截的第一道防线。

12. AI 客服如何结合 RAG？
RAG 的核心是“先检索，再生成”。把 FAQ、政策、工单知识库、订单操作文档做文档加载、切分、向量化，存入向量数据库；用户提问后先语义检索，再把命中文档拼进提示词，让模型基于证据回答。

13. 如何降低 AI 幻觉？
限制模型只能引用检索结果、对高风险问题强制工具调用、对关键信息加入校验、对未知回答“不确定”。生产中还要对回答做审计、打分和人工兜底，避免模型胡编订单状态、退款金额等敏感信息。

14. 智能客服如何支持人工接管？
需要保留会话内存、摘要、用户上下文和已执行工具结果。AI 先处理标准问答，复杂问题转人工，人工接手时可看到完整历史，避免重复问用户。

15. 出现支付回调延迟怎么排查？
先看日志，再看链路追踪，再看指标。重点检查第三方支付通道、消息堆积、数据库慢 SQL、线程池耗尽、网络抖动和限流规则。排查顺序一般是：现象确认、定位入口、拆分链路、回放请求、验证瓶颈。

以上内容围绕电商实时交易系统，从下单、库存、消息、缓存、监控、风控到 AI 客服，串起了 Java 面试中最常见也最容易追问的关键点。希望这篇内容能帮助你在面试中把握节奏、讲清思路、答出深度。感谢阅读，希望能真正帮助到大家。