全栈（Java+vue）实习面试题（含答案）

        在广州一个小公司（BOSS标注是0-20人，薪资2-3k)，直接面试没有笔试，一开始就直接拿着简历问，也没有自我介绍，问题是结合场景题和八股文、基础。废话不多说，直接分享面试题目个大家做参考。

1、能讲一下IOC吗？

IOC就是控制反转，这是一种设计模式，核心思想是将对象的创建、依赖注入和生命周期管理交给IOC容器负责。在传统的编码方式中，我们一般需要在类中手动创建依赖对象，通过硬编码方式来控制对象的实例化和管理，而在Spring中，Bean以及对象之间的依赖关系都交给IOC容器负责，降低了代码之间的耦合度，也提高了系统的灵活性；

spring中主要通过XML配置和注解配置的两种方式实现。

2、数据库三范式能说一下吗？

数据库的三范式是关系型数据库设计的基本原则，旨在减少数据冗余、提高数据的一致性，并确保数据依赖的合理性；

第一范式：字段具有原子性，就是每个字段不能再拆分。比如联系方式应该拆分为电话和地址两个独立的字段；

第二范式：在满足第一范式的基础上，消除部分依赖，就是非主键字段必须完全依赖主键中的各个字段（表中使用的是复合主键，主键包含多个字段）。比如订单明细表的主键是订单ID+产品ID，字段客户姓名仅依赖订单ID，可以将客户姓名移到以订单ID为主键的订单表中；

第三范式：在满足第一、二范式的基础上，消除传递依赖，就是非主键字段不能依赖其他非主键字段。比如学生表包含学号（主键）、学院、学院电话，其中学院电话依赖学院，而学院依赖学号，应拆分为学生表（学号、学院）和学院表（学院、学院电话）

这种规则约束减少了冗余、避免了跟新异常，但过度范式化可能导致多表关联查询、降低性能；

3、数据库的优化问题？

（1）表设计优化

1. 选择合适的数据类型，尽量使用最小的数据类型（比如使用INT替代BIGINT，使用CHAR替代VARCHAR）来减少存储和查询成本；
2. 分区表：对于数据量极大的表可以考虑分区表，将表按某些规则分割成多个小表，提高查询效率；
3. 主从复制、读写分离：如果数据库读的操作比较多，为了避免写操作所造成的性能影响，可以采用读写分离的架构；

（2）索引优化：

1. 创建适当的索引，避免过多的索引，查照索引的创建原则；
2. 覆盖索引：使用索引覆盖查询，避免回表，调高效率；

（3）SQL语句优化：

1. 尽量明确指定需要的列，避免使用SELECT *，以减少不必要的数据传输；
2. SQL语句要避免造成索引失效的写法；
3. 尽量用union all 替代 union ，union多了一次过滤，效率较低；
4. 避免子查询，特别是当子查询返回大量数据时，可以考虑JOIN或WITH子句替代

索引创建原则和失效场景看这篇八股文：

https://blog.csdn.net/weixin_73144915/article/details/145535602?spm=1001.2014.3001.5501

4、知道多态吗，解释一下？

多态指同一个操作作用于不同对象时，可以有不同的实现方式。核心目的是提高代码的灵活性和可扩展性；多态的两种形式如下：

1、编译时多态（静态多态），实现方法重载，在编译时根据参数类型和个数确定调用哪个方法；

2、运行时多态（动态多态），通过接口/继承和方法重写来实行，在运行时根据对象的实际类型决定调用哪个方法；

5、hashMap和hashTable的区别？

HashMap和Hashtable都是Java中用于存储键值对的哈希表类，区别如下：

（1）线程安全：HashMap不是线程安全的，如果多个线程并发访问HahsMap，并且至少有一个线程做了修改，他必须通过外部同步来保证线程安全，否则可能会导致数据不一致的情况；而Hashtable是线程安全的，他的方法都被synchronized修饰，可以在多线程环境下安全的被访问；

（2）性能：HashMap性能通常优于Hashtable，特别是在单线程环境下；而Hashtable由于方法上都有同步锁，性能较差；

（3）Null值：HashMap允许一个null值（键唯一性）和多个null值；而Hashtable不允许出现null键或null值。

6、SpringMVC的核心是什么？

SpringMVC的核心是基于前端控制器模式的请求驱动设计，将前端控制器作为中央调度器，拦截请求将请求分发给对应的处理器，并协调视图解析、数据绑定等组件完成全流程处理。其核心设计理念是解耦、模块化、可扩展。核心流程如下：

1.发送请求：用户发送请求，被前端控制器拦截；

2.映射处理器：处理器映射器根据URL找到对应的Controller层和方法；

3.调用控制器：Controller执行业务逻辑，返回ModelAndView数据；

4.解析视图：视图解析器将视图名称转化为具体视图（如HTML页面）；

5.渲染视图：将模型数据填充到视图中，生成最终响应给用户；

7、怎么解决超卖问题？

解决超卖问题的核心在于保证库存扣减的原子性和一致性，尤其是在高并发场景下。以下是分层的解决方案，涵盖技术实现和业务逻辑优化：

---

一、技术层面解决方案

1. 数据库锁机制

• 悲观锁（Pessimistic Lock）
  在事务中通过 SELECT ... FOR UPDATE 锁定库存记录，防止其他事务修改。

BEGIN;
SELECT stock FROM products WHERE id=1 FOR UPDATE;
UPDATE products SET stock = stock - 1 WHERE id=1;
COMMIT;

• 缺点：性能较差，适用于低并发场景。

• 乐观锁（Optimistic Lock）
  通过版本号或时间戳控制并发，仅当库存未被修改时才扣减。

UPDATE products 
SET stock = stock - 1, version = version + 1 
WHERE id=1 AND version = {current_version} AND stock > 0;

• 优点：性能高，适合高并发；缺点：需重试逻辑（如失败后提示用户重新下单）。

2. 分布式锁（Redis/ZooKeeper）

• 使用 Redis 的 SETNX 或 RedLock 算法，确保同一时间只有一个请求能操作库存。
  示例（Redis + Lua脚本保证原子性）：

local key = "product_1_stock"
local decrement = 1
local stock = tonumber(redis.call('GET', key))
if stock >= decrement then
    redis.call('DECRBY', key, decrement)
    return 1  -- 扣减成功
else
    return 0  -- 库存不足
end

适用场景：分布式系统，需配合数据库最终一致性。

3. 缓存预扣库存（Redis + 异步队列）

步骤：

1. 将库存预热到 Redis 中。

2. 用户下单时，先通过 DECR 扣减 Redis 库存。

3. 若扣减成功，将订单信息发送到消息队列（如 Kafka、RabbitMQ），异步更新数据库。

4. 若最终数据库更新失败，需回滚 Redis 库存（如通过 TTL 自动过期或补偿事务）。

优点：扛住瞬时高并发；缺点：需处理缓存与数据库的数据一致性。

8、Mybatis中XML和注解你是怎么使用的？ 

配合着使用，一些简单的SQL语句可以直接用注解来写，而复杂SQL、联表查询的用XML来写

9.如果利用用户ID恶意访问接口，怎么解决？

1. 采用 Token 进行身份验证

• 使用 JWT（JSON Web Token） 或 Session 机制 进行身份认证，确保用户必须先登录后才能访问接口。
• Token 绑定用户身份，服务器通过 Token 解析出用户 ID，而不是让前端传递用户 ID。

---

2. 避免前端传递用户 ID

• 服务器根据 Token 自动获取当前用户 ID，而不是让前端传递 userId 参数。
• 示例：

@GetMapping("/user/profile")
public ResponseEntity getUserProfile(@RequestAttribute("userId") Long userId) {
    UserProfile profile = userService.getProfileById(userId);
    return ResponseEntity.ok(profile);
}

这里 userId 是从 JWT 解析出来的，而不是从前端传递的参数。 

3. 进行权限校验

• 后端校验数据归属权，即使用户传递 userId，也要检查该 userId 是否与当前登录用户匹配。
• 示例（Spring Boot 权限校验）：

@GetMapping("/user/orders")
public ResponseEntity> getUserOrders(@RequestParam Long userId, @RequestAttribute("userId") Long currentUserId) {
    if (!userId.equals(currentUserId)) {
        throw new AccessDeniedException("非法访问");
    }
    return ResponseEntity.ok(orderService.getOrdersByUserId(userId));
}

这里 currentUserId 是从 Token 解析出来的，确保用户不能查询别人的订单。

4. 限制请求频率（防止暴力攻击）

• 使用 Rate Limiting（限流）机制，比如：
  • Redis + 滑动窗口 进行限流
  • Nginx 限流
  • 使用 Spring Boot 的 Bucket4j 或 Guava RateLimiter
• 示例（Spring Boot 限流）：

@RateLimiter(name = "user-api", fallbackMethod = "limitExceeded")
@GetMapping("/user/data")
public ResponseEntity getUserData() {
    return ResponseEntity.ok("数据获取成功");
}

public ResponseEntity limitExceeded(Exception e) {
    return ResponseEntity.status(HttpStatus.TOO_MANY_REQUESTS).body("请求过于频繁，请稍后再试");
}

10.说一下类加载器？

JVM只会运行二进制文件，类加载器的作用就是将字节码文件加载到JVM中，转化为JVM可识别的数据结构，从而使Java程序能够运行启动。核心作用如下：

（1）动态加载：在程序运行时按需要加载类，而非一次性加载所有类；

（2）隔离性：不同类加载器可以加载不同来源的类，避免命名冲突（如Tomcat隔离Web应用）；

（3）安全性：通过双亲委派机制，防止恶意修改核心类库代码；