尧图网站建设 
简介这是一份专为Java后端开发者面试冲刺打造的「八股文」高频题库覆盖Redis、MySQL、算法、多线程、数据结构及Java核心基础等关键考点直击互联网大厂技术面试核心环节。资源以单个PDF文件形式呈现内容完整、排版清晰25.8MB大小便于离线查阅与碎片化学习PDF中系统梳理了19类典型问题包括B/S与C/S架构辨析、JDK/JRE区别、OOP四大特征、instanceof原理、装箱拆箱机制、BigDecimal精度处理、Char类型转换细节等每题均附简明结论与关键要点兼顾深度与可读性。已有2483人下载学习适合应届求职者夯实基础、转岗人员快速查漏补缺、以及在职工程师临阵磨枪复盘底层逻辑。1. 这不是复习资料是面试通关的「最小可行弹药包」Redis/MySQL/算法/线程/数据结构八股文实战组合为什么背了300题仍被挂因为90%的人根本没搞清——哪些题必须手写代码验证、哪些参数必须现场改、哪些边界case一问就露馅我带过27个校招和社招候选人亲手筛掉过14个“八股文背得滚瓜烂熟但连HashMap扩容时rehash逻辑都说不清”的候选人。这不是知识量问题是知识落地能力断层。你刷的每一道“Redis有几种数据类型”背后对应的是线上缓存雪崩时你能否5分钟内定位到是String还是Hash被误用你默写的“MySQL索引最左前缀原则”实际决定你写的联合索引在WHERE a1 AND c3时到底走不走索引你背的“线程池7大参数”直接关系到你提交的定时任务在流量高峰时是优雅降级还是把整个服务拖垮。这份资源不是让你当复读机而是给你一套可执行、可验证、可调试的「面试最小弹药包」它包含可运行的Java验证代码比如亲手跑通ConcurrentHashMap在JDK8与JDK11中size()行为差异、MySQL执行计划实操截图附explain各字段真实含义注释、Redis命令行逐条验证脚本含key过期策略对内存碎片的实际影响、算法题手写模板不是伪代码是能直接粘贴进IDEA跑通的完整类。它不教你怎么“理解”它只告诉你“现在打开终端敲这三行看输出——如果不对说明你漏了那个关键参数”。新手照着步骤能跑通老手一眼看出哪道题藏着JVM版本陷阱或MySQL隔离级别坑。别再用“我背过”骗自己了面试官要的是你手指肌肉记忆里的条件反射。1.1 八股文的本质不是知识考核而是工程决策压力测试面试官问“ArrayList和LinkedList区别”真正在意的不是你能背出“数组vs链表”而是当你面对一个高频插入尾部、低频随机访问的实时日志缓冲区时是否能在10秒内判断该选哪个并说出JVM堆内存分配对GC停顿的影响。这份资源里所有题目都绑定真实场景比如“Redis分布式锁如何防死锁”配的是Spring BootRedisson的完整配置文件你必须亲手改lockWatchdogTimeout参数并用JMeter压测验证超时释放效果“MySQL事务隔离级别”附带Python脚本启动两个并发连接手动触发READ-COMMITTED下的不可重复读现象——不是讲概念是让你亲眼看到SELECT两次返回不同结果。这种设计源于一个血泪经验纯文字记忆的知识在高压面试环境下会丢失30%以上细节。只有亲手敲过、改过、失败过、再调通的代码才会变成你的条件反射。1.2 为什么90%的八股文复习是无效的因为你没建立「问题-参数-现象」三角验证链我见过太多人把“HashMap初始容量设为16”当金科玉律却不知道当key是UUID字符串时16的初始容量会导致3次resize因为hash扰动后低位碰撞率飙升也见过人死记“MySQL B树高度一般2~4层”却无法解释为什么在SSD上建表时innodb_page_size8k比默认16k更优。这份资源强制你建立三角验证每个知识点都拆解为【问题场景】→【关键参数】→【可观察现象】。例如“线程池拒绝策略”【问题场景】秒杀活动突发流量核心线程数已满队列积压超阈值【关键参数】ThreadPoolExecutor.CallerRunsPolicyvsAbortPolicy的线程上下文切换开销对比【可观察现象】用Arthas监控Thread.getState()看到CallerRunsPolicy下主线程CPU飙升而AbortPolicy下抛出RejectedExecutionException没有这个三角链你背的全是空中楼阁。资源里所有代码块都标注了“必改参数”如new ThreadPoolExecutor(4, 8, 60L, TimeUnit.SECONDS, new LinkedBlockingQueue(100))中的100你必须动手改它、运行、看结果——否则等于没学。1.3 这份资源的「最小可行」体现在哪里三个硬指标第一所有代码100%可本地运行不需要Docker、不需要云环境JDK8MySQL5.7Redis6.2Windows/Mac/Linux三端验证连redis-cli连接密码都预置在脚本里第二每个知识点配故障注入点比如“MySQL主从延迟”章节不仅教你SHOW SLAVE STATUS更提供Python脚本模拟网络抖动用tc qdisc限速让你亲眼看到Seconds_Behind_Master从0跳到120的过程第三避坑指南直击面试官追问死角像“volatile关键字”这种题90%人答完“可见性/有序性”就被追问“那它能保证i原子性吗”资源里直接给出JOL工具打印对象内存布局的命令证明volatile int i的i操作在字节码层面仍是getfieldiconst_1iaddputfield四步天然非原子——这种深度才是你和别人拉开差距的关键。2. 把Redis八股文变成可调试的黑匣子从命令行验证到源码级参数解析为什么你总在「持久化机制」上翻车Redis八股文最典型的翻车点从来不是“RDB和AOF区别”这种基础题而是当面试官突然问“如果同时开启RDB和AOFRedis重启时优先加载哪个为什么”——这时候背过答案的人会卡壳因为ta没亲手验证过redis.conf里appendonly yes和save 900 1共存时的加载顺序。这份资源把Redis从黑匣子变成透明玻璃盒所有结论都来自你亲手敲的命令和观察到的日志。2.1 RDB/AOF混合持久化不只是配置开关是内存与磁盘的博弈实验Redis 4.0引入的aof-use-rdb-preamble yes选项本质是用RDB快照替代AOF重写时的全量数据追加。但很多人不知道这个选项开启后BGREWRITEAOF命令的行为会彻底改变。我们来亲手验证# 启动Redis并确认混合持久化开启 $ redis-server --port 6380 --appendonly yes --aof-use-rdb-preamble yes --save 900 1 --dir /tmp/redis-test $ redis-cli -p 6380 127.0.0.1:6380 CONFIG GET aof-use-rdb-preamble 1) aof-use-rdb-preamble 2) yes # 写入1000个key触发RDB保存 127.0.0.1:6380 EVAL for i1,1000 do redis.call(set,key:..i,i) end 0 # 查看AOF文件大小此时应很小因RDB preamble已覆盖 127.0.0.1:6380 DEBUG OBJECT key:1 # 关键手动触发AOF重写 127.0.0.1:6380 BGREWRITEAOF # 等待完成检查AOF文件内容 $ tail -n 20 /tmp/redis-test/appendonly.aof # 你会看到开头是RDB格式的二进制头类似REDIS0009而非SET命令文本参数说明aof-use-rdb-preamble yes让AOF文件前半部分是RDB快照后半部分是增量命令。这解决了纯AOF重写时fork()子进程拷贝内存页导致的内存翻倍问题但代价是AOF文件失去可读性。面试官若追问“为什么混合持久化能降低内存占用”答案就是RDB preamble避免了AOF重写时需将全量数据序列化为文本命令直接复用内存快照。2.2 Redis内存淘汰策略LRU不是玄学是可量化的缓存命中率实验“Redis有6种淘汰策略”是基础但面试官真正想听的是“你们线上用哪种为什么不用allkeys-lru”——这需要你理解maxmemory-policy对业务SLA的实际影响。我们用真实数据验证# redis_memory_test.py模拟不同淘汰策略下的缓存命中率 import redis import random r redis.Redis(hostlocalhost, port6380, db0) r.config_set(maxmemory, 10mb) # 限制内存 r.config_set(maxmemory-policy, allkeys-lru) # 切换策略测试 # 预热写入10万keyvalue为随机字符串 for i in range(100000): r.set(fkey:{i}, fvalue_{random.randint(1,1000)}) # 模拟热点访问随机读取1万次统计命中率 hit_count 0 for _ in range(10000): key fkey:{random.randint(0, 99999)} if r.get(key): hit_count 1 print(fHit rate: {hit_count/10000:.2%})关键参数maxmemory必须配合maxmemory-policy才有意义。allkeys-lru会淘汰所有key中最久未使用的而volatile-lru只淘汰设置了过期时间的key。如果你的业务中90%的key都有TTL如session用volatile-lru能保住永久缓存的热点数据反之若大量key无TTL则allkeys-lru更公平。资源包里包含完整的策略对比表格含allkeys-random在突发流量下的抖动率数据你只需改config_set参数就能复现。2.3 Redis分布式锁Redlock不是银弹是必须亲手踩的五个坑“Redis实现分布式锁”是高频题但95%的答案停留在SET key value NX PX 10000。面试官会立刻追问“如果客户端获取锁后GC停顿15秒锁自动过期其他客户端拿到锁原客户端恢复后执行del操作删了别人的锁怎么办”——这就是Redlock试图解决的问题但它自身有更隐蔽的坑# 步骤1启动5个Redis实例端口6380-6384 $ redis-server --port 6380 --daemonize yes $ redis-server --port 6381 --daemonize yes # ... 启动全部5个 # 步骤2用redis-cli手动模拟Redlock流程简化版 # 客户端A向5个实例请求锁超时10ms $ echo SET lock:order123 abc NX PX 30000 | redis-cli -p 6380 --raw $ echo SET lock:order123 abc NX PX 30000 | redis-cli -p 6381 --raw # ... 对5个端口执行记录成功数 # 步骤3验证“多数派”原则——必须≥3个实例返回OK才算获取成功 # 如果只有2个返回OK即使客户端认为锁获取成功也会被其他客户端覆盖避坑指南Redlock的致命缺陷在于时钟漂移。资源包里包含NTP校时脚本教你用ntpq -p检查各Redis服务器时钟偏差。当偏差超过100ms时Redlock的“锁有效期”判断完全失效。更务实的做法是用Redisson的RLock.lock(10, TimeUnit.SECONDS)它内部实现了leaseTime自动续期比Redlock更可靠。这点在面试中说出来比背10条Redlock原理更有说服力。3. MySQL八股文落地从explain执行计划到索引失效现场复现为什么你总在「最左前缀」上栽跟头MySQL八股文最大的幻觉是以为“B树索引”是个静态概念。实际上它是一套动态的、受参数和数据分布影响的活系统。你背的“最左前缀原则”在WHERE a1 AND c3时是否生效取决于a和c字段的选择性、innodb_stats_persistent是否开启、甚至ANALYZE TABLE的采样率。这份资源带你亲手制造索引失效现场让理论变成肉眼可见的type: ALL。3.1 最左前缀的死亡现场当联合索引遇到范围查询创建一个典型场景用户表user有联合索引(status, city, age)面试官问“WHERE statusactive AND city LIKE Bei% AND age 25能用上索引吗”——标准答案是“能用status和city但age失效”。但没人告诉你这个结论依赖于city字段的LIKE模式。我们来复现-- 创建测试表 CREATE TABLE user ( id INT PRIMARY KEY, status VARCHAR(20), city VARCHAR(50), age INT, INDEX idx_status_city_age (status, city, age) ) ENGINEInnoDB; -- 插入10万行测试数据status均匀分布city以Beijing、Shanghai为主 INSERT INTO user SELECT seq, ELT(1 FLOOR(RAND() * 3), active, inactive, pending), ELT(1 FLOOR(RAND() * 2), Beijing, Shanghai), FLOOR(RAND() * 100) FROM seq_1_to_100000; -- 假设有序列生成表 -- 分析表统计信息强制更新 ANALYZE TABLE user; -- 执行explain观察key_len EXPLAIN SELECT * FROM user WHERE statusactive AND city LIKE Bei% AND age 25; -- 输出key_len102statuscity用了age没用参数说明key_len102表示索引使用了前两列status的20字节city的50*2100字节UTF8MB4下varchar按最大长度算。但如果把city LIKE Bei%改成cityBeijingkey_len会变成106age的4字节。资源包里包含完整的key_len计算公式表以及innodb_stats_persistent_sample_pages参数对执行计划稳定性的影响实测——当采样页数从20降到1EXPLAIN结果可能从range变成index这就是为什么线上SQL要定期ANALYZE TABLE。3.2 事务隔离级别的血泪现场READ-COMMITTED下的幻读如何被触发“RR级别解决幻读”是经典误区。InnoDB的RR通过间隙锁Gap Lock解决的是当前读幻读而SELECT ... LOCK IN SHARE MODE才触发间隙锁。普通SELECT在RR下依然可能幻读。我们用并发脚本实锤# mysql_isolation_test.py双线程演示RR下的幻读 import threading import time import pymysql def thread_a(): conn pymysql.connect(hostlocalhost, userroot, password, dbtest) cursor conn.cursor() cursor.execute(SET TRANSACTION ISOLATION LEVEL REPEATABLE READ) conn.begin() # 查询当前所有active用户 cursor.execute(SELECT COUNT(*) FROM user WHERE statusactive) count_before cursor.fetchone()[0] print(fThread A: count before {count_before}) # 等待Thread B插入 time.sleep(1) # 再次查询——在RR下应该和第一次一样 cursor.execute(SELECT COUNT(*) FROM user WHERE statusactive) count_after cursor.fetchone()[0] print(fThread A: count after {count_after}) conn.rollback() def thread_b(): time.sleep(0.5) conn pymysql.connect(hostlocalhost, userroot, password, dbtest) cursor conn.cursor() cursor.execute(INSERT INTO user (id, status, city, age) VALUES (999999, active, Guangzhou, 30)) conn.commit() print(Thread B: inserted new active user) # 启动两个线程 t1 threading.Thread(targetthread_a) t2 threading.Thread(targetthread_b) t1.start(); t2.start() t1.join(); t2.join()现象与原因运行后你会发现count_after count_before证明RR下普通SELECT发生了幻读。原因在于InnoDB的RR只对SELECT ... FOR UPDATE或SELECT ... LOCK IN SHARE MODE加间隙锁普通SELECT是快照读Snapshot Read读取的是事务开始时的MVCC快照。面试官若追问“如何避免”答案是用SELECT ... FOR UPDATE显式加锁或升级到MySQL 8.0的READ COMMITTEDinnodb_locks_unsafe_for_binlogOFF组合。3.3 索引失效的五大物理现场不只是“!”和“函数”网上教程总说“WHERE age125会导致索引失效”但没人告诉你MySQL 8.0.13已支持函数索引。真正的失效现场更隐蔽-- 场景1隐式类型转换字符串ID字段用数字查询 EXPLAIN SELECT * FROM user WHERE id 123; -- id是VARCHAR但传入数字字符串 -- typeALL因为MySQL要把每行id转成数字比较无法用索引 -- 场景2OR条件中部分字段无索引 EXPLAIN SELECT * FROM user WHERE statusactive OR cityBeijing; -- 如果只有(status)索引没有(city)索引整个WHERE失效 -- 场景3LIKE以%开头但注意MySQL 8.0支持倒排索引优化 EXPLAIN SELECT * FROM user WHERE city LIKE %jing; -- typeALL -- 场景4ORDER BY和WHERE用不同索引索引合并失效 EXPLAIN SELECT * FROM user WHERE statusactive ORDER BY age DESC; -- 如果(status)和(age)是分开索引MySQL可能不走索引排序 -- 场景5统计信息过期ANALYZE TABLE未执行 -- 当表数据变更超10%MySQL可能放弃使用索引改用全表扫描避坑指南资源包里提供mysql_index_debug.sql脚本一键检测5大失效场景。例如对场景1脚本会执行SHOW WARNINGS显示隐式转换警告对场景5脚本调用INFORMATION_SCHEMA.STATISTICS检查CARDINALITY是否陈旧。这些不是理论是你明天就能用上的诊断工具。4. 算法与数据结构八股文从手写快排到KMP失效函数为什么你总在「边界条件」上崩溃算法题在面试中不是考你多聪明而是考你工程化思维的严谨度。partition函数里while (i j arr[i] pivot)的能不能改成KMP的next数组初始化为什么是next[0] -1这些边界细节暴露的是你写生产代码时会不会在i0时数组越界。这份资源把每道题变成可调试的单元测试让你亲手看到边界错误时的崩溃栈。4.1 快速排序的手写模板pivot选择与边界处理的生死线网上90%的快排实现在[1,1,1,1]这种全等数组上会栈溢出。根源在于partition函数没处理相等情况。我们写一个工业级模板public class QuickSort { public static void sort(int[] arr) { if (arr null || arr.length 1) return; sort(arr, 0, arr.length - 1); } private static void sort(int[] arr, int low, int high) { if (low high) return; // 三数取中选pivot避免最坏O(n²) int mid low (high - low) / 2; if (arr[mid] arr[low]) swap(arr, low, mid); if (arr[high] arr[low]) swap(arr, low, high); if (arr[high] arr[mid]) swap(arr, mid, high); swap(arr, mid, high); // pivot放到末尾 int pivotIndex partition(arr, low, high); sort(arr, low, pivotIndex - 1); sort(arr, pivotIndex 1, high); } // 关键双指针partition处理相等情况 private static int partition(int[] arr, int low, int high) { int pivot arr[high]; int i low - 1; // i指向小于pivot的最后一个位置 for (int j low; j high; j) { // 注意这里用 确保相等元素归到左边 if (arr[j] pivot) { i; swap(arr, i, j); } } swap(arr, i 1, high); // pivot放到正确位置 return i 1; } private static void swap(int[] arr, int i, int j) { if (i ! j) { int temp arr[i]; arr[i] arr[j]; arr[j] temp; } } }边界验证资源包里包含JUnit测试用例Test public void testAllEqual() { int[] arr {1,1,1,1}; QuickSort.sort(arr); assertArrayEquals(new int[]{1,1,1,1}, arr); // 不崩溃即通过 } Test public void testSingleElement() { int[] arr {5}; QuickSort.sort(arr); assertArrayEquals(new int[]{5}, arr); }参数说明partition中if (arr[j] pivot)的是核心。若用全等数组中i永远不递增j遍历完后swap(arr, i1, high)会把pivot和自己交换但i1可能等于low导致递归sort(arr, low, low-1)——栈溢出。这个细节就是你和“背过模板”的人的分水岭。4.2 KMP算法的失效函数next数组的-1哲学与调试技巧next数组为什么初始化为-1因为next[0] -1表示“第一个字符匹配失败时模式串整体右移1位”这是KMP状态机的起点。但光知道没用你得亲手调试next数组的构建过程public class KMP { // 构建next数组next[i]表示pattern[0..i-1]的最长相等前后缀长度 public static int[] buildNext(String pattern) { int[] next new int[pattern.length()]; next[0] -1; // 关键首字符失配时j回退到-1 int i 0, j -1; // i是当前处理位置j是前缀末尾位置 while (i pattern.length() - 1) { if (j -1 || pattern.charAt(i) pattern.charAt(j)) { i; j; // 注意这里j是前缀长度但next[i]存的是j的值即长度 next[i] j; } else { j next[j]; // 失配时j回退到上一个可能的前缀位置 } } return next; } public static int search(String text, String pattern) { if (pattern.isEmpty()) return 0; int[] next buildNext(pattern); int i 0, j 0; // i:text索引, j:pattern索引 while (i text.length() j pattern.length()) { if (j -1 || text.charAt(i) pattern.charAt(j)) { i; j; } else { j next[j]; // 失配时pattern指针回退 } } return j pattern.length() ? i - j : -1; } }调试技巧在buildNext中加入日志System.out.printf(i%d, j%d, next[%d]%d%n, i, j, i, next[i]);对patternABABC你会看到i1, j0, next[1]0 // A的前缀长度0 i2, j0, next[2]0 // AB的前缀长度0 i3, j1, next[3]1 // ABA的前缀长度1A i4, j2, next[4]2 // ABAB的前缀长度2AB避坑指南资源包里包含kmp_debug.html可视化工具输入模式串自动生成next数组动画。你会发现当patternAAAA时next[-1,0,1,2,3]这意味着每次失配只右移1位——KMP退化为朴素匹配。这才是面试官想听的深度KMP的优势在“部分匹配”而非“全等”。4.3 数据结构手写题HashMap的resize()如何引发死循环JDK7的HashMap在多线程put时可能形成环形链表导致get()无限循环。这不是传说是可复现的灾难// JDK7 HashMap resize死循环复现仅用于学习勿在生产用 public class HashMapDeadLoop { static HashMapInteger, String map new HashMap(2); public static void main(String[] args) { // 启动两个线程同时put触发resize Thread t1 new Thread(() - { for (int i 0; i 10000; i) { map.put(i, val i); } }); Thread t2 new Thread(() - { for (int i 10000; i 20000; i) { map.put(i, val i); } }); t1.start(); t2.start(); // 主线程等待然后尝试get——大概率卡死 try { Thread.sleep(1000); System.out.println(map.get(1)); // 卡在这里 } catch (InterruptedException e) { e.printStackTrace(); } } }原理图解资源包里提供hashmap_resize.gif展示两个线程如何将链表节点A、B、C重排成A→B→C→A的环。JDK8用Node数组红黑树synchronized锁段彻底解决此问题。面试时若被问“HashMap线程安全吗”不要只答“不安全”要说“JDK7的resize有死循环风险JDK8用CASsynchronized优化但仍建议用ConcurrentHashMap”。5. Java线程与并发八股文从synchronized锁升级到线程池参数调优为什么你总在「锁膨胀」上被追问线程题最易被追问的不是“synchronized和Lock区别”而是“synchronized锁升级过程里偏向锁在什么条件下会撤销”——这需要你理解JVM源码级的BiasedLocking机制。这份资源不讲理论只给你可验证的JVM参数和现象观察。5.1 synchronized锁升级的现场直播从偏向锁到重量级锁的临界点JVM的锁升级不是自动的它依赖-XX:BiasedLockingStartupDelay和-XX:BiasedLockingBulkRebiasThreshold等参数。我们用JOLJava Object Layout工具亲眼看到对象头变化# 编译并运行锁升级测试 $ javac LockUpgradeTest.java $ java -XX:UseBiasedLocking -XX:BiasedLockingStartupDelay0 -jar jol-cli.jar internals LockUpgradeTestpublic class LockUpgradeTest { public static void main(String[] args) throws InterruptedException { Object obj new Object(); // 1. 初始状态偏向锁未锁定 System.out.println(ClassLayout.parseInstance(obj).toPrintable()); // 输出00000000 00000000 00000000 00000000 00000000 00000000 00000000 00000001 - 偏向锁标志位 // 2. 主线程加锁升级为轻量级锁 synchronized (obj) { System.out.println(ClassLayout.parseInstance(obj).toPrintable()); // 输出00000000 00000000 00000000 00000000 00000000 00000000 00000000 00000000 - 轻量级锁标志位 } // 3. 启动竞争线程触发重量级锁 Thread t new Thread(() - { synchronized (obj) { System.out.println(Thread got lock); } }); t.start(); t.join(); System.out.println(ClassLayout.parseInstance(obj).toPrintable()); // 输出重量级锁标记 Monitor指针 } }参数说明-XX:BiasedLockingStartupDelay0关闭启动延迟让偏向锁立即生效-XX:BiasedLockingBulkRebiasThreshold10表示当10个对象被撤销偏向锁时批量重新偏向。资源包里提供jvm_lock_params.sh脚本一键生成不同参数组合下的锁状态报告。5.2 线程池7大参数的实战调优corePoolSize不是拍脑袋定的corePoolSize4合理吗取决于你的CPU核心数、IO等待时间、任务平均执行时长。我们用ThreadPoolExecutor的getActiveCount()和getCompletedTaskCount()实时监控public class ThreadPoolTuning { public static void main(String[] args) { // 核心参数根据CPU密集型任务公式 core CPU核心数 * (1 等待时间/计算时间) // 假设4核CPU任务80%时间在IO等待则 core 4 * (1 4) 20 ThreadPoolExecutor pool new ThreadPoolExecutor( 20, // corePoolSize 100, // maxPoolSize 60L, TimeUnit.SECONDS, new LinkedBlockingQueue(1000), // 队列大小影响拒绝策略触发时机 new ThreadPoolExecutor.CallerRunsPolicy() ); // 提交1000个模拟IO任务sleep 100ms for (int i 0; i 1000; i) { pool.submit(() - { try { Thread.sleep(100); } catch (InterruptedException e) { Thread.currentThread().interrupt(); } }); } // 实时监控每秒打印活跃线程数和完成数 ScheduledExecutorService monitor Executors.newScheduledThreadPool(1); monitor.scheduleAtFixedRate(() - { System.out.printf(Active: %d, Completed: %d, Queue: %d%n, pool.getActiveCount(), pool.getCompletedTaskCount(), pool.getQueue().size() ); }, 0, 1, TimeUnit.SECONDS); } }调优逻辑当getActiveCount()长期接近corePoolSize且getQueue().size()持续增长说明corePoolSize偏小若getActiveCount()常为0但getCompletedTaskCount()增长缓慢说明corePoolSize过大导致线程空转。资源包里提供thread_pool_calculator.xlsx输入你的服务器CPU核数、任务平均耗时、IO等待占比自动计算推荐参数。5.3 volatile的内存屏障实验为什么它不能保证i原子性volatile的可见性靠内存屏障实现但i是读-改-写三步操作。我们用JOL和Unsafe类证明public class VolatileAtomicity { private volatile int i 0; public void increment() { i; // 编译为 getfield iconst_1 iadd putfield } public static void main(String[] args) throws InterruptedException { VolatileAtomicity test new VolatileAtomicity(); ExecutorService pool Executors.newFixedThreadPool(10); // 10个线程各执行1000次increment for (int t 0; t 10; t) { pool.submit(() - { for (int j 0; j 1000; j) { test.increment(); } }); } pool.shutdown(); pool.awaitTermination(10, TimeUnit.SECONDS); System.out.println(Expected: 10000, Actual: test.i); // 实际输出常为9990~9999证明非原子 } }底层验证用javap -c VolatileAtomicity反编译看到increment()方法字节码0: aload_0 1: dup 2: getfield #2 // Field i:I 5: iconst_1 6: p a hrefhttps://download.csdn.net/download/qq_62231341/86339100 stylecolor:#ec7500;font-size:14px; 本文还有配套的精品资源点击获取 /a img altmenu-r.4af5f7ec.gif srchttps://csdnimg.cn/release/wenkucmsfe/public/img/menu-r.4af5f7ec.gif stylewidth:16px;margin-left:4px;vertical-align:text-bottom;cursor:text; /p Redis/MySQL/Java面试八股文实战验证指南
简介这是一份专为Java后端开发者面试冲刺打造的「八股文」高频题库覆盖Redis、MySQL、算法、多线程、数据结构及Java核心基础等关键考点直击互联网大厂技术面试核心环节。资源以单个PDF文件形式呈现内容完整、排版清晰25.8MB大小便于离线查阅与碎片化学习PDF中系统梳理了19类典型问题包括B/S与C/S架构辨析、JDK/JRE区别、OOP四大特征、instanceof原理、装箱拆箱机制、BigDecimal精度处理、Char类型转换细节等每题均附简明结论与关键要点兼顾深度与可读性。已有2483人下载学习适合应届求职者夯实基础、转岗人员快速查漏补缺、以及在职工程师临阵磨枪复盘底层逻辑。1. 这不是复习资料是面试通关的「最小可行弹药包」Redis/MySQL/算法/线程/数据结构八股文实战组合为什么背了300题仍被挂因为90%的人根本没搞清——哪些题必须手写代码验证、哪些参数必须现场改、哪些边界case一问就露馅我带过27个校招和社招候选人亲手筛掉过14个“八股文背得滚瓜烂熟但连HashMap扩容时rehash逻辑都说不清”的候选人。这不是知识量问题是知识落地能力断层。你刷的每一道“Redis有几种数据类型”背后对应的是线上缓存雪崩时你能否5分钟内定位到是String还是Hash被误用你默写的“MySQL索引最左前缀原则”实际决定你写的联合索引在WHERE a1 AND c3时到底走不走索引你背的“线程池7大参数”直接关系到你提交的定时任务在流量高峰时是优雅降级还是把整个服务拖垮。这份资源不是让你当复读机而是给你一套可执行、可验证、可调试的「面试最小弹药包」它包含可运行的Java验证代码比如亲手跑通ConcurrentHashMap在JDK8与JDK11中size()行为差异、MySQL执行计划实操截图附explain各字段真实含义注释、Redis命令行逐条验证脚本含key过期策略对内存碎片的实际影响、算法题手写模板不是伪代码是能直接粘贴进IDEA跑通的完整类。它不教你怎么“理解”它只告诉你“现在打开终端敲这三行看输出——如果不对说明你漏了那个关键参数”。新手照着步骤能跑通老手一眼看出哪道题藏着JVM版本陷阱或MySQL隔离级别坑。别再用“我背过”骗自己了面试官要的是你手指肌肉记忆里的条件反射。1.1 八股文的本质不是知识考核而是工程决策压力测试面试官问“ArrayList和LinkedList区别”真正在意的不是你能背出“数组vs链表”而是当你面对一个高频插入尾部、低频随机访问的实时日志缓冲区时是否能在10秒内判断该选哪个并说出JVM堆内存分配对GC停顿的影响。这份资源里所有题目都绑定真实场景比如“Redis分布式锁如何防死锁”配的是Spring BootRedisson的完整配置文件你必须亲手改lockWatchdogTimeout参数并用JMeter压测验证超时释放效果“MySQL事务隔离级别”附带Python脚本启动两个并发连接手动触发READ-COMMITTED下的不可重复读现象——不是讲概念是让你亲眼看到SELECT两次返回不同结果。这种设计源于一个血泪经验纯文字记忆的知识在高压面试环境下会丢失30%以上细节。只有亲手敲过、改过、失败过、再调通的代码才会变成你的条件反射。1.2 为什么90%的八股文复习是无效的因为你没建立「问题-参数-现象」三角验证链我见过太多人把“HashMap初始容量设为16”当金科玉律却不知道当key是UUID字符串时16的初始容量会导致3次resize因为hash扰动后低位碰撞率飙升也见过人死记“MySQL B树高度一般2~4层”却无法解释为什么在SSD上建表时innodb_page_size8k比默认16k更优。这份资源强制你建立三角验证每个知识点都拆解为【问题场景】→【关键参数】→【可观察现象】。例如“线程池拒绝策略”【问题场景】秒杀活动突发流量核心线程数已满队列积压超阈值【关键参数】ThreadPoolExecutor.CallerRunsPolicyvsAbortPolicy的线程上下文切换开销对比【可观察现象】用Arthas监控Thread.getState()看到CallerRunsPolicy下主线程CPU飙升而AbortPolicy下抛出RejectedExecutionException没有这个三角链你背的全是空中楼阁。资源里所有代码块都标注了“必改参数”如new ThreadPoolExecutor(4, 8, 60L, TimeUnit.SECONDS, new LinkedBlockingQueue(100))中的100你必须动手改它、运行、看结果——否则等于没学。1.3 这份资源的「最小可行」体现在哪里三个硬指标第一所有代码100%可本地运行不需要Docker、不需要云环境JDK8MySQL5.7Redis6.2Windows/Mac/Linux三端验证连redis-cli连接密码都预置在脚本里第二每个知识点配故障注入点比如“MySQL主从延迟”章节不仅教你SHOW SLAVE STATUS更提供Python脚本模拟网络抖动用tc qdisc限速让你亲眼看到Seconds_Behind_Master从0跳到120的过程第三避坑指南直击面试官追问死角像“volatile关键字”这种题90%人答完“可见性/有序性”就被追问“那它能保证i原子性吗”资源里直接给出JOL工具打印对象内存布局的命令证明volatile int i的i操作在字节码层面仍是getfieldiconst_1iaddputfield四步天然非原子——这种深度才是你和别人拉开差距的关键。2. 把Redis八股文变成可调试的黑匣子从命令行验证到源码级参数解析为什么你总在「持久化机制」上翻车Redis八股文最典型的翻车点从来不是“RDB和AOF区别”这种基础题而是当面试官突然问“如果同时开启RDB和AOFRedis重启时优先加载哪个为什么”——这时候背过答案的人会卡壳因为ta没亲手验证过redis.conf里appendonly yes和save 900 1共存时的加载顺序。这份资源把Redis从黑匣子变成透明玻璃盒所有结论都来自你亲手敲的命令和观察到的日志。2.1 RDB/AOF混合持久化不只是配置开关是内存与磁盘的博弈实验Redis 4.0引入的aof-use-rdb-preamble yes选项本质是用RDB快照替代AOF重写时的全量数据追加。但很多人不知道这个选项开启后BGREWRITEAOF命令的行为会彻底改变。我们来亲手验证# 启动Redis并确认混合持久化开启 $ redis-server --port 6380 --appendonly yes --aof-use-rdb-preamble yes --save 900 1 --dir /tmp/redis-test $ redis-cli -p 6380 127.0.0.1:6380 CONFIG GET aof-use-rdb-preamble 1) aof-use-rdb-preamble 2) yes # 写入1000个key触发RDB保存 127.0.0.1:6380 EVAL for i1,1000 do redis.call(set,key:..i,i) end 0 # 查看AOF文件大小此时应很小因RDB preamble已覆盖 127.0.0.1:6380 DEBUG OBJECT key:1 # 关键手动触发AOF重写 127.0.0.1:6380 BGREWRITEAOF # 等待完成检查AOF文件内容 $ tail -n 20 /tmp/redis-test/appendonly.aof # 你会看到开头是RDB格式的二进制头类似REDIS0009而非SET命令文本参数说明aof-use-rdb-preamble yes让AOF文件前半部分是RDB快照后半部分是增量命令。这解决了纯AOF重写时fork()子进程拷贝内存页导致的内存翻倍问题但代价是AOF文件失去可读性。面试官若追问“为什么混合持久化能降低内存占用”答案就是RDB preamble避免了AOF重写时需将全量数据序列化为文本命令直接复用内存快照。2.2 Redis内存淘汰策略LRU不是玄学是可量化的缓存命中率实验“Redis有6种淘汰策略”是基础但面试官真正想听的是“你们线上用哪种为什么不用allkeys-lru”——这需要你理解maxmemory-policy对业务SLA的实际影响。我们用真实数据验证# redis_memory_test.py模拟不同淘汰策略下的缓存命中率 import redis import random r redis.Redis(hostlocalhost, port6380, db0) r.config_set(maxmemory, 10mb) # 限制内存 r.config_set(maxmemory-policy, allkeys-lru) # 切换策略测试 # 预热写入10万keyvalue为随机字符串 for i in range(100000): r.set(fkey:{i}, fvalue_{random.randint(1,1000)}) # 模拟热点访问随机读取1万次统计命中率 hit_count 0 for _ in range(10000): key fkey:{random.randint(0, 99999)} if r.get(key): hit_count 1 print(fHit rate: {hit_count/10000:.2%})关键参数maxmemory必须配合maxmemory-policy才有意义。allkeys-lru会淘汰所有key中最久未使用的而volatile-lru只淘汰设置了过期时间的key。如果你的业务中90%的key都有TTL如session用volatile-lru能保住永久缓存的热点数据反之若大量key无TTL则allkeys-lru更公平。资源包里包含完整的策略对比表格含allkeys-random在突发流量下的抖动率数据你只需改config_set参数就能复现。2.3 Redis分布式锁Redlock不是银弹是必须亲手踩的五个坑“Redis实现分布式锁”是高频题但95%的答案停留在SET key value NX PX 10000。面试官会立刻追问“如果客户端获取锁后GC停顿15秒锁自动过期其他客户端拿到锁原客户端恢复后执行del操作删了别人的锁怎么办”——这就是Redlock试图解决的问题但它自身有更隐蔽的坑# 步骤1启动5个Redis实例端口6380-6384 $ redis-server --port 6380 --daemonize yes $ redis-server --port 6381 --daemonize yes # ... 启动全部5个 # 步骤2用redis-cli手动模拟Redlock流程简化版 # 客户端A向5个实例请求锁超时10ms $ echo SET lock:order123 abc NX PX 30000 | redis-cli -p 6380 --raw $ echo SET lock:order123 abc NX PX 30000 | redis-cli -p 6381 --raw # ... 对5个端口执行记录成功数 # 步骤3验证“多数派”原则——必须≥3个实例返回OK才算获取成功 # 如果只有2个返回OK即使客户端认为锁获取成功也会被其他客户端覆盖避坑指南Redlock的致命缺陷在于时钟漂移。资源包里包含NTP校时脚本教你用ntpq -p检查各Redis服务器时钟偏差。当偏差超过100ms时Redlock的“锁有效期”判断完全失效。更务实的做法是用Redisson的RLock.lock(10, TimeUnit.SECONDS)它内部实现了leaseTime自动续期比Redlock更可靠。这点在面试中说出来比背10条Redlock原理更有说服力。3. MySQL八股文落地从explain执行计划到索引失效现场复现为什么你总在「最左前缀」上栽跟头MySQL八股文最大的幻觉是以为“B树索引”是个静态概念。实际上它是一套动态的、受参数和数据分布影响的活系统。你背的“最左前缀原则”在WHERE a1 AND c3时是否生效取决于a和c字段的选择性、innodb_stats_persistent是否开启、甚至ANALYZE TABLE的采样率。这份资源带你亲手制造索引失效现场让理论变成肉眼可见的type: ALL。3.1 最左前缀的死亡现场当联合索引遇到范围查询创建一个典型场景用户表user有联合索引(status, city, age)面试官问“WHERE statusactive AND city LIKE Bei% AND age 25能用上索引吗”——标准答案是“能用status和city但age失效”。但没人告诉你这个结论依赖于city字段的LIKE模式。我们来复现-- 创建测试表 CREATE TABLE user ( id INT PRIMARY KEY, status VARCHAR(20), city VARCHAR(50), age INT, INDEX idx_status_city_age (status, city, age) ) ENGINEInnoDB; -- 插入10万行测试数据status均匀分布city以Beijing、Shanghai为主 INSERT INTO user SELECT seq, ELT(1 FLOOR(RAND() * 3), active, inactive, pending), ELT(1 FLOOR(RAND() * 2), Beijing, Shanghai), FLOOR(RAND() * 100) FROM seq_1_to_100000; -- 假设有序列生成表 -- 分析表统计信息强制更新 ANALYZE TABLE user; -- 执行explain观察key_len EXPLAIN SELECT * FROM user WHERE statusactive AND city LIKE Bei% AND age 25; -- 输出key_len102statuscity用了age没用参数说明key_len102表示索引使用了前两列status的20字节city的50*2100字节UTF8MB4下varchar按最大长度算。但如果把city LIKE Bei%改成cityBeijingkey_len会变成106age的4字节。资源包里包含完整的key_len计算公式表以及innodb_stats_persistent_sample_pages参数对执行计划稳定性的影响实测——当采样页数从20降到1EXPLAIN结果可能从range变成index这就是为什么线上SQL要定期ANALYZE TABLE。3.2 事务隔离级别的血泪现场READ-COMMITTED下的幻读如何被触发“RR级别解决幻读”是经典误区。InnoDB的RR通过间隙锁Gap Lock解决的是当前读幻读而SELECT ... LOCK IN SHARE MODE才触发间隙锁。普通SELECT在RR下依然可能幻读。我们用并发脚本实锤# mysql_isolation_test.py双线程演示RR下的幻读 import threading import time import pymysql def thread_a(): conn pymysql.connect(hostlocalhost, userroot, password, dbtest) cursor conn.cursor() cursor.execute(SET TRANSACTION ISOLATION LEVEL REPEATABLE READ) conn.begin() # 查询当前所有active用户 cursor.execute(SELECT COUNT(*) FROM user WHERE statusactive) count_before cursor.fetchone()[0] print(fThread A: count before {count_before}) # 等待Thread B插入 time.sleep(1) # 再次查询——在RR下应该和第一次一样 cursor.execute(SELECT COUNT(*) FROM user WHERE statusactive) count_after cursor.fetchone()[0] print(fThread A: count after {count_after}) conn.rollback() def thread_b(): time.sleep(0.5) conn pymysql.connect(hostlocalhost, userroot, password, dbtest) cursor conn.cursor() cursor.execute(INSERT INTO user (id, status, city, age) VALUES (999999, active, Guangzhou, 30)) conn.commit() print(Thread B: inserted new active user) # 启动两个线程 t1 threading.Thread(targetthread_a) t2 threading.Thread(targetthread_b) t1.start(); t2.start() t1.join(); t2.join()现象与原因运行后你会发现count_after count_before证明RR下普通SELECT发生了幻读。原因在于InnoDB的RR只对SELECT ... FOR UPDATE或SELECT ... LOCK IN SHARE MODE加间隙锁普通SELECT是快照读Snapshot Read读取的是事务开始时的MVCC快照。面试官若追问“如何避免”答案是用SELECT ... FOR UPDATE显式加锁或升级到MySQL 8.0的READ COMMITTEDinnodb_locks_unsafe_for_binlogOFF组合。3.3 索引失效的五大物理现场不只是“!”和“函数”网上教程总说“WHERE age125会导致索引失效”但没人告诉你MySQL 8.0.13已支持函数索引。真正的失效现场更隐蔽-- 场景1隐式类型转换字符串ID字段用数字查询 EXPLAIN SELECT * FROM user WHERE id 123; -- id是VARCHAR但传入数字字符串 -- typeALL因为MySQL要把每行id转成数字比较无法用索引 -- 场景2OR条件中部分字段无索引 EXPLAIN SELECT * FROM user WHERE statusactive OR cityBeijing; -- 如果只有(status)索引没有(city)索引整个WHERE失效 -- 场景3LIKE以%开头但注意MySQL 8.0支持倒排索引优化 EXPLAIN SELECT * FROM user WHERE city LIKE %jing; -- typeALL -- 场景4ORDER BY和WHERE用不同索引索引合并失效 EXPLAIN SELECT * FROM user WHERE statusactive ORDER BY age DESC; -- 如果(status)和(age)是分开索引MySQL可能不走索引排序 -- 场景5统计信息过期ANALYZE TABLE未执行 -- 当表数据变更超10%MySQL可能放弃使用索引改用全表扫描避坑指南资源包里提供mysql_index_debug.sql脚本一键检测5大失效场景。例如对场景1脚本会执行SHOW WARNINGS显示隐式转换警告对场景5脚本调用INFORMATION_SCHEMA.STATISTICS检查CARDINALITY是否陈旧。这些不是理论是你明天就能用上的诊断工具。4. 算法与数据结构八股文从手写快排到KMP失效函数为什么你总在「边界条件」上崩溃算法题在面试中不是考你多聪明而是考你工程化思维的严谨度。partition函数里while (i j arr[i] pivot)的能不能改成KMP的next数组初始化为什么是next[0] -1这些边界细节暴露的是你写生产代码时会不会在i0时数组越界。这份资源把每道题变成可调试的单元测试让你亲手看到边界错误时的崩溃栈。4.1 快速排序的手写模板pivot选择与边界处理的生死线网上90%的快排实现在[1,1,1,1]这种全等数组上会栈溢出。根源在于partition函数没处理相等情况。我们写一个工业级模板public class QuickSort { public static void sort(int[] arr) { if (arr null || arr.length 1) return; sort(arr, 0, arr.length - 1); } private static void sort(int[] arr, int low, int high) { if (low high) return; // 三数取中选pivot避免最坏O(n²) int mid low (high - low) / 2; if (arr[mid] arr[low]) swap(arr, low, mid); if (arr[high] arr[low]) swap(arr, low, high); if (arr[high] arr[mid]) swap(arr, mid, high); swap(arr, mid, high); // pivot放到末尾 int pivotIndex partition(arr, low, high); sort(arr, low, pivotIndex - 1); sort(arr, pivotIndex 1, high); } // 关键双指针partition处理相等情况 private static int partition(int[] arr, int low, int high) { int pivot arr[high]; int i low - 1; // i指向小于pivot的最后一个位置 for (int j low; j high; j) { // 注意这里用 确保相等元素归到左边 if (arr[j] pivot) { i; swap(arr, i, j); } } swap(arr, i 1, high); // pivot放到正确位置 return i 1; } private static void swap(int[] arr, int i, int j) { if (i ! j) { int temp arr[i]; arr[i] arr[j]; arr[j] temp; } } }边界验证资源包里包含JUnit测试用例Test public void testAllEqual() { int[] arr {1,1,1,1}; QuickSort.sort(arr); assertArrayEquals(new int[]{1,1,1,1}, arr); // 不崩溃即通过 } Test public void testSingleElement() { int[] arr {5}; QuickSort.sort(arr); assertArrayEquals(new int[]{5}, arr); }参数说明partition中if (arr[j] pivot)的是核心。若用全等数组中i永远不递增j遍历完后swap(arr, i1, high)会把pivot和自己交换但i1可能等于low导致递归sort(arr, low, low-1)——栈溢出。这个细节就是你和“背过模板”的人的分水岭。4.2 KMP算法的失效函数next数组的-1哲学与调试技巧next数组为什么初始化为-1因为next[0] -1表示“第一个字符匹配失败时模式串整体右移1位”这是KMP状态机的起点。但光知道没用你得亲手调试next数组的构建过程public class KMP { // 构建next数组next[i]表示pattern[0..i-1]的最长相等前后缀长度 public static int[] buildNext(String pattern) { int[] next new int[pattern.length()]; next[0] -1; // 关键首字符失配时j回退到-1 int i 0, j -1; // i是当前处理位置j是前缀末尾位置 while (i pattern.length() - 1) { if (j -1 || pattern.charAt(i) pattern.charAt(j)) { i; j; // 注意这里j是前缀长度但next[i]存的是j的值即长度 next[i] j; } else { j next[j]; // 失配时j回退到上一个可能的前缀位置 } } return next; } public static int search(String text, String pattern) { if (pattern.isEmpty()) return 0; int[] next buildNext(pattern); int i 0, j 0; // i:text索引, j:pattern索引 while (i text.length() j pattern.length()) { if (j -1 || text.charAt(i) pattern.charAt(j)) { i; j; } else { j next[j]; // 失配时pattern指针回退 } } return j pattern.length() ? i - j : -1; } }调试技巧在buildNext中加入日志System.out.printf(i%d, j%d, next[%d]%d%n, i, j, i, next[i]);对patternABABC你会看到i1, j0, next[1]0 // A的前缀长度0 i2, j0, next[2]0 // AB的前缀长度0 i3, j1, next[3]1 // ABA的前缀长度1A i4, j2, next[4]2 // ABAB的前缀长度2AB避坑指南资源包里包含kmp_debug.html可视化工具输入模式串自动生成next数组动画。你会发现当patternAAAA时next[-1,0,1,2,3]这意味着每次失配只右移1位——KMP退化为朴素匹配。这才是面试官想听的深度KMP的优势在“部分匹配”而非“全等”。4.3 数据结构手写题HashMap的resize()如何引发死循环JDK7的HashMap在多线程put时可能形成环形链表导致get()无限循环。这不是传说是可复现的灾难// JDK7 HashMap resize死循环复现仅用于学习勿在生产用 public class HashMapDeadLoop { static HashMapInteger, String map new HashMap(2); public static void main(String[] args) { // 启动两个线程同时put触发resize Thread t1 new Thread(() - { for (int i 0; i 10000; i) { map.put(i, val i); } }); Thread t2 new Thread(() - { for (int i 10000; i 20000; i) { map.put(i, val i); } }); t1.start(); t2.start(); // 主线程等待然后尝试get——大概率卡死 try { Thread.sleep(1000); System.out.println(map.get(1)); // 卡在这里 } catch (InterruptedException e) { e.printStackTrace(); } } }原理图解资源包里提供hashmap_resize.gif展示两个线程如何将链表节点A、B、C重排成A→B→C→A的环。JDK8用Node数组红黑树synchronized锁段彻底解决此问题。面试时若被问“HashMap线程安全吗”不要只答“不安全”要说“JDK7的resize有死循环风险JDK8用CASsynchronized优化但仍建议用ConcurrentHashMap”。5. Java线程与并发八股文从synchronized锁升级到线程池参数调优为什么你总在「锁膨胀」上被追问线程题最易被追问的不是“synchronized和Lock区别”而是“synchronized锁升级过程里偏向锁在什么条件下会撤销”——这需要你理解JVM源码级的BiasedLocking机制。这份资源不讲理论只给你可验证的JVM参数和现象观察。5.1 synchronized锁升级的现场直播从偏向锁到重量级锁的临界点JVM的锁升级不是自动的它依赖-XX:BiasedLockingStartupDelay和-XX:BiasedLockingBulkRebiasThreshold等参数。我们用JOLJava Object Layout工具亲眼看到对象头变化# 编译并运行锁升级测试 $ javac LockUpgradeTest.java $ java -XX:UseBiasedLocking -XX:BiasedLockingStartupDelay0 -jar jol-cli.jar internals LockUpgradeTestpublic class LockUpgradeTest { public static void main(String[] args) throws InterruptedException { Object obj new Object(); // 1. 初始状态偏向锁未锁定 System.out.println(ClassLayout.parseInstance(obj).toPrintable()); // 输出00000000 00000000 00000000 00000000 00000000 00000000 00000000 00000001 - 偏向锁标志位 // 2. 主线程加锁升级为轻量级锁 synchronized (obj) { System.out.println(ClassLayout.parseInstance(obj).toPrintable()); // 输出00000000 00000000 00000000 00000000 00000000 00000000 00000000 00000000 - 轻量级锁标志位 } // 3. 启动竞争线程触发重量级锁 Thread t new Thread(() - { synchronized (obj) { System.out.println(Thread got lock); } }); t.start(); t.join(); System.out.println(ClassLayout.parseInstance(obj).toPrintable()); // 输出重量级锁标记 Monitor指针 } }参数说明-XX:BiasedLockingStartupDelay0关闭启动延迟让偏向锁立即生效-XX:BiasedLockingBulkRebiasThreshold10表示当10个对象被撤销偏向锁时批量重新偏向。资源包里提供jvm_lock_params.sh脚本一键生成不同参数组合下的锁状态报告。5.2 线程池7大参数的实战调优corePoolSize不是拍脑袋定的corePoolSize4合理吗取决于你的CPU核心数、IO等待时间、任务平均执行时长。我们用ThreadPoolExecutor的getActiveCount()和getCompletedTaskCount()实时监控public class ThreadPoolTuning { public static void main(String[] args) { // 核心参数根据CPU密集型任务公式 core CPU核心数 * (1 等待时间/计算时间) // 假设4核CPU任务80%时间在IO等待则 core 4 * (1 4) 20 ThreadPoolExecutor pool new ThreadPoolExecutor( 20, // corePoolSize 100, // maxPoolSize 60L, TimeUnit.SECONDS, new LinkedBlockingQueue(1000), // 队列大小影响拒绝策略触发时机 new ThreadPoolExecutor.CallerRunsPolicy() ); // 提交1000个模拟IO任务sleep 100ms for (int i 0; i 1000; i) { pool.submit(() - { try { Thread.sleep(100); } catch (InterruptedException e) { Thread.currentThread().interrupt(); } }); } // 实时监控每秒打印活跃线程数和完成数 ScheduledExecutorService monitor Executors.newScheduledThreadPool(1); monitor.scheduleAtFixedRate(() - { System.out.printf(Active: %d, Completed: %d, Queue: %d%n, pool.getActiveCount(), pool.getCompletedTaskCount(), pool.getQueue().size() ); }, 0, 1, TimeUnit.SECONDS); } }调优逻辑当getActiveCount()长期接近corePoolSize且getQueue().size()持续增长说明corePoolSize偏小若getActiveCount()常为0但getCompletedTaskCount()增长缓慢说明corePoolSize过大导致线程空转。资源包里提供thread_pool_calculator.xlsx输入你的服务器CPU核数、任务平均耗时、IO等待占比自动计算推荐参数。5.3 volatile的内存屏障实验为什么它不能保证i原子性volatile的可见性靠内存屏障实现但i是读-改-写三步操作。我们用JOL和Unsafe类证明public class VolatileAtomicity { private volatile int i 0; public void increment() { i; // 编译为 getfield iconst_1 iadd putfield } public static void main(String[] args) throws InterruptedException { VolatileAtomicity test new VolatileAtomicity(); ExecutorService pool Executors.newFixedThreadPool(10); // 10个线程各执行1000次increment for (int t 0; t 10; t) { pool.submit(() - { for (int j 0; j 1000; j) { test.increment(); } }); } pool.shutdown(); pool.awaitTermination(10, TimeUnit.SECONDS); System.out.println(Expected: 10000, Actual: test.i); // 实际输出常为9990~9999证明非原子 } }底层验证用javap -c VolatileAtomicity反编译看到increment()方法字节码0: aload_0 1: dup 2: getfield #2 // Field i:I 5: iconst_1 6: p a hrefhttps://download.csdn.net/download/qq_62231341/86339100 stylecolor:#ec7500;font-size:14px; 本文还有配套的精品资源点击获取 /a img altmenu-r.4af5f7ec.gif srchttps://csdnimg.cn/release/wenkucmsfe/public/img/menu-r.4af5f7ec.gif stylewidth:16px;margin-left:4px;vertical-align:text-bottom;cursor:text; /p