安全与风控大厂Java面试实录：JDK17、Redis分布式锁、Kafka风控事件削峰、Seata分布式事务、Spring AI+RAG智能风控助手，谢飞机三轮被虐哭（附完整答案解析）

安全与风控大厂Java面试实录：JDK17、Redis分布式锁、Kafka风控事件削峰、Seata分布式事务、Spring AI+RAG智能风控助手，谢飞机三轮被虐哭（附完整答案解析）

一、面试背景

公司：安全与风控独角兽「盾安风控」——反欺诈、设备指纹、规则引擎、实时风控、黑灰产对抗、AI风控模型六大业务线。

业务规模：注册用户3亿、日交易风控事件50亿条、日拦截黑产攻击5000万次、峰值每秒300万笔风控事件接入、覆盖支付/电商/信贷/社交/游戏五大业务场景，风控决策平均响应时间 < 50ms。

核心链路：业务请求接入 → 设备指纹采集 → 风险特征提取 → 规则引擎+模型打分 → 风险决策（放行/拦截/人工审核）→ 处置动作下发 → 黑名单同步 → 实时预警推送 → AI风控助手复盘。

面试官：老K，风控平台架构组组长，35岁，保温杯里泡枸杞，目光如炬，专治各种简历吹牛。

候选人：谢飞机，3年Java后端经验，简历写着「精通高并发、分布式、微服务」，实际上……懂的都懂。

二、第一轮：筑基期（核心语言与基础设施）

Q1：老K：“我们风控平台每天要处理50亿笔事件，高峰期每秒300万笔。你们项目用的什么JDK版本？为什么？”

谢飞机（挠头）：“我们用的JDK 8，稳定！不过我看招聘要求写17……17，谐音‘一起发’，一起发工资吗？嘿嘿。”

老K（面无表情）：“一起发？那我建议你连工资一起发给我。”

谢飞机（赶紧找补）：“啊不是！JDK 17是LTS长期支持版本！有record、文本块、switch模式匹配，还有ZGC低延迟垃圾回收器，适合我们这种高吞吐风控场景！而且Spring Boot 3.x强制要求JDK 17起步，选17才能跟上生态！”

老K（微微点头）：“不错，总算说了点人话。那你说说JDK 8、11、17有什么区别？”

谢飞机：“JDK 8是老干妈，经典永流传；JDK 11是保温杯，加了ZGC还免费；JDK 17是折叠屏手机，LTS真香，record和密封类让代码更简洁！”

老K：“虽然比喻很土，但点都踩对了。继续。”

Q2：老K：“我们风控引擎的规则计算节点经常内存告警。你了解JVM内存结构吗？元空间（Metaspace）是什么？”

谢飞机（自信满满）：“元空间嘛！就是元宇宙空间！最近元宇宙特别火，Oracle也跟风搞了个JVM里的元宇宙……”

老K（血压飙升，捏碎了手里的笔）：“Metaspace是Metaverse？？你再说一遍？？Metaspace是JDK 8之后用来存放类元数据的内存区域，替代了之前的永久代PermGen！它使用的是本地内存，不是JVM堆内存！默认无上限，所以类加载多了会OOM：Metaspace OutOfMemoryError！”

谢飞机（缩脖子）：“对对对，元空间存类信息、常量池、方法元数据，反射用多了、CGLIB代理多了就会撑爆它，要加-XX:MaxMetaspaceSize限制，还要排查类加载器泄漏……”

老K：“还算有点救。那线上OOM你一般怎么排查？”

谢飞机：“重启大法！256G内存拉满！重启解决不了就再加内存！”

老K：“你是网吧网管吗？！记住四板斧：jps找进程 →jmap -dump导堆转储 →jstack看线程 → MAT分析大对象！下次再背网吧口诀我让你直接回家。”

Q3：老K：“我们风控规则引擎里依赖了十几个jar包，经常冲突。Maven依赖冲突你怎么解决？”

谢飞机：“谁报错就删谁！上次我把报错的jar包从pom里删了，结果同事的代码也崩了，他追了我三条街……”

老K（扶额）：“你那是拆家！正确姿势：先mvn dependency:tree看依赖树，找到冲突的传递依赖，再用exclusion排除，或者用dependencyManagement统一版本，还可以引入BOM（Bill of Materials）统一管理版本号！Gradle的话用resolutionStrategy强制版本。你是来面试的还是来拆迁的？”

三、第二轮：历劫期（数据访问与分布式核心）

Q4：老K：“我们风控规则和黑名单数据既要复杂查询又要高并发写入。MyBatis和JPA你怎么选？”

谢飞机（眼睛一亮，这题会）：“选MyBatis！SQL自己控制，性能可控，排查方便！JPA虽然开发快，但‘JPA一时爽，排查火葬场’！”

老K：“嗯，这个总结倒是挺接地气。那你知道HikariCP为什么快吗？”

谢飞机：“因为它名字短！加载快！”

老K（再次血压飙升）：“名字短是快，你怎么不叫‘快’？！HikariCP快是因为两个核心数据结构：FastList（替代ArrayList，移除顺序遍历校验，get/remove更快）和ConcurrentBag（无锁化设计，多线程借还连接性能极高）！还有字节码精简、代理类优化！记住没有？”

谢飞机：“记住了记住了！FastList+ConcurrentBag，无锁设计，性能怪兽！”

Q5：老K：“风控黑名单和规则配置我们用了Redis缓存，但大促时缓存经常被打穿。缓存穿透、击穿、雪崩分别是什么？怎么解决？”

谢飞机（这题背过，挺直腰板）：“穿透是查一个不存在的key，请求直接打到数据库；击穿是某个热点key过期瞬间，大量请求同时打到DB；雪崩是大面积key同时过期，DB瞬间被压垮。解决方案六字真言：防空、加锁、错峰！”

老K（露出今天第一个笑容）：“哟，总结得不错！展开说说。”

谢飞机：“穿透用布隆过滤器拦截不存在的key + 缓存空值；击穿用互斥锁（SETNX）只放一个请求去查DB，其他等待；雪崩给过期时间加随机值错峰 + 多级缓存（本地Caffeine + Redis）+ 熔断降级！”

老K（点头赞许）：“很好！那Redis分布式锁你会写吗？”

谢飞机：“会！SETNX key value，抢到就干活，干完DEL！”

老K：“那如果拿到锁的线程挂了，锁永远不释放怎么办？”

谢飞机：“那就……等它诈尸？”

老K（忍无可忍）：“加过期时间！但过期时间到了业务没执行完怎么办？用Redisson看门狗机制，自动续期！还有释放锁要校验是不是自己的（value存UUID），防止删别人的锁！你这裸奔setnx上线，黑产分分钟把你锁全删了！”

Q6：老K：“风控事件每天50亿条，直接同步处理肯定扛不住。我们用了Kafka做削峰。Kafka怎么保证消息不丢失？”

谢飞机：“Kafka是King！King怎么可能会丢王冠！……啊不是，Kafka的K是King的K！”

老K：“你再说一句废话我就让你走人。”

谢飞机（冷汗直冒）：“从三个环节保证：生产者端：acks=all+ 重试机制，确保分区副本都写入；Broker端：min.insync.replicas=2+unclean.leader.election.enable=false，避免副本全挂；消费者端：手动提交offset（enable.auto.commit=false），业务处理成功后再提交，配合幂等消费（Redis setnx或数据库唯一键）防止重复！”

老K：“总算挤出一句完整的了。那分布式事务呢？我们下单、扣风控额度、写黑名单是三个服务，怎么保证一致性？”

谢飞机：“分布式事务嘛，就是……海盐烧烤番茄原味？那四种模式就像乐事薯片口味！”

老K（拍桌怒吼）：“那是XA/2PC、Seata AT、TCC、SAGA四种方案！不是乐事薯片！XA强一致适合短事务，TCC是Try-Confirm-Cancel适合需要预留资源的场景，SAGA是长事务补偿，Seata AT是自动生成反向SQL回滚！你再说薯片我让你回家吃薯片！”

四、第三轮：飞升期（实时通信与AI风控）

Q7：老K：“我们风控预警要实时推送给百万级用户和风控运营。WebSocket怎么支撑百万连接？”

谢飞机：“简单！for循环挨个发消息！”

老K：“百万连接你for循环？你是想用代码把服务器烧了吗？”

谢飞机（赶紧改口）：“啊不是！要用Netty做WebSocket服务器，基于NIO事件驱动，单机可以扛十万级连接！再配合ChannelGroup管理连接、粘性会话保证同一用户连同一台机器、Redis Pub/Sub做跨节点消息广播、心跳机制（IdleStateHandler）清理死连接、水平扩展集群！”

老K（难得点头）：“不错，Netty这套算是讲明白了。那监控呢？这么多服务你靠什么观测？”

谢飞机：“可观测性三件套：Metrics指标（Prometheus + Micrometer采集QPS、延迟、错误率）、Logging日志（ELK Stack集中收集，Logback + SLF4J）、Tracing链路（Jaeger/Zipkin，配合Spring Cloud Sleuth做全链路追踪）！出问题就像福尔摩斯探案，指标报警→日志定位→链路还原，三件套缺一不可！”

老K（赞许）：“好小子，比福尔摩斯还神！最后一个问题，我们最近要做AI风控助手，用Spring AI怎么做？”

谢飞机：“Spring AI的ChatClient，链式调用，跟JdbcTemplate一个味儿！ChatClient.create(chatModel).prompt().user(...).call().content()！”

老K：“那怎么让AI回答我们内部的风控规则和黑产知识库，而不是瞎编？”

谢飞机：“用RAG检索增强生成！先搜后答！把风控规则、历史案例文档向量化（Embedding模型，OpenAI或Ollama本地部署），存到向量数据库（Milvus/Chroma/Redis Stack），用户提问时先语义检索出相关片段，再拼进prompt让大模型基于这些材料回答，杜绝瞎编！”

老K：“那模型怎么调用你们的风控查询接口、处置接口？比如‘帮我查一下这个设备的风险分’‘把这个IP加入黑名单’？”

谢飞机：“用MCP（模型上下文协议）！它是AI界的USB-C，统一了模型和外部工具/数据源的对接标准！三大原语：Tools工具调用（暴露风控查询、黑名单操作等能力）、Resources资源（读取知识文档）、Prompts提示（标准化模板）。还有Function Calling，把Java方法注册成函数让模型按需调用，配合工具执行框架完成闭环！”

老K：“那多个Agent之间怎么协作？”

谢飞机：“用Google A2A（Agent-to-Agent）协议！Agent之间可以互相通信协作，比如‘反欺诈Agent’发现可疑，就调用‘黑名单Agent’处置，再通知‘告警Agent’推送！”

老K：“最后考你一个概念：Agentic RAG和普通RAG有什么区别？”

谢飞机（最高光时刻）：“普通RAG是‘一次检索一次回答’，像个只会查字典的图书管理员；Agentic RAG是‘AI侦探’！它会自主规划：先查知识库→发现不够→再查风控系统→还不够→调规则引擎→把结果综合推理出结论，多步推理、工具调用、自我纠错，全流程自主完成！”

老K：“那AI幻觉怎么解决？”

谢飞机：“AI幻觉只能缓解不能消除，就像你永远无法让杠精闭嘴！缓解手段：RAG检索增强（有依据回答）、Prompt约束（限定知识范围）、温度参数调低、答案溯源引用（标注来源）、人工审核兜底（高风险场景必须人审）、输出校验（规则校验+敏感词过滤）！”

五、结局

老K（合上笔记本，喝了口枸杞茶）：“行，今天的面试就到这儿吧。整体来说……你的知识结构像个‘散装百宝箱’，有些点能讲透，有些点纯靠嘴硬。这样，你先回去等通知吧。”

谢飞机（熟练地掏出手机）：“好的好的！这是我集齐的第七张‘等通知’卡片了，再集一张就能召唤神龙了！”

老K：“……”

三个月后彩蛋：谢飞机入职了竞品风控公司「天盾风控」，工牌上赫然写着「等通知侠」。老K默默从碎纸机旁捡回谢飞机的简历，在背面写了四个字：「值得再约」。

六、文末答案解析（小白学习版）

考点1：JDK 8/11/17 怎么选？

| 版本 | 关键特性 | 场景建议 | |------|---------|---------| | JDK 8 | Lambda、Stream、Optional、CompletableFuture | 存量老项目，生态成熟 | | JDK 11 | 新增ZGC（实验）、HttpClient、免费商用 | 过渡版本，LTS | | JDK 17 | record、文本块、switch模式匹配、密封类、ZGC转正、Spring Boot 3.x强制要求 |新项目首选，LTS + 长期免费支持 |

Spring Boot 3.x基于JDK 17 + Jakarta EE 9+，包名从javax迁移到jakarta。

考点2：JVM内存分区与Metaspace

• 堆：对象实例，新生代（Eden/S0/S1）+ 老年代，OOM大头。
• 元空间Metaspace：JDK 8起替代永久代，存类元数据、常量池、方法信息，使用本地内存（非堆），默认无上限。
• 虚拟机栈：栈帧、局部变量表，递归过深会StackOverflowError。
• 程序计数器：线程私有，记录字节码执行位置。
• 本地方法栈：native方法。

OOM排查四板斧口诀：jps找进程 →jmap -dump:format=b,file=heap.hprof <pid>导堆 →jstack <pid>看线程 → MAT/Eclipse Memory Analyzer 分析大对象与泄漏点。

考点3：Maven/Gradle依赖冲突三板斧

1. mvn dependency:tree看依赖树，定位冲突版本。
2. exclusion排除传递依赖，或dependencyManagement统一版本。
3. 引入官方BOM（如Spring Cloud BOM、Jackson BOM）统一版本管理。

Gradle用resolutionStrategy { force 'xxx:xxx:版本号' }。

考点4：MyBatis vs JPA

• MyBatis：手写SQL，灵活可控、易优化，适合复杂查询、报表、风控规则等；缺点是开发量大。
• JPA/Hibernate：自动建表、对象化操作，开发快；但复杂SQL难优化，容易产生N+1查询问题（查一次主表 + N次子表）。
• Spring Data JDBC：轻量级，介于两者之间。

考点5：HikariCP为什么快

• FastList：优化get/remove，移除范围校验，减少开销。
• ConcurrentBag：无锁化连接借还，多线程并发性能极高。
• 字节码精简、代理类优化、默认池大小10。

考点6：缓存穿透/击穿/雪崩 + 六字真言

| 问题 | 现象 | 解决方案 | |------|------|---------| | 穿透 | 查不存在的key，打到DB |防：布隆过滤器 + 缓存空值 | | 击穿 | 热点key过期瞬间高并发 |加：互斥锁SETNX，单请求回源 | | 雪崩 | 大面积key同时过期 |错：过期时间加随机值 + 多级缓存 + 熔断降级 |

考点7：Redis分布式锁三大坑

1. 死锁：拿到锁后线程挂了 → 必须加过期时间。
2. 误删：A的锁被B删除 → value存UUID，释放时用Lua脚本校验。
3. 业务未完成锁过期→ Redisson看门狗默认30s自动续期（每10s续一次）。

// Redisson推荐写法 RLock lock = redissonClient.getLock("risk:lock:" + deviceId); boolean locked = lock.tryLock(3, 30, TimeUnit.SECONDS); // 看门狗自动续期 try { if (locked) { /* 业务逻辑 */ } } finally { if (locked && lock.isHeldByCurrentThread()) lock.unlock(); }

考点8：Kafka三环节不丢失保障

• 生产者：acks=all（所有ISR副本确认）+retries重试 +enable.idempotence=true幂等。
• Broker：min.insync.replicas=2+replication.factor=3+unclean.leader.election.enable=false。
• 消费者：手动提交offset（enable.auto.commit=false），处理成功再提交 + 消费幂等（Redis SETNX / DB唯一键）。

考点9：分布式事务四方案选型

| 方案 | 原理 | 适用场景 | |------|------|---------| | XA/2PC | 两阶段提交，强一致 | 短事务、跨库强一致要求极高 | | Seata AT | 自动生成反向SQL回滚 | 微服务+关系型数据库，侵入小 | | TCC | Try-Confirm-Cancel 手工补偿 | 需要预留资源、性能要求高 | | SAGA | 长事务+正向/补偿编排 | 长流程、允许最终一致 |

考点10：注册中心CAP对比

• Eureka：AP（可用性优先），节点间异步复制，网络分区时仍可用，可能读到旧数据，已停更维护模式。
• Consul：CP（一致性优先），Raft协议，强一致。
• Nacos：AP/CP可切换，默认AP，支持配置中心+注册中心二合一，国内主流。

考点11：WebSocket百万连接架构

• Netty：NIO事件驱动，单机扛十万级连接。
• ChannelGroup：统一管理连接，群发消息。
• 粘性会话（Sticky Session）：同一用户固定连同一节点，配合Redis Pub/Sub跨节点广播。
• 心跳机制：IdleStateHandler定时心跳，清理死连接。
• 水平扩展：LB层（Nginx/网关）+ 多节点集群。

考点12：可观测性三件套

• Metrics：Prometheus采集 + Grafana可视化 + Micrometer埋点（QPS/延迟/错误率/SLA）。
• Logging：Logback + SLF4J输出，ELK（Elasticsearch + Logstash + Kibana）集中检索。
• Tracing：Jaeger/Zipkin + Spring Cloud Sleuth/Micrometer Tracing，traceId贯穿全链路。

考点13：Spring AI核心能力

| 能力 | 说明 | |------|------| | ChatClient | 链式调用大模型，类似JdbcTemplate | | Embedding | 文本向量化 | | ChatMemory | 聊天会话内存，多轮对话 | | Function Calling | 把Java方法注册为工具让模型调用 | | Advisors | 提示填充、RAG检索等横切增强 |

考点14：RAG离线/在线双阶段

离线阶段：文档加载 → 分块 → Embedding向量化 → 存入向量数据库（Milvus/Chroma/Redis Stack）。

在线阶段：用户提问 → 向量化 → 语义检索TopK → 拼装Prompt → 大模型生成带依据的回答。

向量数据库选型：Milvus（大规模高性能）、Chroma（轻量开发）、Redis Stack（复用Redis，运维简单）。

考点15：MCP三大原语 + A2A + Agentic RAG

• MCP（模型上下文协议）：AI界的USB-C，统一模型与外部工具/数据源对接标准。三大原语：Tools（工具调用标准化）、Resources（资源读取）、Prompts（提示模板）。
• A2A（Agent-to-Agent）：Google提出的Agent间通信协议，让多个智能体协作。
• Agentic RAG：AI侦探式多步推理——规划→检索→调工具→综合→纠错→输出，比普通RAG的“一次检索一次回答”更智能。

考点16：AI幻觉本质与6大缓解手段

本质：大模型基于概率生成，知识截止、缺乏事实依据时可能“一本正经地胡说八道”。

缓解手段：① RAG检索增强（有据可依）；② Prompt约束（限定回答范围）；③ 降低temperature；④ 答案溯源引用（标注来源）；⑤ 高风险场景人工审核兜底；⑥ 输出规则校验。

核心心法：AI幻觉只能缓解、不能消除，就像你无法让杠精闭嘴——但你可以让他闭嘴前先出示证据。

（全文完）关注我，看谢飞机下一家大厂继续被虐！