金三银四 Java 面试一周突击方案 + 专家级模拟面试逐字稿
核心突击原则（一周上岸的前提）
一周突击每日落地计划（精准到天，可直接执行）
Day1：定位摸底 + 面试框架搭建（靶心校准，不盲目学习）
|
时段 |
核心任务 |
验收标准 |
|
上午 |
1. 明确目标岗位（大厂 / 中厂 / 小厂），对应考点权重排序 2. 简历逐行拆解，标记所有技术栈 / 项目 / 业绩，预判追问点 3. 1 套目标公司历年真题闭卷摸底，定位薄弱模块 |
输出《简历追问预判清单》《薄弱模块优先级表》 |
|
下午 |
搭建 Java 面试核心知识体系，按面试频率排序： Java 基础→JVM→并发编程→Spring 全家桶→MySQL→Redis→MQ→项目→算法 |
每个模块整理出Top10 高频考点，只抓核心，不扩展 |
|
晚上 |
定稿 1 分钟 / 3 分钟两个版本自我介绍，严格按「基本信息 + 年限 + 核心栈 + 核心项目 + 求职意向」结构 |
脱稿背诵无卡顿，3 分钟版本能突出个人优势，无流水账 |
Day2：Java 核心基础（零容错，基础丢分直接淘汰）
核心目标：基础题 100% 答对，不丢分，覆盖面试 90% 基础考点
- 必背高频 Top10（每个考点必须能脱稿讲清「是什么 + 原理 + 场景 + 踩坑」）： == 和 equals 的区别，重写 equals 为什么必须重写 hashCode String、StringBuffer、StringBuilder 的区别，String 不可变性 HashMap 底层原理（JDK7&8 区别）、ConcurrentHashMap 并发实现 接口与抽象类的区别，Java8 + 的变化 异常体系：受检 / 非受检异常，常见运行时异常 Java 四大引用（强 / 软 / 弱 / 虚）及使用场景 泛型原理、泛型擦除、通配符使用 面向对象三大特性（封装 / 继承 / 多态），多态实现原理 BIO/NIO/AIO 区别，NIO 核心组件 深拷贝 / 浅拷贝的实现方式
- 晚间验收：对着镜子脱稿复述所有考点，牛客网刷对应模块真题，错题整理到错题本
Day3：JVM + 并发编程（中高级岗分水岭，拉开差距核心）
核心目标：核心考点 100% 掌握，能结合调优 / 实战经验，大厂必问
- JVM 必背高频 Top10： JVM 内存区域划分，各区域作用及 OOM 场景 垃圾回收机制：GC Roots、分代回收算法 经典垃圾回收器（CMS/G1/ZGC）特点、优缺点、适用场景 类加载机制：双亲委派模型、类加载全流程、破坏双亲委派的场景 对象创建流程、内存布局、访问定位 Full GC 触发场景，OOM 排查流程及常用工具（jps/jstat/jmap/jstack/MAT） STW 是什么，哪些 GC 会触发 STW，如何降低 STW 内存溢出与内存泄漏的区别，泄漏排查思路 JVM 常用调优参数（堆内存、GC 相关） 三色标记法与读写屏障
- 并发编程必背高频 Top10： 线程生命周期 6 种状态及流转 synchronized 底层原理、锁升级流程、锁优化 volatile 作用、可见性 / 禁止指令重排、内存屏障、与 synchronized 区别 线程池 7 大核心参数、执行流程、参数设计实战、拒绝策略 AQS 底层原理，基于 AQS 实现的常用类 ReentrantLock 与 synchronized 区别，公平锁 / 非公平锁 / 读写锁 线程安全三大特性（原子性 / 可见性 / 有序性）及保证方案 死锁 4 大必要条件，死锁排查与规避方案 ThreadLocal 原理、内存泄漏问题、使用场景 并发集合（ConcurrentHashMap/CopyOnWriteArrayList）实现原理
- 晚间验收：每个考点结合项目场景打磨话术，比如「项目中如何排查 OOM」「如何设计线程池参数」，脱稿复述无卡顿
Day4：框架 + 中间件（业务开发核心，面试占比最高）
核心目标：吃透原理 + 实战场景 + 问题排查，贴合业务开发需求
- Spring 全家桶必背高频 Top10： IOC 和 AOP 底层原理，动态代理两种实现的区别 SpringBean 生命周期、循环依赖解决方案 @Transactional 事务原理、传播行为、隔离级别、失效场景 SpringBoot 自动配置原理、starter 实现 SpringMVC 执行流程、九大核心组件 SpringCloud 核心组件（注册中心 / 配置中心 / 网关 / 熔断降级）原理 SpringCloud Alibaba Nacos 服务注册 / 配置中心核心原理 SpringCloud Gateway 与 Zuul 的区别，核心执行流程 Spring 事务失效的 10 种场景及解决方案 Spring 中常用的设计模式及实战应用
- 中间件必背核心（MySQL/Redis/MQ，每个 Top8）： MySQL：InnoDB 架构、索引底层原理、事务 ACID、MVCC 实现、锁机制、SQL 优化、分库分表、主从复制 Redis：5 大数据类型底层结构、持久化机制、过期策略 / 内存淘汰、高可用架构、缓存三大问题（穿透 / 击穿 / 雪崩）、单线程模型、双写一致性、分布式锁实现 MQ：核心作用、消息不丢失方案、幂等性保证、消息积压处理、顺序消息、死信队列、RocketMQ/Kafka 架构区别
- 晚间验收：所有考点结合项目使用场景打磨话术，比如「项目中如何优化慢 SQL」「如何解决缓存一致性问题」，整理错题本
Day5：项目深挖 + 场景题突击（决定终面通过率的核心）
核心目标：项目无死角，能应对连环追问，场景题有标准化答题思路
- 上午：项目 STAR 法则拆解，每个项目必须输出： 标准化项目介绍话术（Situation：项目背景 / 痛点；Task：你的核心职责；Action：你的具体动作 / 技术方案；Result：量化成果） 每个项目至少 3 个核心亮点 / 难点，按「问题→方案→效果→技术沉淀」结构拆解，必须有量化数据（比如 QPS 从 5000 提升到 3 万 +，接口耗时从 200ms 降到 30ms） 预判面试官连环追问，比如「分库分表的分片键怎么选」「秒杀系统如何防止超卖」，提前准备好标准答案 项目技术栈与前 4 天的考点强绑定，避免技术栈和知识点脱节
- 下午：高频场景题突击，Top10 必背，每个都要能讲清设计思路 + 流程图： 设计一个秒杀系统，核心架构与优化方案 分布式 ID 生成器设计方案 接口幂等性的 6 种实现方案 分布式锁的实现方案及优缺点 大促场景下，系统限流 / 熔断 / 降级方案 千万级数据量的报表统计优化方案 分布式事务解决方案及适用场景 系统超时问题的全链路排查与优化思路 延迟任务系统设计方案 微服务架构下，全链路问题排查方案
- 晚间验收：脱稿讲解项目，找朋友模拟连环追问，查漏补缺，场景题能脱稿讲清核心思路
Day6：算法突击 + 真题复盘 + 错题本攻坚
核心目标：放弃难题，死磕高频题，手撕环节不丢分，保底通关
- 上午：算法高频题突击，只刷简单 + 中等难度，按类型分类，掌握解题模板： 必刷优先级：链表→数组 / 字符串→二叉树→排序→动态规划→贪心→回溯 核心必刷：剑指 Offer 高频题 + 力扣热题 100，重点刷反转链表、二分查找、二叉树遍历、两数之和、快速排序、全排列等高频题 刷题方法：先想思路，再写代码，最后总结模板，做到举一反三，拒绝背题
- 下午：3-5 套目标公司真题闭卷模拟，严格按面试时间执行；错题本全量复盘，每个错题必须讲清错误原因 + 正确答案，杜绝二次出错
- 晚上：准备 3-5 个高质量反问问题（聚焦技术 / 团队 / 业务，不问薪资 / 加班 / 福利），梳理面试礼仪，线上面试提前测试设备，线下面试确认路线
Day7：全真模拟 + 查漏补缺 + 心态调整
核心目标：适应面试节奏，保证正常发挥，临门一脚不翻车
- 上午：2 轮全真模拟面试（技术一面 + 二面），严格按 60 分钟 / 轮执行，全程录音，完全还原真实面试流程
- 下午：复盘模拟面试问题，整改卡顿 / 答不上来的内容，所有话术最终定稿，全量考点快速过一遍，形成完整知识体系
- 晚上：停止学习新内容，只看错题本和核心考点，准备面试材料，早点休息，调整心态
专家级 Java 模拟面试逐字稿（3 年电商高级开发岗，技术一面 60 分钟）
面试背景
候选人：3 年 Java 电商后端开发经验，目标岗位互联网大厂 Java 高级开发工程师
面试官：10 年 Java 技术专家，大厂资深面试官
【开场环节 5 分钟】
面试官：你好，欢迎参加今天的面试，我是今天的技术面试官，先请你做个自我介绍吧。
候选人：面试官您好，我叫 XX，有 3 年 Java 后端开发经验，一直深耕电商行业，先后参与过电商交易系统、秒杀系统、订单中心的设计与开发。核心技术栈围绕 Java 生态，熟练掌握 Java 核心、JVM、并发编程，深入使用过 Spring 全家桶、SpringCloud Alibaba 微服务架构，对 MySQL、Redis、RocketMQ 等中间件有丰富的实战和调优经验。在过往的项目中，主导过秒杀系统的全链路性能优化，将系统 QPS 从 5000 提升到 3 万 +，同时优化了核心链路慢 SQL，将接口平均响应时间从 200ms 降到 30ms 以内。今天面试的岗位是 Java 高级开发工程师，希望能加入贵团队，谢谢。
专家点评：
✅ 踩分点：时长控制精准，逻辑闭环，用数据量化成果，突出了与岗位的匹配度，无流水账
⚠️ 优化点：可补充一句个人技术优势，比如「擅长高并发场景的问题排查与性能优化」，更贴合高级岗定位
【Java 核心基础环节 10 分钟】
面试官：好的，我们先从基础开始，请问 HashMap 和 ConcurrentHashMap 在 JDK7 和 JDK8 中的底层实现有什么核心区别？
候选人：好的，我分两个维度分别讲解，先讲 HashMap，再讲 ConcurrentHashMap。
首先是 HashMap 的版本差异：
然后是 ConcurrentHashMap，核心差异在并发实现上：
面试官：好的，再问一下，volatile 关键字的作用是什么？底层原理是什么？和 synchronized 有什么区别？
候选人：好的，我先讲核心作用，再讲底层原理，最后对比两者的区别。
首先，volatile 是 Java 提供的轻量级同步机制，核心有两个作用：
然后是底层原理：volatile 的核心是内存屏障，这是 CPU 层面的指令，一方面禁止屏障前后的指令重排序，另一方面强制刷新缓存，保证变量可见性。
- 对 volatile 变量的写操作，会在写后加入 StoreStore 屏障，禁止前后写操作重排序，再加入 StoreLoad 屏障，禁止写操作和后续读操作重排序，同时将写缓冲区数据刷新到主内存。
- 对 volatile 变量的读操作，会在读前加入 LoadLoad 屏障，禁止前后读操作重排序，再加入 LoadStore 屏障，禁止读操作和后续写操作重排序，同时让工作内存的变量副本失效，从主内存读取最新值。
- 最典型的应用就是 DCL 双重检查锁实现单例模式，必须用 volatile 修饰单例对象，防止对象初始化时指令重排序，导致其他线程拿到半初始化的对象。
最后是和 synchronized 的核心区别：
【JVM 与并发编程环节 12 分钟】
面试官：基础掌握得不错，接下来问 JVM 相关内容，请问 JVM 内存区域是怎么划分的？每个区域的作用是什么？哪些区域会发生 OOM？
候选人：好的，JVM 运行时数据区主要分为两大类，一类是线程私有区域，包括程序计数器、Java 虚拟机栈、本地方法栈；另一类是线程共享区域，包括 Java 堆、方法区（元空间）；还有一块直接内存，不属于 JVM 运行时数据区，但也会被频繁使用，同样会发生 OOM。
我逐个讲解每个区域的作用和 OOM 场景：
首先是线程私有区域，生命周期和线程绑定，线程结束内存自动释放：
然后是线程共享区域，整个 JVM 只有一份，随虚拟机启动创建，关闭销毁：
最后是直接内存，又称堆外内存，不属于 JVM 运行时数据区，是 Java 通过 NIO 的 DirectByteBuffer 直接申请的本地内存，不受堆大小限制，但受本地内存限制。频繁申请堆外内存导致本地内存不足时，会抛出OutOfMemoryError: Direct buffer memory。
专家点评：
✅ 踩分点：划分逻辑清晰，每个区域的作用、异常场景、异常信息都讲解准确，区分了 JDK 版本的差异，覆盖了所有核心考点，无知识点错误
⚠️ 优化点：可补充各区域的常用 JVM 调优参数，更贴合实战调优场景
面试官：好的，再问并发编程的内容，线程池的核心参数有哪些？执行流程是什么？你在项目中是怎么设置线程池参数的？
候选人：好的，我先讲 7 个核心参数，再讲执行流程，最后结合项目实战讲参数设计。
首先，ThreadPoolExecutor 的核心构造函数有 7 个核心参数：
然后是线程池的执行流程，任务通过 execute () 提交后，执行逻辑如下：
最后是我在项目中的参数设计实战，我之前负责电商订单系统，核心原则是避免线程池过大或过小，按业务场景隔离线程池，主要分两类场景：
另外，我们的项目规范里，绝对禁止使用 Executors 创建默认线程池，因为 FixedThreadPool 的队列长度是 Integer.MAX_VALUE，会堆积任务导致 OOM；CachedThreadPool 的最大线程数是 Integer.MAX_VALUE，会创建大量线程导致 OOM，所有线程池都通过 ThreadPoolExecutor 自定义，同时按业务场景做线程池隔离，避免单个业务故障影响整个服务。
专家点评：
✅ 踩分点：参数讲解准确，执行流程完全正确，结合项目实战分场景讲解参数设计，覆盖了生产环境最佳实践（线程池隔离、自定义线程工厂、禁用默认线程池），体现了真实的项目经验，完全符合高级开发要求
⚠️ 优化点：可补充项目中遇到的线程池故障及优化方案，让回答更有说服力
【框架与中间件环节 15 分钟】
面试官：接下来问框架相关内容，Spring 的 @Transactional 注解在哪些场景下会失效？
候选人：好的，在讲失效场景之前，我先讲一下底层原理：@Transactional 是基于 Spring AOP 动态代理实现的，只有通过代理对象调用被注解修饰的方法，事务才会生效，本类直接调用不会走代理，这是大部分失效场景的根本原因。
我把常见的失效场景分为四大类，逐个讲解：
第一类：代理不生效导致的失效
第二类：异常处理错误导致的失效
5. 异常被 try-catch 捕获且未抛出：@Transactional 默认只回滚 RuntimeException 和 Error，若方法内捕获了异常且未向外抛出，Spring 感知不到异常，就不会回滚事务。
6. 抛出的异常非 RuntimeException：默认情况下，受检异常（比如 IOException）不会触发回滚，除非在注解中指定rollbackFor = Exception.class，覆盖所有异常类型。
7. rollbackFor 设置错误：比如 rollbackFor 指定了自定义异常，但实际抛出的异常不是其子类，事务不会回滚。
第三类：传播行为设置错误导致的失效
8. 传播行为不支持事务：比如设置propagation = Propagation.NOT_SUPPORTED，该传播行为会以非事务方式运行，若存在事务则挂起事务，注解自然失效；还有 Propagation.NEVER，存在事务时直接抛异常。
第四类：其他特殊场景
9. 多线程调用：在方法内开启新线程调用有注解的方法，事务会失效。因为 Spring 事务基于 ThreadLocal 绑定数据库连接，不同线程拿到的连接不同，不在同一个事务中，无法回滚。
10. 数据库不支持事务：比如 MySQL 使用 MyISAM 存储引擎，本身不支持事务，无论注解怎么写都不会生效，目前主流使用 InnoDB 引擎。
针对这些失效场景，我们项目中的最佳实践是：
面试官：好的，再问 MySQL 相关内容，InnoDB 的 MVCC 底层原理是什么？是怎么实现的？
候选人：好的，MVCC 全称是多版本并发控制，是 InnoDB 实现事务隔离级别的基础，核心作用是解决读写冲突，实现不加锁的非阻塞读，大幅提升数据库并发性能。
我先讲 MVCC 的三大核心基础组件，再讲可见性判断规则，最后讲不同隔离级别的实现差异。
首先是三大核心基础组件：
然后是 MVCC 的核心可见性判断规则，事务读取数据时，按以下规则判断版本是否可见：
若当前版本不可见，就通过 DB_ROLL_PTR 回滚指针，找到 undo log 中的上一个历史版本，重复上述规则判断，直到找到可见版本，或遍历完所有版本无结果，返回空。
最后是 MVCC 在不同隔离级别下的实现差异，核心是Read View 的生成时机不同：
补充一点：MVCC 的读是快照读，也就是普通的不加锁 SELECT，实现读写不冲突；而当前读（SELECT … FOR UPDATE、INSERT、UPDATE、DELETE）是加锁的，通过临键锁解决幻读问题，两者配合实现了 InnoDB 的事务隔离。
专家点评：
✅ 踩分点：核心组件讲解准确，可见性判断规则完全正确，讲清了 RC 和 RR 隔离级别的核心差异，区分了快照读和当前读，逻辑层次清晰，有深度，完全符合高级开发的面试要求
⚠️ 优化点：可补充一个具体的事务执行案例，用规则判断可见性，更直观
面试官：好的，再问 Redis 相关内容，缓存和数据库的双写一致性问题，你在项目中是怎么解决的？
候选人：好的，首先要明确，根据 CAP 定理，分区容错性是必须保证的，所以我们只能在一致性和可用性之间做权衡，没有绝对的强一致性，除非读写都加锁，但会牺牲性能，我们生产环境优先保证最终一致性，同时尽量缩短不一致的时间窗口。
首先先讲两个错误方案，以及为什么不推荐：
接下来讲我们项目中使用的三种主流方案，按业务场景选型：
方案一：Cache Aside Pattern 旁路缓存模式，这是最常用的方案，普通业务场景全量使用。
- 读流程：先读缓存，命中则直接返回；未命中则读数据库，将数据写入缓存后返回。
- 写流程：先更新数据库，数据库更新成功后，再删除缓存。
- 这个方案有一个极低概率的并发异常场景：线程 A 读缓存未命中，去读数据库拿到旧数据；此时线程 B 更新数据库，删除了缓存；然后线程 A 将旧数据写入缓存，导致缓存与数据库不一致。但这个场景发生概率极低，因为需要读操作比写操作更慢，而数据库写操作会加行锁，通常写比读慢，所以概率极低。
- 针对这个场景，我们的解决方案是：
方案二：基于 binlog 的最终一致性方案，核心订单、库存等核心业务场景使用。
流程如下：
方案三：强一致性方案，分布式锁串行化，仅用于金融支付等对一致性要求极高的场景。
读写请求都需要争抢同一把分布式锁，抢到锁才能执行，将读写请求串行化，完全避免并发问题，保证强一致性，但会牺牲性能，并发量大幅降低，所以仅在极端场景使用。
另外，针对删除缓存失败的兜底方案：
【项目深挖环节 10 分钟】
面试官：技术基础掌握得不错，接下来聊你的项目，你刚才说主导过电商秒杀系统的性能优化，把 QPS 从 5000 提升到 3 万 +，请你详细讲一下项目背景、核心问题、优化方案和最终效果。
候选人：好的，首先讲项目背景。这个项目是我们公司的电商大促秒杀系统，每年 618、双 11 都会有大促活动，之前的系统压测最高只能支撑 5000QPS，接口响应时间超过 1 秒，大促时频繁出现接口超时、订单超卖的问题，用户体验极差。所以我们需要对秒杀系统做全链路性能优化，目标是支撑 3 万 + QPS，接口响应时间控制在 200ms 以内，同时保证零超卖、数据一致性。我在项目中担任核心开发，负责秒杀核心链路的设计与优化，包括库存扣减、下单流程、缓存设计、限流降级等模块。
然后讲我们遇到的核心问题，主要有四个：
针对这些问题，我们做了全链路五层优化，从前端、接入层、应用层、缓存层、数据库层全链路压测和优化，我重点讲后端核心优化方案：
第一，前端 + 接入层优化，拦截 90% 的无效请求，降低后端压力：
第二，应用层优化，核心是「异步化、削峰、解耦、隔离」：
第三，缓存层优化，把 99% 的请求拦截在缓存层，不落到数据库：
第四，数据库层优化，兜底保证数据一致性和性能：
最后讲优化后的效果：
【手撕算法环节 5 分钟】
面试官：好的，项目讲得很详细，接下来做一道手撕算法题，用 Java 实现反转单链表，要求时间复杂度 O (n)，空间复杂度 O (1)。
候选人：好的，我先讲解题思路，再写代码。
反转单链表有两种解法，一种是迭代法（双指针法），时间复杂度 O (n)，空间复杂度 O (1)，完全符合题目要求；另一种是递归法，空间复杂度 O (n)，不符合要求，所以我用迭代法实现。
解题思路：
代码实现如下：
java
运行
/**
* 单链表节点定义
*/
class ListNode {
int val;
ListNode next;
ListNode() {}
ListNode(int val) { this.val = val; }
ListNode(int val, ListNode next) { this.val = val; this.next = next; }
}
public class ReverseLinkedList {
public ListNode reverseList(ListNode head) {
// 双指针定义
ListNode pre = null;
ListNode cur = head;
// 临时节点，保存下一个节点
ListNode next = null;
while (cur != null) {
// 保存当前节点的下一个节点
next = cur.next;
// 反转当前节点的指向
cur.next = pre;
// 双指针后移
pre = cur;
cur = next;
}
// 遍历结束，pre为反转后的头节点
return pre;
}
}
我再补充一下边界情况的处理：
【结尾反问环节 3 分钟】
面试官：好的，今天的技术面试就到这里，你有什么想问我的吗？
候选人：您好，我有两个问题想请教一下。
第一个问题，请问这个岗位所属的团队，目前的核心业务是什么？后续的技术规划是怎样的？
第二个问题，请问团队对于高级开发工程师的核心能力要求是什么？对入职的新人，3-6 个月内有什么期望？
面试官：（解答问题）
候选人：好的，非常感谢您的解答，我没有其他问题了。
专家点评：
✅ 踩分点：反问问题聚焦团队、业务、技术，体现了对岗位的兴趣和职业规划，数量合适，未问薪资、加班等敏感问题，无减分项
面试最终结论
候选人基础扎实，对 Java 核心、JVM、并发编程、框架、中间件的底层原理掌握透彻，有丰富的高并发项目实战经验，项目亮点突出，算法能力达标，完全符合 Java 高级开发工程师的要求，面试通过，进入下一轮。
一周突击核心上岸提醒
面试题分享
220万字八股面试宝典，需要的小伙伴查看下方名片拿走即可！
