2025年最新 Java 面试题库，想要面试十拿九稳，收藏这篇就够了

一、Java 基础与集合

1. ArrayList 和 LinkedList 的区别？
ArrayList 底层是数组，查询快，增删慢；适合查多改少。
LinkedList 底层是双向链表，增删快，查询慢；适合频繁插入删除。
2. HashMap 的底层实现？
JDK8 以前：数组 + 链表。
JDK8 起：数组 + 链表 + 红黑树（链表长度 > 8 且数组长度 > 64 时转红黑树）。
3. String、StringBuilder、StringBuffer 区别？
String：不可变，线程安全，适合少量字符串拼接。
StringBuilder：可变，非线程安全，单线程下效率高。
StringBuffer：可变，线程安全，适合多线程场景。
4. equals 和 == 的区别？
== 比较的是地址（引用是否相同）。
equals 比较的是内容（需重写 equals 方法）。

二、并发编程

5. synchronized 和 ReentrantLock 区别？
synchronized 是 JVM 实现，语法简洁；
ReentrantLock 是 Java 实现，功能更强，支持公平锁、可中断锁、超时锁。
6. volatile 关键字的作用？
保证变量在多线程间的可见性；禁止指令重排序（通过内存屏障）；不保证原子性。
7. 线程池的核心参数？
corePoolSize：核心线程数；
maximumPoolSize：最大线程数；
keepAliveTime：空闲线程最大存活时间；
workQueue：任务队列；
rejectionHandler：拒绝策略。

三、JVM 与性能调优

8. JVM 内存模型有哪些区域？
程序计数器、虚拟机栈、本地方法栈、堆、方法区（JDK8 后为元空间）。
9. GC 的垃圾收集器有哪些？
Serial、ParNew、Parallel、CMS、G1、ZGC、Shenandoah。
10. Minor GC 和 Full GC 的区别？
Minor GC：新生代垃圾回收，频繁，耗时短；
Full GC：老年代 + 新生代，频率低，耗时长。

四、Spring & Spring Boot

11. Spring Bean 的生命周期？
实例化
设置属性
调用 BeanNameAware、BeanFactoryAware 等回调接口
初始化（@PostConstruct、InitializingBean）
使用中
销毁前调用（@PreDestroy、DisposableBean）
12. @Autowired 和 @Resource 区别？
@Autowired：按类型注入，需配合 @Qualifier；
@Resource：默认按名称注入。
13. Spring 事务的传播机制？
REQUIRED：默认，有就加入事务，无则新建。
REQUIRES_NEW：新建事务，原事务挂起。
NESTED：嵌套事务，支持回滚到 savepoint。
SUPPORTS、NOT_SUPPORTED、MANDATORY、NEVER：分别代表是否支持或必须事务。
14. Spring Boot 自动装配原理？
启动类 @SpringBootApplication -> @EnableAutoConfiguration -> SpringFactoriesLoader 加载 META-INF/spring.factories 中配置类。

五、MySQL

15. 索引的底层结构？
B+ 树结构：所有数据存储在叶子节点，非叶子节点仅存储索引键和指向子节点的指针。
叶子节点之间通过链表连接，便于范围查找。
16. 覆盖索引是什么？如何避免回表？
查询字段完全在索引列中，直接从索引获取数据而无需回表，提高查询效率。
SQL 查询时只选用索引包含的列，并观察 EXPLAIN 中 Extra 是否为 Using index。
17. 聚簇索引和非聚簇索引的区别？
聚簇索引（InnoDB 主键索引）：数据行与索引存储在一起。
非聚簇索引（二级索引）：索引存储的是主键值，通过主键再回表查询数据。
18. MySQL 锁机制？
表锁（MyISAM）
行锁（InnoDB）：共享锁、排它锁
意向锁（辅助行锁加速）
间隙锁、临键锁（防止幻读）
19. MySQL 事务的四大特性（ACID）？
原子性（Atomicity）：要么全部执行，要么回滚。
一致性（Consistency）：事务前后数据一致。
隔离性（Isolation）：多个事务互不干扰。
持久性（Durability）：事务提交后永久保存。
20. 常见的隔离级别？
读未提交（Read Uncommitted）：可能脏读
读已提交（Read Committed）：解决脏读
可重复读（Repeatable Read，MySQL 默认）：解决不可重复读
串行化（Serializable）：最高隔离，性能低
21. 如何排查死锁？
使用 SHOW ENGINE INNODB STATUS 查看死锁信息。
分析死锁发生的 SQL 与表结构，优化索引与锁顺序。

六、Redis

22. Redis 支持哪些数据结构？
String、List、Set、Hash、ZSet、Bitmap、HyperLogLog、Geo。
23. Redis 缓存雪崩/穿透/击穿？
雪崩：大量 key 同时失效 → 加锁、均匀过期时间、预热
穿透：请求不存在 key → 布隆过滤器、缓存空值
击穿：热点 key 突然失效 → 加互斥锁、逻辑过期
24. 分布式锁实现？
setnx + expire 原子操作；Redisson 提供高可用实现

七、消息队列（Kafka / RabbitMQ）

25. Kafka 的消息机制？
Producer 将消息发送到 topic 下的 partition。
Consumer 按 group 消费，每个 partition 只能被 group 内一个 consumer 消费。
每条消息有 offset，消费顺序由 partition 保证。
26. Kafka 如何保证消息不丢失？
ACK 机制 + ISR 副本机制。
设置 acks=all，启用幂等 producer，添加 retries 保证重试。
可使用事务 API 实现 exactly-once。
27. RabbitMQ 的 Exchange 类型？
Direct：路由键精准匹配
Topic：模糊匹配（支持 * 和 #）
Fanout：广播全部绑定队列
Headers：根据 headers 属性匹配
28. RabbitMQ 与 Kafka 区别？
RabbitMQ 延迟低，支持消息确认机制，适合事务场景。
Kafka 吞吐高，适合日志采集、流处理等高并发场景。

八、分布式、微服务

29. 分库分表怎么做？
水平拆分：按业务字段 hash/取模/分片（如用户 ID、地区）
垂直拆分：按功能模块分库
使用 ShardingSphere、MyCat 实现自动路由
30. 雪花 ID 原理？
64 位整型 = 时间戳 + 数据中心 ID + 机器 ID + 自增序列
支持高并发下唯一性，避免数据库主键冲突
31. 微服务常见组件及作用？
注册中心：Nacos、Eureka（服务发现与注册）
配置中心：Nacos（动态配置）
网关：Spring Cloud Gateway（统一入口、鉴权、限流）
熔断限流：Sentinel、Hystrix（保护系统稳定性）
调用：Feign、OpenFeign（简化远程调用）
链路追踪：Sleuth + Zipkin / SkyWalking（排查性能瓶颈）
32. Spring Cloud 中 Nacos 的使用？
注册服务：@EnableDiscoveryClient，配置 spring.cloud.nacos.discovery
获取配置：@RefreshScope + @Value，配置 spring.cloud.nacos.config

九、常用中间件

33. Elasticsearch 在项目中的使用？
商品搜索、联想词、条件过滤、聚合分析、搜索推荐
借助 IK 分词器进行中文分词，结合 DSL 构建复杂查询
34. Flink 的作用与场景？
实时数据处理（CEP 模式识别、窗口计算）
医疗销售项目：用于实时打标签、交易链监控、日志清洗入库

---

说真的，这两年看着身边一个个搞Java、C++、前端、数据、架构的开始卷大模型，挺唏嘘的。大家最开始都是写接口、搞Spring Boot、连数据库、配Redis，稳稳当当过日子。

Java真的没有发展吗

学习Java并非真的没有退路，相反，如果将Java与现在热门的大模型结合会碰撞出不一样的火花

大模型技术正在为Java开发者开辟新赛道

1、推理环节的核心语言

• 大模型训练依赖Python生态的高性能计算资源，但推理阶段更注重模型部署、性能优化和系统集成。Java凭借其稳定性、跨平台特性和生态优势，成为推理环节的理想选择。例如，通过DJL（Deep Java Library）直接加载和使用预训练模型，无需深入底层Python代码。

2、工程化落地的关键角色

• 大模型从实验室到产业级应用的过程中，工程化能力成为核心竞争力。Java开发者在代码规范、测试流程、版本管理等方面的积累，能大幅降低大模型项目的研发成本。例如，利用Spring Cloud Gateway实现大模型调用的网关，进行请求限流、熔断降级和日志追踪。

3、多场景应用的桥梁

• Java在大模型工程化中承担关键职责：
  • 数据处理层：通过Apache PDFBox、Spring Batch等工具解析非结构化数据，实现知识库的向量化处理。
  • 检索服务层：调用大模型的Embedding API生成向量数据，并通过向量数据库（如Milvus）进行相似度匹配。
  • 模型调用层：通过适配器模式封装不同大模型的调用接口，实现“一键切换”。
    应用服务层：基于Spring Boot构建RESTful API，灵活编排“检索-生成”链路。

---

因此捕获AI，掌握技术是关键，让AI成为我们最便利的工具.

一定要把现有的技术和大模型结合起来，而不是抛弃你们现有技术！掌握AI能力的Java工程师比纯Java岗要吃香的多。

即使现在裁员、降薪、团队解散的比比皆是……但后续的趋势一定是AI应用落地！大模型方向才是实现职业升级、提升薪资待遇的绝佳机遇！

如何学习AGI大模型？

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

2025最新版优快云大礼包：《AGI大模型学习资源包》免费分享**

一、2025最新大模型学习路线

一个明确的学习路线可以帮助新人了解从哪里开始，按照什么顺序学习，以及需要掌握哪些知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。

我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。

L1级别:AI大模型时代的华丽登场

L1阶段：我们会去了解大模型的基础知识，以及大模型在各个行业的应用和分析；学习理解大模型的核心原理，关键技术，以及大模型应用场景；通过理论原理结合多个项目实战，从提示工程基础到提示工程进阶，掌握Prompt提示工程。

L2级别：AI大模型RAG应用开发工程

L2阶段是我们的AI大模型RAG应用开发工程，我们会去学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3级别：大模型Agent应用架构进阶实践

L3阶段：大模型Agent应用架构进阶实现，我们会去学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造我们自己的Agent智能体；同时还可以学习到包括Coze、Dify在内的可视化工具的使用。

L4级别：大模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，我们会更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调；并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

整个大模型学习路线L1主要是对大模型的理论基础、生态以及提示词他的一个学习掌握；而L3 L4更多的是通过项目实战来掌握大模型的应用开发，针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。

二、大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

三、大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

四、大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

五、大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

2025最新版优快云大礼包：《AGI大模型学习资源包》免费分享