資深Java工程師的面試題目（四）性能優化

以下是針對Java性能優化的面試題，涵蓋前后端技術棧的常見優化方式，適合評估候選人對性能調優的理解和實際應用能力：

1. JVM性能調優

題目:

請說明JVM垃圾回收（GC）的常見類型及其適用場景，并描述如何通過JVM參數優化GC性能。
編寫一個代碼示例，模擬內存泄漏場景，并說明如何通過工具定位和修復該問題。

參考答案:

GC類型與適用場景:
- Serial GC：單線程，適用于單核CPU的小型應用。
- Parallel GC（吞吐量優先）：多線程，適用于注重吞吐量的批處理任務。
- CMS（低延遲）：以最短停頓時間為目標，適用于實時系統。
- G1（平衡吞吐與延遲）：適用于大堆內存（>4GB）的高并發場景。
- ZGC/RHGC（超低延遲）：毫秒級停頓，適用于大內存低延遲場景（如金融交易系統）。

JVM參數優化示例:

# 啟用G1 GC，設置最大堆內存4GB，控制GC停頓時間目標為200ms
java -XX:+UseG1GC -Xms4g -Xmx4g -XX:MaxGCPauseMillis=200 -jar myapp.jar

內存泄漏示例與修復:

// 內存泄漏場景：未關閉的資源導致對象無法回收
public class LeakExample {private static List<BufferedReader> readers = new ArrayList<>();public void loadData(String filePath) throws IOException {BufferedReader reader = new BufferedReader(new FileReader(filePath));readers.add(reader); // 靜態集合導致reader無法被回收// ... 使用reader ...}
}

修復方法:

使用try-with-resources自動關閉資源。
避免靜態集合長期持有對象引用。
定位工具:

MAT（Memory Analyzer）：分析堆轉儲（heap dump），查找內存泄漏嫌疑對象。
jstat/jmap：監控GC行為和堆內存使用情況。

2. 高并發場景下的線程池優化

題目:

請說明線程池核心參數的作用，并解釋如何根據任務類型（計算密集型 vs I/O密集型）調整線程池大小。
編寫一個線程池配置示例，模擬高并發訂單處理場景，并說明其優化邏輯。

參考答案:

線程池核心參數:
- corePoolSize：核心線程數，常駐線程數量。
- maximumPoolSize：最大線程數，任務激增時的擴展上限。
- keepAliveTime：空閑線程存活時間。
- workQueue：任務隊列，用于緩沖等待執行的任務。
- threadFactory：線程工廠，自定義線程名稱或優先級。
線程池大小計算公式:
- 計算密集型：線程數 = CPU核心數 + 1
- I/O密集型：線程數 = CPU核心數 × (1 + 平均等待時間/平均工作時間)

訂單處理線程池示例:

// 高并發訂單處理場景：I/O密集型任務（如遠程服務調用）
int corePoolSize = Runtime.getRuntime().availableProcessors() * 2;
ExecutorService executor = new ThreadPoolExecutor(corePoolSize,corePoolSize * 2,60L, TimeUnit.SECONDS,new LinkedBlockingQueue<>(1000),new ThreadFactoryBuilder().setNameFormat("order-pool-%d").build(),new ThreadPoolExecutor.CallerRunsPolicy() // 拒絕策略：由調用線程處理
);

優化邏輯:
- 使用有界隊列（LinkedBlockingQueue）防止內存溢出。
- 通過拒絕策略（CallerRunsPolicy）避免任務丟失。
- 監控線程池狀態（如ThreadPoolTaskExecutor的getTaskCount()）。

3. 數據庫與SQL優化

題目:

請列舉數據庫查詢性能優化的常見手段，并說明索引的優缺點。
編寫一個SQL查詢示例，模擬訂單分頁查詢的性能瓶頸，并說明如何優化。

參考答案:

數據庫優化手段:
- 索引優化：在頻繁查詢的字段（如主鍵、外鍵）創建索引。
- 分庫分表：水平分表（如按時間分片）或垂直分庫（按業務模塊拆分）。
- 連接池配置：使用HikariCP減少連接創建開銷。
- 批量操作：使用batchInsert減少網絡往返。
- 讀寫分離：主庫寫入，從庫讀取，降低主庫壓力。
索引的優缺點:
- 優點：加速查詢，減少全表掃描。
- 缺點：增加寫入開銷，占用額外存儲空間。

分頁查詢優化示例:

-- 傳統分頁（性能差）
SELECT * FROM orders WHERE user_id = 1 ORDER BY create_time DESC LIMIT 10 OFFSET 100000;-- 優化方案：基于游標的分頁（適用于有序數據）
SELECT * FROM orders 
WHERE user_id = 1 AND create_time < '2025-06-16' 
ORDER BY create_time DESC 
LIMIT 10;

優化邏輯:
- 避免OFFSET在大數據量下的性能問題。
- 利用上次查詢的create_time作為游標條件。

4. 緩存策略（Redis & 本地緩存）

題目:

請說明Redis緩存穿透、擊穿、雪崩的解決方法，并編寫一個本地緩存（如Caffeine）的代碼示例。
描述如何設計一個高并發場景下的緩存預熱策略。

參考答案:

緩存問題與解決方案:
- 緩存穿透：惡意查詢不存在的數據 → 布隆過濾器攔截非法請求。
- 緩存擊穿：熱點數據過期 → 互斥鎖（Redis.setnx）或永不過期策略。
- 緩存雪崩：大量緩存同時失效 → 隨機過期時間 + 熔斷降級（如Hystrix）。

本地緩存示例（Caffeine）:

// 使用Caffeine構建本地緩存，最大條目數1000，過期時間10分鐘
Cache<String, Object> cache = Caffeine.newBuilder().maximumSize(1000).expireAfterWrite(10, TimeUnit.MINUTES).build();public Object getData(String key) {return cache.get(key, k -> fetchFromDB(k)); // 命中緩存或回源
}

緩存預熱策略:
- 定時任務預熱：在業務低峰期加載熱點數據到緩存。
- 冷啟動預熱：服務啟動時批量加載核心數據（如商品庫存）。
- 監控驅動預熱：根據歷史訪問日志動態加載數據。

5. 前端性能優化

題目:

請列舉前端性能優化的常見手段，并說明CDN和HTTP/2的作用。
編寫一個代碼示例，模擬資源加載優化（如懶加載、資源合并）。

參考答案:

前端優化手段:
- 減少HTTP請求：合并CSS/JS文件，使用CSS Sprites。
- 資源壓縮：Gzip壓縮HTML/CSS/JS，WebP格式圖片。
- 懶加載：延遲加載非首屏資源（如圖片、組件）。
- CDN加速：將靜態資源分發到全球節點，減少網絡延遲。
- HTTP/2：多路復用、頭部壓縮，減少請求延遲。

資源加載優化示例:

<!-- 圖片懶加載 -->
<img src="placeholder.jpg" data-src="image.jpg" class="lazyload"><!-- 動態加載腳本 -->
<script>function loadScript(src) {const script = document.createElement('script');script.src = src;script.async = true;document.head.appendChild(script);}window.addEventListener('scroll', () => {if (isInViewport('.lazyload')) {loadScript('main.js');}});
</script>

CDN與HTTP/2作用:
- CDN：通過就近節點提供靜態資源，降低延遲。
- HTTP/2：支持并行加載資源，減少TCP連接數，提升頁面加載速度。

6. 異步處理與消息隊列

題目:

請說明異步處理的優勢，并描述如何使用消息隊列（如Kafka）優化系統性能。
編寫一個Spring Boot中使用@Async注解的代碼示例。

參考答案:

異步處理優勢:
- 解耦業務流程（如訂單創建與短信通知）。
- 提升響應速度（避免同步阻塞）。
- 平滑流量高峰（削峰填谷）。
消息隊列優化場景:
- Kafka：用于日志收集、訂單異步處理，支持高吞吐量。
- RabbitMQ：用于實時任務（如支付通知）。

Spring Boot異步示例:

@Configuration
@EnableAsync
public class AsyncConfig {@Bean(name = "taskExecutor")public Executor taskExecutor() {ThreadPoolTaskExecutor executor = new ThreadPoolTaskExecutor();executor.setCorePoolSize(4);executor.setMaxPoolSize(8);executor.setQueueCapacity(100);executor.setThreadNamePrefix("async-pool-");executor.initialize();return executor;}
}@Service
public class AsyncService {@Async("taskExecutor")public void sendNotification(String message) {// 模擬耗時操作try {Thread.sleep(1000);} catch (InterruptedException e) {Thread.currentThread().interrupt();}System.out.println("Sent: " + message);}
}

使用場景:
- 用戶注冊后發送郵件/短信。
- 日志記錄、數據統計等后臺任務。

7. 微服務性能優化

題目:

請說明微服務架構中的常見性能瓶頸，并描述如何通過服務治理（如熔斷、限流）優化性能。
編寫一個Resilience4j熔斷器的代碼示例。

參考答案:

性能瓶頸與治理:
- 服務依賴鏈過長：引入分布式追蹤（如SkyWalking）。
- 雪崩效應：熔斷（Hystrix/Resilience4j）隔離故障服務。
- 突發流量：限流（令牌桶算法）保護核心服務。

Resilience4j熔斷器示例:

// 配置熔斷器（失敗率閾值50%，最小請求數10）
Resilience4jConfig config = Resilience4jConfig.custom().failureRateThreshold(50).minimumNumberOfCalls(10).waitDuration(10, TimeUnit.SECONDS).build();// 應用熔斷器
@Bean
public CircuitBreaker circuitBreaker(CircuitBreakerConfig config) {return CircuitBreaker.of("orderService", config);
}@Service
public class OrderService {@CircuitBreaker(name = "orderService", fallbackMethod = "fallback")public String getOrderDetails(String orderId) {// 調用遠程服務return restTemplate.getForObject("http://order-service/" + orderId, String.class);}public String fallback(Throwable t) {return "Fallback response for order details";}
}