一、第一轮提问：基础能力与场景理解

面试官：在 Java SE/JVM 层面，为什么大厂会偏向选择 Java 11 作为主力版本？ 谢飞机：简单回答：因为 Java 11 是长期支持版本，特性更稳定，模块化带来更强的隔离，且逐步淘汰了过时 API，利于长期维护。 面试官：很好，请你再补充解释 JVM 的内存结构及常用 GC 策略？ 谢飞机：简单回答：JVM 的堆由新生代、老年代和元空间构成，常用的 GC 策略有 G1、Parallel、ZGC 等，生产环境多选 G1/Parallel，视吞吐和延迟要求而定。 面试官：Maven 与 Gradle 的核心差异点是什么？在团队中通常如何取舍？ 谢飞机：简单回答：Maven 基于 POM 的约定优于配置，依赖管理统一，Gradle 通过 DSL 提供增量构建和更快的构建性能。团队取舍取决于项目规模、对自定义构建的需求以及生态偏好。

二、第二轮提问：架构设计与数据流

面试官：请以一个电商下单微服务为场景，设计一个端到端的数据流和边界，涉及下单、库存、支付、幂等、数据一致性等方面。要求给出模块边界、关键接口以及数据存储选择。 谢飞机：复杂问题，场景化解答：会用 Spring Boot、Spring Data JPA、MySQL、Redis；下单服务作为核心，库存与支付作为子服务，通过事件总线驱动状态机，幂等性通过幂等键及唯一约束实现，数据一致性采用最终一致性，事务边界尽量局部化。

面试官：那么在分布式事务场景下，你更倾向 Saga、TCC 还是 2PC？并请给出要点对比。 谢飞机：复杂回答：三者各有利弊，Saga 更适合高并发场景的最终一致性，TCC 需要显式补偿，2PC 成本较高。具体选型需结合业务容忍度、系统容量与运营复杂度。

面试官：如何设计可观测性与日志，以便快速定位电商下单中的问题？ 谢飞机：简单回答：采用 Prometheus+Grafana 做指标、ELK 或 OpenSearch 做日志，分配请求唯一标识，使用分布式追踪（如 OpenTelemetry）实现跨服务调用追踪。

面试官：在微服务架构下，数据库读写分离、缓存命中与数据一致性如何协调？ 谢飞机：简单回答：读写分离通常通过主从库实现，热点数据放入 Redis 缓存，同时通过事件驱动保持异步更新，确保最终一致性。

三、第三轮提问：安全、云原生与运维观测

面试官：在微服务场景中，如何在 Spring Security 中接入 JWT、OAuth2 与 Keycloak？请给出一个落地实现要点。 谢飞机：复杂回答：核心思路是把认证入口放在 API 网关/认证服务器，资源服务以 JWT 做授权检测，Keycloak 提供角色/作用域管理，Token 通过 RS256 签名，资源服务使用 OAuth2 资源服务器模式进行验证；具体实现需配置授权服务器地址、签名公钥轮换与令牌刷新策略。

面试官：高并发下单场景，如何使用 Redis、Kafka、幂等设计实现高吞吐与可靠性？ 谢飞机：复杂回答：可用 Redis 做热点数据缓存与限流/幂等键存储，使用 Kafka 作为事件总线，生产与消费遵循幂等关键字，保证重复请求不会造成重复下单；具体落地要结合 Outbox 模式与幂等性键设计。

面试官：在 Kubernetes 上线 Java 应用时，如何实现灰度发布、滚动更新与健康监控？ 谢飞机：复杂回答：常用 Docker 镜像打包、Kubernetes 部署、就绪/存活探针、水平扩缩、Ingress、Helm/Kustomize；灰度推荐 Argo Rollouts、Canaries；监控通过 Prometheus、Grafana、ELK，告警通过 Alertmanager。

面试官：在分布式数据场景中，Saga 与事件溯源的取舍？你会怎么设计？ 谢飞机：复杂回答：Saga 更适合分布式事务语义上的可控性，事件驱动和补偿逻辑是关键，事件溯源在复杂领域有价值但实现成本高；实际落地需结合业务粒度、回滚容忍度与监控能力。

面试官：好，以上问题基本覆盖核心要点。请回家等通知。 谢飞机：……

四、答案要点解析（供学习）

1. Java 版本与 JVM：Java 11+ LTS 的长期维护、模块化带来的隔离、Metaspace 替代永久代等。G1、Parallel、ZGC 等 GC 的应用场景与权衡。

2. 架构设计要点：微服务边界、幂等设计、事件驱动、Outbox、最终一致性、边界事务尽量小、读写分离与缓存组合。

3. 分布式事务选择：2PC 成本高，Saga 更适合高并发场景的可维护性，分为编排式与编排式补偿。

4. 可观测性与日志：统一追踪 ID、结构化日志、指标可观测、分布式追踪与告警集成。

5. 安全与认证：OIDC/JWT、Keycloak 的角色/作用域、RS256 签名、资源服务器与授权服务器的职责分离、密钥轮换。

6. 云原生与运维：Kubernetes、Docker、健康探针、滚动更新、灰度发布工具（如 Argo Rollouts）、监控与告警。

7. 数据一致性与模式选择：Saga、事件驱动、补偿逻辑、幂等键、恰当的业务粒度。

8. 实践中的建议：更关注业务需求、可观测性优先、渐进式实现、把握成本与收益的平衡。

注：本文中涉及的技术点均来自公开知识点，读者可结合实际项目经验深化理解。