## 🎯 本文在学习路径中的位置
📍 L4 存储阶段 · Day 4-8(综合追问精讲 2 · 新特性四象限)
Actuator = Spring Boot的生产级监控工具(开箱即用的运维端点)
核心端点:
/health:健康检查(DB/Redis/MQ状态)
/metrics:应用指标(JVM/HTTP/Tomcat)
/info:应用信息
/env:环境变量/配置
/loggers:日志级别动态调整
/threaddump:线程转储
/heapdump:堆转储
K8s探针对接:
Liveness → /health/liveness
Readiness → /health/readiness
Q: Actuator的/health怎么自定义?
A: 实现HealthIndicator:
@Component
public class MyHealthIndicator implements HealthIndicator {
public Health health() {
if (checkOK()) return Health.up().build();
return Health.down().withDetail("error", "xxx").build();
}
}
Q: /metrics怎么对接Prometheus?
A: 加micrometer-registry-prometheus依赖→/actuator/prometheus端点暴露指标
→Prometheus抓取→Grafana展示
指标含:jvm_memory_used / http_server_requests / process_cpu_usage
Q: Actuator安全怎么保障?
A: ①生产只暴露必要端点(management.endpoints.web.exposure.include=health,info);
②敏感端点(/env /heapdump)加密或禁用;
③配合Spring Security鉴权。
传统Java:运行时JIT编译(C1/C2),启动慢(要预热),内存大
Native Image:构建时AOT编译(Ahead-Of-Time),生成本地可执行文件
AOT vs JIT:
JIT:运行时编译热点代码(动态,自适应优化) → 峰值性能好,启动慢
AOT:构建时编译(静态,闭包分析) → 启动极快(<100ms),内存小
Native Image构建流程:
javac编译 → native-image工具(分析+编译) → 本地可执行文件
闭包分析:分析代码可达性→只编译用到的(去掉未用的)
最大挑战:反射/动态代理/资源加载(运行时才知道的,AOT分析不到)
解决:编译时配置(告诉GraalVM哪些要用)
reflect-config.json:反射类/方法/字段
resource-config.json:资源文件
Spring Boot 3.x的AOT引擎自动生成(大部分自动,少数手配)
追问:
Q: Native Image适合什么场景?
A: ①Serverless/Function(启动快,按需计费);
②CLI工具(命令行,快速启动);
③容器化(镜像小,密度高);
✗ 长期运行的高性能服务(JIT峰值性能更好)
Q: Native Image启动有多快?
A: 传统Spring Boot:2-5秒启动
Native Image:<100ms启动(20-50倍提升)
内存:传统300MB+ → Native 50-100MB
Q: Native Image的缺点?
A: ①构建慢(闭包分析耗时);②反射/动态代理要配置;
③峰值性能不如JIT(AOT无法运行时优化);
④调试困难。Spring Boot 3.x改善了(自动AOT元数据生成)。
Stream = Redis 5.0+的消息流结构(类Kafka的轻量消息队列)
特点:
✓ 持久化(消息存磁盘)
✓ 消费组(Consumer Group,多消费者分摊)
✓ 消息确认(ACK,保证消费)
✓ 消息回溯(可读历史消息)
比Pub/Sub多了持久化和消费组
适用:轻量消息队列(不想上Kafka/RocketMQ)
日志/事件流/简单异步任务
# 创建消费组
XGROUP CREATE mystream mygroup $ MKSTREAM
# 消费者读消息(消费组)
XREADGROUP GROUP mygroup consumer1 COUNT 10 BLOCK 0 STREAMS mystream >
# 确认消息(ACK)
XACK mystream mygroup <message-id>
# 未确认消息(处理了没ACK的,可能挂了)
XPENDING mystream mygroup
# 转移给其他消费者(挂了的消费者未ACK消息转移)
XCLAIM mystream mygroup consumer2 0 <message-id>
Q: Redis Stream和Kafka区别?
A: Stream:Redis内置(轻量),单机性能好但分布式弱,消息量中等。
Kafka:专业MQ,超高吞吐,分布式强,但重(要独立集群)。
轻量场景用Stream(已有Redis),大规模用Kafka。
Q: 消费者挂了未ACK的消息怎么办?
A: XPENDING查看未ACK的消息 → XCLAIM转移给其他消费者(死信处理)。
类似Kafka的rebalance。
Q: Stream消息会丢吗?
A: Redis重启可能丢(取决于持久化策略)。
AOF(everysec)最多丢1秒。要更可靠用Kafka(多副本)。
sun.misc.Unsafe = Java的"后门"API(直接操作内存/CAS/线程)
Unsafe能做什么:
①CAS操作:compareAndSwapInt/Long/Object(原子操作,AQS底层用)
②堆外内存:allocateMemory/freeMemory(直接内存管理)
③线程操作:park/unpark(LockSupport底层)
④对象操作:allocateInstance(不调构造方法创建对象)
⑤内存屏障:storeFence/loadFence(有序性)
为什么不公开(私有API)?
太危险(能绕过JVM安全检查,直接操作内存→崩溃/内存泄漏)
JDK在逐步限制(JDK9+模块化,JEP 471逐步废弃Unsafe)
Unsafe的实际应用(很多框架底层用):
①java.util.concurrent:AQS/CAS原子类全靠Unsafe.compareAndSwapXxx
②Netty:堆外内存(DirectByteBuffer)用Unsafe分配
③Cassandra/Hadoop:直接内存操作
④Kryo/Hessian:allocateInstance绕过构造方法反序列化
JDK的替代方案(逐步去Unsafe):
①VarHandle(JDK9+):合法的CAS/内存操作API(替代Unsafe)
②Memory Segment(JDK14+ 外部内存API):安全的堆外内存(替代Unsafe.allocateMemory)
③FencedLock/JEP 471:逐步废弃Unsafe,迁移到VarHandle
追问:
Q: CAS在Java里怎么实现的?
A: Unsafe.compareAndSwapInt(obj, offset, expected, newValue)
底层调CPU的CMPXCHG指令(硬件原子)。
JDK9+推荐用VarHandle(VarHandle.compareAndSet)。
Q: park/unpark和wait/notify区别?
A: park/unpark(LockSupport/Unsafe):
- 基于线程(permit,每个线程一个)
- unpark可以先于park调用(不会丢)
wait/notify:
- 基于对象(monitor)
- notify必须先wait(否则丢了)
所以LockSupport(park/unpark)更灵活。
Q: Unsafe为什么会被废弃?
A: 安全风险(直接操作内存能崩溃)。JDK用VarHandle/Memory Segment提供安全替代。
但短期不会完全移除(太多库依赖),长期逐步迁移。
综合追问精讲 3,跨越并发/Spring/MySQL/MQ/运维五大领域的深度追问。
L4-7 Redis+JVM 综合 1 + L4-8 云原生四象限综合 2 已经把"内存 + 启动 + 流式 + 底层 API"打通,但面试官的综合追问还会延伸到:
综合追问 3 是面试最难的"五连击"——能不能在多领域深度同时展开,决定 25K+ 岗位的 offer。
学完本文你掌握了:
下一篇 L4-9 综合追问 3 会深入:
📍 本文位置: 学习路径地图 / L4 存储阶段 / Day 4-8 / 第 34 篇主文章 / 综合追问精讲 2
⏭️ 下一篇: AQS独占模式源码与FactoryBean与MySQL自适应Hash与Kafka Segment与Docker镜像扫描追问精讲(L4 · Day 4-9,综合追问精讲 3,五连击深度追问)