← 返回首页 🔍 追问串联
📐 学习维度 本篇是 🔍 追问串联 🏠 首页 🛤️ 学习路径 📚 全部文章
📑 本篇章节导航 (共9章,点击直达)
相关页面一、JDK 8 ConcurrentHashMap put流程(必背)二、追问链三、传播行为实战场景(深挖)四、追问链五、Kafka消息可靠性四层保障六、Docker镜像分层优化真题来源相关页面

ConcurrentHashMap源码与Spring事务传播与Kafka消息可靠性保障与Docker镜像分层优化追问精讲

📍 本文覆盖4个高频面试追问主题:ConcurrentHashMap源码、Spring事务传播、Kafka消息可靠性、Docker镜像优化。每个主题基于官方文档和源码。

相关页面


上篇:ConcurrentHashMap源码深度

一、JDK 8 ConcurrentHashMap put流程(必背)


putVal()核心逻辑:

1.算hash:(key==null)?0:(h=key.hashCode())^(h>>>16)  // 扰动
2.table为空→initTable()初始化(CAS)
3.算槽位:i = (n-1) & hash
4.槽位为空→CAS插入(tabAt(tab,i)==null → casTabAt)
  → 成功则完成(无锁)
5.槽位在扩移(MOVED/FORWARDING)→helpTransfer()帮忙扩容
6.槽位有值→synchronized锁头节点:
  a.链表→尾插(链表长度>=8转红黑树)
  b.红黑树→putTreeVal
7.addCount():CAS更新元素数(分散计数,避免竞争)

二、追问链


Q1: ConcurrentHashMap的put为什么用CAS+synchronized?
A: ①槽位空→CAS无锁插入(快,无竞争);
   ②槽位有值→synchronized锁单桶(竞争范围小)。
   不用ReentrantLock:内存更省(每个Node都锁→内存爆炸),
   synchronized经JVM优化(锁升级)性能不差,且锁粒度=单桶(竞争小)。

Q2: ConcurrentHashMap的size()怎么算的?
A: 用baseCount + CounterCell[]分散计数:
   普通CAS更新baseCount;
   竞争大时用CounterCell[](分散到多个cell,减少CAS竞争)。
   size()=baseCount + 所有CounterCell值(近似值)。

Q3: ConcurrentHashMap的扩容(transfer)怎么实现的?
A: 多线程协助扩容:
   ①扩容时设sizeCtl为负(标记正在扩容)
   ②每个线程认领一段桶(stride)迁移
   ③迁移完的桶放ForwardingNode(标记已迁移)
   ④其他线程put到已迁移桶→转发到新表
   → 多线程并行扩容(高效)

Q4: JDK 9+的ConcurrentHashMap有什么变化?
A: ①内部优化(Node/TreeBin细节);②更多VarHandle替代Unsafe;
   核心思想(CAS+synchronized)不变。

Q5: ConcurrentHashMap完全线程安全吗?
A: 单个操作(get/put/remove)安全。
   但复合操作(size+put判断后再操作)不保证原子。
   例:if(map.size()<100) map.put(...)→多线程可能都通过判断→超过100。
   复合操作要用synchronized或compute()。

中篇:Spring事务传播

三、传播行为实战场景(深挖)


场景1:REQUIRED(默认,同事务)
  外层createOrder() + 内层updateStock()
  → 同一事务,一起成功/失败
  → 内层异常→外层也回滚

场景2:REQUIRES_NEW(独立事务)
  外层createOrder() + 内层writeLog()
  → 写日志独立事务
  → 外层回滚不影响日志(日志保留,便于排查)

场景3:NESTED(嵌套/保存点)
  外层createOrder() + 内层deductCoupon()
  → 内层回滚(券不够)→外层可继续(不扣券)
  → 外层回滚→内层也回滚(整体回滚)
  → 用DB保存点实现(SAVEPOINT)

场景4:实际应用
  @Transactional  // 默认REQUIRED
  public void createOrder() {
      orderMapper.insert(order);      // 主事务
      logService.writeLog(order);     // REQUIRES_NEW(日志独立,失败不影响下单)
      couponService.deduct(userId);   // NESTED(券失败可重试,不影响主流程)
  }

四、追问链


Q1: REQUIRES_NEW怎么实现的?
A: ①挂起当前事务(保存ThreadLocal里的Connection)
  ②从连接池获取新Connection→开启新事务
  ③执行内层方法
  ④提交/回滚新事务
  ⑤恢复挂起的事务
  → 需要两个DB连接(当前+新),连接池要够。

Q2: 嵌套事务(NESTED)和REQUIRES_NEW区别?
A: NESTED:基于SAVEPOINT(内层回滚只到保存点,外层仍可控)
            外层回滚→内层也回滚(同一个物理事务)
   REQUIRES_NEW:完全独立(两个物理事务,互不影响)
   NESTED要DB支持SAVEPOINT(MySQL支持)。

Q3: 事务失效的根本原因是什么?
A: 事务靠AOP代理。失效=代理没生效。
  ①非public(CGLIB代理非public不增强);
  ②同类调用(this不走代理);
  ③异常被catch(事务感知不到异常);
  ④多线程(事务ThreadLocal绑定,新线程没有)。

Q4: 怎么在事务提交后做异步操作?
A: @TransactionalEventListener(phase=AFTER_COMMIT)
  → 事务提交成功后才执行(保证数据已持久化)
  → 适合:发通知/刷新缓存/触发MQ(要求数据已入库)

下篇:Kafka消息可靠性保障与Docker镜像优化

五、Kafka消息可靠性四层保障


1.生产者不丢(acks + retries)
  acks=all:所有ISR副本确认才算成功(最安全)
  retries=Integer.MAX_VALUE:发送失败重试
  enable.idempotence=true:幂等(防止重试导致重复)

2.Broker不丢(副本 + min.insync.replicas)
  replication.factor=3:3副本
  min.insync.replicas=2:至少2副本同步才算写入成功
  unclean.leader.election.enable=false:禁止未同步的副本成Leader

3.消费者不丢(手动提交offset)
  enable.auto.commit=false:关闭自动提交
  处理完后手动commitSync()(处理完再提交offset)
  → 处理失败不提交→下次重消费(at-least-once)

4.消费幂等(业务层)
  业务唯一键去重(去重表/Redis标记/状态机)
  → 即使重复消费也不重复处理

总结:生产acks=all + 副本3+min.insync.replicas=2 + 手动offset + 消费幂等 = 不丢不重

六、Docker镜像分层优化


镜像分层规则:
  每个Dockerfile指令(RUN/COPY/ADD)产生一个层
  层叠加(UnionFS)→最终镜像
  共享层(多个镜像共用base)→省存储

优化策略:
1.多阶段构建(最有效)
  FROM maven:3.9 AS builder
  COPY src /app/src
  RUN mvn package  # 编译
  
  FROM eclipse-temurin:17-jre-alpine
  COPY --from=builder /app/target/app.jar /app.jar
  # 最终镜像只有JRE+jar(不含Maven/源码)
  → 镜像从800MB降到150MB

2.合并RUN指令
  RUN apt-get update && apt-get install -y curl && rm -rf /var/lib/apt/lists/*
  → 一个层(不在中间留缓存)

3.小base镜像
  eclipse-temurin:17-jre-alpine(~80MB)
  vs eclipse-temurin:17-jre(~300MB)
  distroless(更小,无shell更安全)

4..dockerignore
  排除target/git/node_modules(不进构建上下文)

5.层缓存利用
  先COPY pom.xml + RUN mvn dependency(依赖不变→缓存命中)
  再COPY src(只有src变→只重编译)
  → 加速CI构建

追问:
  Q: 镜像为什么用分层?
  A: ①共享(base层多个镜像共用→省存储);②缓存(改一层只重建变化层→快)。

  Q: 怎么排查镜像大小?
  A: dive工具(分析每层大小)/ docker history <image>(看每层)。

  Q: alpine镜像的坑?
  A: ①musl libc(不是glibc)→某些JNI库不兼容;
     ②时区默认UTC(要配Asia/Shanghai);
     ③DNS解析略不同。
     生产用eclipse-temurin:17-jre-jammy(Ubuntu base,兼容性好)更稳。

真题来源


相关页面