企业官网建设流程全解析

场景设定

公司：智慧城市独角兽「智城云脑」

业务线：城市运行管理中心（IOC）、智慧交通、智慧安防、智慧社区、智慧政务、AI城市助手六大业务线。

规模：覆盖300城、注册市民4亿、日活1.2亿、日办件量8000万件、高峰期每秒80万次事项请求、50万个政务窗口/自助终端实时在线。

业务链路：注册登录→实名认证→事项申报→智能分办→审批流转→证照签发→进度推送→好差评→AI城市助手，贯穿全程。

第一轮 · 筑基期（基础语言与平台）

老K（推了推眼镜，面无表情）：谢飞机同学是吧？先问点基础的。我们「智城云脑」的新项目准备选型，团队在纠结 JDK 8 还是 JDK 17，你怎么看？

谢飞机（挺直腰板）：17好啊！17=一起发，招财！

老K：（嘴角抽搐）……我是问你技术上的理由。

谢飞机：哦哦，17是 LTS 长期支持版本，有 record 语法、文本块、switch 表达式，还有 ZGC 低延迟垃圾回收器。而且 Spring Boot 3.x 要求 JDK 17 起步，新项目选 17 没毛病！

老K：（微微点头）不错，总算说了句人话。那 JDK 8、11、17 你怎么形象地理解？

谢飞机：JDK 8 是老干妈，经典永流传；JDK 11 是保温杯，中规中矩；JDK 17 是折叠屏手机，新潮又能打！

老K：（忍笑）行吧。那 JVM 运行时数据区都有哪些？Metaspace 是什么？

谢飞机：就是……堆、栈、方法区……哦不对，Metaspace 就是那个元宇宙空间！

老K：（血压飙升，拍桌）Metaspace 是元空间！不是 Metaverse！它是 JDK 8 之后用来存类元数据的地方，替代了永久代，用的是本地内存！

谢飞机：（擦汗）对对对，类元数据、常量池、静态变量这些……

老K：生产环境 OOM 了你怎么排查？

谢飞机：重启大法好！不够再加内存，256G 拉满！

老K：（扶额）你是网吧网管吗？给我说正经的排查流程！

谢飞机：呃……jps 查进程，jmap 导堆，jstack 看线程，再用 MAT 分析大对象……

老K：还行。最后一个基础题，Maven 依赖冲突怎么办？

谢飞机：谁报错删谁！上次我把同事代码也删了，被追了三条街……

老K：（无语）用mvn dependency:tree查依赖树，用<dependencyManagement>统一版本，用 BOM 管理，实在不行 exclude 排除。记住了！

第二轮 · 历劫期（持久层 / 缓存 / 消息 / 分布式事务）

老K：我们政务系统要对接几百个委办局的数据，ORM 你选 MyBatis 还是 JPA？

谢飞机：JPA 一时爽，排查火葬场！我选 MyBatis，SQL 写哪儿都清清楚楚，复杂报表查询不虚。

老K：（赞许）不错，复杂场景 MyBatis 确实更可控。那 MyBatis 的 N+1 查询问题你知道吗？

谢飞机：知道！就像奶茶店买一送一，你查一个订单，结果把订单里所有商品都查了一遍，1 条 SQL 变 N+1 条，数据库直接被打哭！

老K：嗯，用关联查询或者嵌套结果映射解决。那连接池呢，HikariCP 为什么快？

谢飞机：因为……名字短，加载快！

老K：（青筋暴起）HikariCP 快是因为用了FastList替代 ArrayList 避免越界检查，ConcurrentBag做无锁化的连接获取，字节码精简，还有代理类优化！

谢飞机：学到了学到了！

老K：你们缓存怎么用的？Redis 穿透、击穿、雪崩讲讲。

谢飞机：这个我会！口诀：防空、加锁、错峰！穿透——缓存空值 + 布隆过滤器；击穿——互斥锁 + 逻辑过期；雪崩——过期时间加随机值 + 多级缓存 + 限流降级！

老K：（惊讶）哟，这波背得挺溜！那分布式锁呢，你怎么实现？

谢飞机：简单！SETNX key value一把梭！

老K：那你锁过期了业务没执行完怎么办？锁被别的线程释放了怎么办？

谢飞机：呃……那就……再抢一次？

老K：用Redisson 看门狗！默认 30 秒锁，后台有个看门狗线程每 10 秒续期，业务没跑完就续命，跑完就释放。还要用 UUID + 线程 ID 做 value 标识，释放时用 Lua 脚本比较再删，防止误删别人的锁！

谢飞机：哦！就像楼下那只大黄狗，主人不回来它就一直守着！

老K：（叹气）……行吧。高峰时期办件量每秒 80 万，你怎么削峰？

谢飞机：上 Kafka！Kafka 就是 King，从来不丢王冠！

老K：（怒吼）那是 Kafka 的 K 不是 King！给我说三环节不丢失！

谢飞机：生产者acks=all+ 重试；broker 端min.insync.replicas=2+replication.factor=3；消费者手动提交 offset + 幂等消费！

老K：（平复情绪）不错。那跨服务的分布式事务呢，比如市民提交一个事项要同时扣费、发证、通知？

谢飞机：Seata！海盐烧烤味、番茄味、原味、薯片……

老K：（拍桌）那是乐事薯片！Seata 四种模式是XA/2PC、AT、TCC、SAGA！XA 是数据库强一致，AT 是自动补偿，TCC 是 Try-Confirm-Cancel 手动补偿，SAGA 是长事务编排！

谢飞机：哦哦，薯片口味对应上了，海盐=XA、烧烤=AT、番茄=TCC、原味=SAGA！

老K：（放弃挣扎）……那注册中心 Eureka、Nacos、Consul 你怎么选？

谢飞机：Eureka 是 AP，服务注册发现快但数据可能不一致；Nacos 支持 AP/CP 切换，还带配置中心；Consul 是 CP，强一致，适合对一致性要求高的场景！

老K：（点头）总算有个像样的回答了。

第三轮 · 飞升期（WebSocket / 可观测性 / Spring AI）

老K：我们 IOC 大屏要同时推送 100 万市民的办件进度，WebSocket 怎么做？

谢飞机：for 循环挨个发！

老K：（一口茶喷出来）100 万连接你 for 循环？线程直接炸！用Netty做 WebSocket 服务，ChannelGroup管理连接，粘性会话让同一用户打到同一节点，跨节点用Redis Pub/Sub广播，心跳机制保活，全链路异步非阻塞！

谢飞机：大厂果然是大厂……

老K：线上出了问题你怎么快速定位？

谢飞机：可观测性三件套！Prometheus采集指标 +Grafana可视化大屏，ELK收集日志，Jaeger/Zipkin做全链路追踪。比福尔摩斯还神！

老K：（眼前一亮）这个答得不错！最后一个方向，你们要上 AI 城市助手，Spring AI 了解吗？

谢飞机：了解！Spring AI 就是给 Java 开发者的 AI 框架，ChatClient用起来跟JdbcTemplate一个味儿，一行代码调大模型！

老K：那市民问“社保怎么补缴”，模型没学过你们的数据怎么办？

谢飞机：上RAG！先搜后答！把政策文档切块、向量化存到向量数据库，用户提问时先语义检索，再把结果塞进提示词让模型基于资料回答！

老K：向量数据库怎么选？

谢飞机：Milvus适合大规模、高并发生产环境；Chroma轻量级、开发调试方便；Redis Stack的向量能力适合想复用现有 Redis 的场景。Embedding 模型可以用 OpenAI 或者本地 Ollama！

老K：（惊喜）不错啊！那 MCP 和 A2A 是什么？

谢飞机：MCP 就是AI 界的 USB-C，把模型和外部工具、数据源统一标准化接入；A2A 是 Google 的 Agent 间通信协议，让不同 Agent 互相协作！

老K：那 Agentic RAG 呢？

谢飞机：就是给 RAG 装上大脑！普通 RAG 是“检索→回答”一条道走到黑，Agentic RAG 会自我反思、多轮检索、动态调用工具，查不到就换关键词再查，还能调用 API 查实时数据，就像个 AI 侦探，不查到真相不罢休！

老K：（站起来鼓掌）这轮超常发挥！最后一个问题，AI 幻觉怎么解决？

谢飞机：AI 幻觉是模型编造不存在的知识，只能缓解不能消除——就像你永远无法让杠精闭嘴！可以用 RAG 提供可靠依据、提示词约束“不知道就说不知道”、温度调低、输出校验、知识库兜底、人工审核。

老K：（沉默良久）……谢飞机同学，今天的面试就到这儿吧。你的表现……很有戏剧性。先回去等通知吧。

谢飞机：（搓手）好的好的，这是我集齐的第七张“等通知”卡了，再集一张就能召唤神龙了！

彩蛋

三个月后，谢飞机入职了竞品智慧城市平台「智城互联」，工牌上赫然写着——「等通知侠」。

而老K默默从碎纸机旁捡回了那份简历，在背面写下四个字：「值得再约」。

📚 文末答案解析（小白学习版，16 大考点）

1. JDK 8 / 11 / 17 特性对比表

| 版本 | 核心特性 | 定位 | |------|---------|------| | JDK 8 | Lambda、Stream、Optional、新的日期时间 API | 经典老干妈，存量系统主力 | | JDK 11 | 局部变量类型推断（var）、ZGC 引入、HttpClient | 保温杯，过渡版本 | | JDK 17 | record、文本块、switch 表达式、密封类、ZGC 成熟 | LTS，Spring Boot 3.x 基线 |

选型逻辑：新项目直接 JDK 17 + Spring Boot 3.x；存量系统若依赖老框架（如 Spring 5 之前）则保守用 JDK 8/11。

2. JVM 运行时数据区 + Metaspace

• 线程私有：虚拟机栈、本地方法栈、程序计数器
• 线程共享：堆（对象实例）、方法区（JDK 8 后由Metaspace实现，使用本地内存）
• Metaspace 不是 Metaverse！它存类元数据、常量池、静态变量，默认无上限，需用-XX:MaxMetaspaceSize限制

OOM 排查四板斧口诀：jps找进程 →jmap导堆 →jstack看线程 →MAT分析大对象。

3. Maven / Gradle 依赖冲突三板斧

1. mvn dependency:tree查依赖树，定位冲突
2. <dependencyManagement>或 BOM 统一版本
3. 精准exclude排除传递依赖

4. MyBatis vs JPA + N+1 问题

• MyBatis：SQL 全掌控，适合复杂报表、多表关联、SQL 调优场景（政务系统首选）
• JPA/Hibernate：开发效率高，适合 CRUD 为主的简单领域模型
• N+1 问题：查主表 1 次 + 每个子记录查 1 次 = N+1 次查询。解决：JOIN FETCH / 嵌套结果映射 / @EntityGraph / 批量抓取

5. HikariCP 为什么快（FastList + ConcurrentBag）

• FastList：去除 ArrayList 的越界检查，提升 get/remove 性能
• ConcurrentBag：无锁化连接获取/归还，ThreadLocal 缓存 + 全局共享
• 字节码精简、代理类优化、默认参数合理

6. 缓存穿透 / 击穿 / 雪崩对比表

| 问题 | 现象 | 解法 | |------|------|------| | 穿透 | 查不存在的数据打到 DB | 缓存空值 + 布隆过滤器 | | 击穿 | 热点 key 过期瞬间高并发打 DB | 互斥锁 + 逻辑过期 | | 雪崩 | 大量 key 同时过期 | 过期时间加随机值 + 多级缓存 + 限流降级 |

口诀：防空、加锁、错峰

7. Redis 分布式锁三大坑 + Redisson 看门狗

// 正确姿势：Redisson 一把梭 RLock lock = redissonClient.getLock("order:" + orderId); // 看门狗默认 30s 锁，每 10s 自动续期 lock.lock(10, TimeUnit.SECONDS); try { // 业务逻辑 } finally { lock.unlock(); }

三大坑：

1. 锁过期业务未完成 → 看门狗续期
2. 误删他人锁 → value 存 UUID+线程ID，Lua 脚本比较再删
3. 主从切换丢锁 → RedLock / 多节点加锁

8. Kafka 三环节不丢失保障

• 生产者：acks=all+retries重试 + 幂等enable.idempotence=true
• Broker：replication.factor=3+min.insync.replicas=2+unclean.leader.election.enable=false
• 消费者：手动提交 offset + 消费成功后提交 + 业务幂等（唯一键去重）

9. 分布式事务四方案选型表

| 方案 | 原理 | 适用场景 | |------|------|---------| | XA/2PC | 数据库层两阶段提交，强一致 | 并发低、一致性极高（金融） | | Seata AT | 自动生成补偿 SQL，无侵入 | 中低并发、改造少 | | TCC | Try-Confirm-Cancel 手动补偿 | 高并发、业务可拆分 | | SAGA | 长事务状态机编排 | 跨多服务长链路 |

10. 注册中心 CAP 对比

| 注册中心 | 模型 | 特点 | |---------|------|------| | Eureka | AP | 注册快、容忍分区，数据可能短暂不一致 | | Nacos | AP/CP 可切换 | 注册中心 + 配置中心二合一 | | Consul | CP | 强一致，Raft 协议，适合一致性敏感场景 |

11. WebSocket 百万连接架构

• Netty做高性能 WebSocket 网关（异步非阻塞）
• ChannelGroup统一管理连接
• 粘性会话：同一用户路由到同一节点
• 跨节点广播用Redis Pub/Sub或 Kafka
• 心跳机制（ping/pong）保活 + 空闲检测剔除

12. 可观测性三件套（指标 / 日志 / 链路）

• 指标：Micrometer + Prometheus + Grafana
• 日志：SLF4J + Logback + ELK（Elasticsearch 存储、Logstash 采集、Kibana 可视化）
• 链路：Jaeger / Zipkin 全链路追踪，traceId 串联

13. Spring AI 核心能力表

| 能力 | 说明 | |------|------| | ChatClient | 类似 JdbcTemplate 的 AI 对话客户端 | | Embedding | 文本向量化，接入 OpenAI/Ollama | | ChatMemory | 聊天会话内存管理（窗口/摘要） | | Function Calling | 工具执行框架，模型调用外部 API | | Advisors | 提示填充、RAG 检索、安全过滤等增强 |

14. RAG 离线 / 在线双阶段全流程

离线（文档加载）：文档加载 → 切块 → Embedding 向量化 → 存入向量数据库（Milvus/Chroma/Redis Stack）

在线（问答）：用户提问 → 向量化 → 语义检索 TopK → 组装提示词 → LLM 生成带依据回答

15. MCP + A2A + Agentic RAG

• MCP（模型上下文协议）：AI 界的 USB-C，三大原语——工具（Tools）、资源（Resources）、提示词（Prompts），标准化模型与外部系统交互
• A2A（Agent-to-Agent）：Google 提出的 Agent 间通信协议，让多个 Agent 协同完成复杂工作流
• Agentic RAG：RAG + Agent 的 ReAct 循环（思考→行动→观察→再思考），多轮检索、动态调工具、自我纠错，适合企业文档问答、智能客服等复杂场景

16. AI 幻觉本质与 6 大缓解手段

本质：大模型基于概率生成，遇到知识盲区会“一本正经地胡说八道”。

1. RAG 提供可靠知识依据
2. 提示词约束（“不知道就说不知道”）
3. 降低 temperature
4. 输出校验 + 引用溯源
5. 知识库兜底 + 人工审核
6. 持续微调 + 评估监控

核心认知：AI 幻觉只能缓解，不能彻底消除——就像你永远无法让杠精闭嘴。

（全文完，感谢观看。如果觉得有用，点个赞收藏，我们下期面试现场再见！）