优秀网站psd,wordpress博客蜘蛛统计,wordpress访问加密,建站建设流程汉安数智面试10题完整标准答案（可直接背诵）
1、SQL中 IN 可以用什么优化？（全新补全）
IN 的核心问题：当 IN 后面集合量大、子查询数据多时，容易走全表扫描、生成临时表、IO 高、效率差。常见优化方案有 4 种：
①…
汉安数智面试10题完整标准答案（可直接背诵）
1、SQL中 IN 可以用什么优化？（全新补全）
IN 的核心问题：当 IN 后面集合量大、子查询数据多时，容易走全表扫描、生成临时表、IO 高、效率差。常见优化方案有 4 种：
① 小数据用 BETWEEN 替代 IN：连续数值场景，BETWEEN 索引命中率更高、开销更小。
② 大数据/子查询用 EXISTS 替代 IN：
IN 是先执行子查询、再匹配外层；EXISTS 是先遍历外层表、逐行判断是否存在匹配数据。
外层表小、子查询结果大时，EXISTS 性能远优于 IN。
实战例子（一眼看懂区别）
场景：查询「有过订单的用户」
用户表 user（1000 条，小表）
订单表 order（100 万条，大表）
【IN 写法（低效）】
SELECT * FROM user
WHERE id IN (SELECT user_id FROM order);
原理：先把 100 万条订单全部查出来生成临时结果集，再和用户表匹配，数据量大极耗 IO。
【EXISTS 写法（高效）】
SELECT * FROM user u
WHERE EXISTS (SELECT 1 FROM order o WHERE o.user_id = u.id);
原理：遍历外层小表用户，每遍历一个用户，就去大订单表匹配到第一条就立刻终止，不会查全量数据，极大提升效率。
总结口诀（面试必背）
大结果集用 EXISTS，小连续数值用 BETWEEN，复杂关联用 JOIN，坚决不用 NOT IN。
③ 用 JOIN 联表查询替代 IN 子查询（最优常用）：
把 IN 的匹配逻辑改成 INNER JOIN / LEFT JOIN，数据库可以高效走索引关联，避免临时表和全扫，是生产最常用的 IN 优化手段。
④ 超大 IN 集合拆分、分批查询：
IN 元素过万时性能暴跌，可以拆分批次查询、或者导入临时表关联查询，避免单次 IN 过大导致超时。
补充禁忌：禁止 NOT IN（有 NULL 会查不到数据、极易踩坑），统一用 NOT EXISTS 替代。
2、线程锁有哪些？（全新补全）
Java 面试常答、工作常用锁分两大类：内置锁（悲观锁）、JUC 显式锁，外加细分锁机制：
1）synchronized 内置锁
底层依赖 JVM 实现，可锁方法、代码块；自动加锁释放、不用手动控制；属于可重入、悲观、独占锁。
2）ReentrantLock 可重入显式锁
JUC 手动锁，功能比 synchronized 更强：可手动加解锁、可超时锁、可中断锁、支持公平/非公平锁。
3）读写锁 ReentrantReadWriteLock
读多写少场景专用：读锁共享、写锁独占，大幅提升并发读性能（比如缓存、配置查询）。
4）自旋锁（通俗详解+例子）
核心大白话：不睡觉、一直重试
普通锁（synchronized）：拿不到锁就阻塞休眠，线程挂起、让出CPU，等别人释放锁再唤醒。
缺点：休眠、唤醒需要系统调度，开销大。
自旋锁：拿不到锁不阻塞、不休眠，就在原地循环空转、不断尝试抢锁，直到抢到为止。
生活化例子：
排队上厕所：
1. 普通悲观锁：没位置我直接蹲旁边睡觉，有人出来再喊我（要唤醒，慢）。
2. 自旋锁：没位置我不睡觉，一直站门口反复看、反复问有没有空位，一旦有人出来我立刻进去（极快）。
适用场景（面试必背）：
锁持有时间非常短、竞争不激烈。
因为等待时间很短，空转的CPU开销 线程休眠唤醒的开销。
缺点：
如果别人锁持有很久，自旋会一直空跑、白白占用CPU，导致CPU飙高。
面试一句话总结：
自旋锁是循环抢锁、不阻塞、不空歇，短时等待性能极高，长时等待浪费CPU。
5）悲观锁 乐观锁（数据库层面，带通俗解释+实战例子）
一、悲观锁（顾名思义：极度悲观）
核心思想：我默认别人一定会抢我的数据、一定会改。所以我一查数据就直接上锁，别人不能读也不能改，等我事务结束才释放。
实现方式：SELECT ... FOR UPDATE
实战例子（库存扣减）：
我要扣商品库存，我先加锁锁住这条库存数据，别人排队等着改，杜绝超卖。
特点：独占、安全、并发低、性能差，适合并发不高、数据冲突多的场景。
二、乐观锁（顾名思义：极度乐观）
核心思想：我默认别人不会改我的数据，所以我全程不上锁，读写随便搞，只在最后更新的时候校验一下有没有被别人改过。
实现方式：版本号 version / 时间戳
实战例子（版本号机制）：
1、查询数据时，拿到 version=1；
2、业务处理逻辑；
3、更新时校验：update set stock=stock-1,version=version+1 where id=1 and version=1；
4、如果此时别人已经改了数据，version 变成2，我的更新失败，重试即可。
特点：无锁、并发高、性能好，适合高并发、冲突少的场景（电商、订单系统主流）。
面试绝杀总结：
悲观锁：先锁再操作，防冲突，牺牲性能换安全；
乐观锁：先操作后校验，无阻塞，高性能高并发首选。
6）分段锁（通俗详解+例子）
核心原理：不锁整张表、不锁整个容器，只锁当前操作的一小段。
通俗类比（秒懂）：
如果整个厕所只有一把锁（全局锁）：一个人进去，所有人都得等，并发极差，效率极低。
分段锁就是：把厕所分成16个小隔间，每个隔间一把锁。
你只用锁住你正在用的那一间，别人可以正常用其他隔间，互不影响，并发直接拉满。
经典场景：JDK1.7 ConcurrentHashMap
它把整个大集合分成 16个Segment分段：
1、修改数据时，只锁当前这一段；
2、其他15段数据照常读写，不会被阻塞；
3、相比 Hashtable 锁住整个集合，分段锁极大减小了锁粒度，大幅提升并发性能。
面试一句话总结：
分段锁就是化整为零、分段加锁，减小锁竞争范围，是高并发场景优化锁性能的核心手段。
3、点餐覆盖是什么意思？（全新补全，业务标准答案）
这是外卖/点餐系统经典业务名词，点餐覆盖 = 新下单/改单覆盖旧的未结算订单内容，核心场景：
1、用户下单后、商家未接单/未出餐时，用户重新下单、或者修改菜品、规格、数量，系统用最新订单数据覆盖旧订单，旧订单作废，以新单为准。
2、覆盖规则：只覆盖未支付、未接单、未完成的有效订单；已接单、已出餐、已结算订单不允许覆盖，只能走退单、改单流程。
业务目的：避免用户重复下单、冗余脏订单，保证同一桌/同一用户同一时段只有一条有效待处理订单。
4、前端到后端数据库完整业务场景（登录模块）【你的版本已大幅完善、修正漏洞】
我以用户登录完整链路，从前端、网络、后端 MVC、权限、缓存、数据库，给你一套标准面试完整版：
1. 前端层
用户输入账号密码，前端做基础非空、格式校验，通过 Ajax/axios 异步 POST 请求，把表单数据传给后端接口。
2. 网络与拦截层
请求经过 Nginx 转发、全局拦截器，到达后端 SpringMVC 的 DispatcherServlet 前端控制器，统一拦截所有请求。
3. 路由匹配
DispatcherServlet 根据 URL 路径匹配 @RequestMapping，定位到对应的 LoginController 控制器方法。
4. Controller 层（参数校验、调用业务）
接收账号密码，做参数校验，调用 UserService 登录业务方法。
5. Service 层（核心业务逻辑）
① 查询 Redis 缓存，判断用户是否已登录、Token 是否有效，有效直接返回登录成功；
② 缓存未命中，调用 Mapper 查询数据库用户信息；
③ 判断用户名是否存在，不存在返回账号错误；
④ 对前端明文密码做 MD5/SM3 加密，和数据库密文密码比对；
⑤ 密码一致则登录成功，不一致返回密码错误；
⑥ 登录成功后，JWT 生成唯一 Token，存入 Redis（设置过期时间），返回给前端。
6. Dao/Mapper 层
通过 Mybatis 执行 SQL，查询用户表账号、加密密码、状态等数据，返回给业务层。
7. 数据库层
存储用户基础信息，密码密文存储，字段加索引保证查询速度。
8. 前端响应处理
前端拿到 Token，存入 localStorage / cookie，后续所有接口请求携带 Token，后端拦截器校验登录态。
亮点补充（面试加分）：整条链路实现了前端校验、后端幂等、缓存提速、密码加密、无状态登录、权限拦截的完整闭环。
5、开发一个项目的流程、模块如何衔接？（全新补全，面试标准流程）
完整项目开发流程，从 0 到 上线，分为 6 步，同时讲清模块衔接：
1）需求分析 评审
梳理业务需求、输出原型图、需求文档，确定功能模块（登录、订单、用户、支付等），前后端统一接口文档。
2）数据库设计
设计表结构、字段、索引、主键、外键、关联关系，确定分表、字典、状态字段，提前规避慢查询。
3）架构搭建 模块拆分
搭建项目脚手架、统一返回结果、异常处理、全局拦截、工具类。
按分层拆分模块：Controller 接口层、Service 业务层、Dao 数据层、Entity 实体层、Utils 工具层。
模块衔接规则：
Controller 只接收请求、不写业务；
Service 处理核心业务、事务控制、模块调用；
Dao 只负责数据库 CRUD；
各层单向调用，解耦清晰。
4）功能迭代开发
按模块逐个开发、接口联调，前后端对接测试。
5）测试优化
单元测试、接口测试、压力测试、SQL 优化、代码规范检查、Bug 修复。
6）部署上线 运维监控
打包、部署服务器、配置 Nginx、日志监控、异常告警、线上迭代维护。
6、AOP 具体原理（你的版本深度完善、标准化）
AOP 全称面向切面编程，核心思想：不修改原有业务代码的前提下，对方法进行统一增强。
1、底层原理
基于 Java 动态代理 + 反射机制 实现：
目标类有接口用 JDK 动态代理；无接口用 CGLIB 字节码代理。
2、核心组件
① 切面 @Aspect：定义切面类，存放所有增强逻辑；
② 切入点 @Pointcut：通过 execution 表达式匹配需要拦截的所有目标方法；
③ 通知：前置、后置、返回后、异常、环绕通知，在方法执行前后做增强。
3、执行流程
程序调用目标方法 → Spring 识别切入点匹配 → 生成代理对象 → 通过反射拦截方法执行 → 执行自定义切面逻辑（日志、权限、事务、限流）→ 执行原有业务方法。
4、实际用途（面试加分）
统一日志记录、统一权限校验、事务控制、接口限流、性能监控、参数脱敏。
7、Bean 的生命周期 + 获取 Bean 实例的方式（全新补全，高频面试题）
一、Spring Bean 完整生命周期（标准 6 步）
1. 实例化：Spring 扫描注解，通过反射创建 Bean 空对象；
2. 属性填充：自动装配 @Autowired、依赖注入；
3. 初始化前置处理：执行 Bean 后置处理器前置方法；
4. 初始化：执行 InitializingBean、自定义 init-method；
5. 初始化后置处理：执行 Bean 后置处理器后置方法；
6.销毁：容器关闭时执行 DisposableBean、destroy-method。
二、获取 Bean 实例的 4 种方式****（附实战代码例子）
1. 注解注入（@Autowired、@Resource，项目最常用）
Spring 自动注入容器中的Bean，无需手动创建，日常开发主流用法。
@Service
public class UserService {// 自动从Spring容器中获取UserMapper Bean实例@Autowiredprivate UserMapper userMapper;
}
2. 手动获取（ApplicationContext上下文getBean()）
适用于非Spring管理的普通类，手动从容器中获取Bean实例。
// 获取Spring上下文
ApplicationContext context = SpringContextUtil.getApplicationContext();
// 根据Bean类型获取实例
UserService userService = context.getBean(UserService.class);
// 根据Bean名称获取实例
UserService userService2 = (UserService) context.getBean("userService");
3. 工厂方式（FactoryBean自定义创建Bean）
用于自定义复杂Bean的创建逻辑，Mybatis整合Spring核心就是利用FactoryBean创建MapperBean。
public class CustomBeanFactory implements FactoryBeanUser {@Overridepublic User getObject() throws Exception {// 自定义Bean创建、初始化逻辑User user = new User();user.setUsername("test");return user;}@Overridepublic Class? getObjectType() {return User.class;}
}// 注册工厂Bean
@Bean
public CustomBeanFactory customBeanFactory(){return new CustomBeanFactory();
}
4. 配置类注册（@Bean注解手动注册实例）
用于第三方类、无法添加注解的类，手动将对象注入Spring容器。
@Configuration
public class BeanConfig {// 手动创建Bean并交给Spring容器管理@Beanpublic RedisTemplateString, Object redisTemplate(RedisConnectionFactory factory){RedisTemplateString, Object redisTemplate = new RedisTemplate();redisTemplate.setConnectionFactory(factory);return redisTemplate;}
}
8、SQL 常见优化方式（你的版本大幅扩充、系统化）
我整理面试最全、最稳的一套答案：
1、索引优化（核心）
高频查询字段建索引；遵循最左匹配原则；避免索引失效（like %前缀、函数运算、隐式类型转换、or 滥用）。
2、SQL 语句写法优化
禁止 select *，只查需要字段；
大 IN 改 JOIN/EXISTS；
避免子查询嵌套过深；
分页必须加 limit，避免全量返回。
3、表结构优化
字段合理设计、避免大字段查询；冷热数据分离；大表分库分表、分区表。
4、查询逻辑优化
优先过滤再关联；小表驱动大表；减少多表联查；合理使用临时表。
5、缓存优化
高频查询数据放 Redis，减少数据库查询压力。
6、执行计划优化
通过 explain 分析 SQL，定位全表扫描、索引失效、临时表、文件排序问题。
9、数据库索引类型（你的版本完善、全覆盖）
面试必答 5 类索引：
1. 主键索引（PRIMARY）
唯一、非空、一张表只能一个，查询速度最快。
2. 唯一索引（UNIQUE）
字段值唯一、可空，用于手机号、账号等唯一字段。
3. 普通索引（INDEX）
最基础索引，无唯一限制，用于普通查询提速。
4. 联合/复合索引
多个字段组合索引，遵循最左前缀原则，避免重复建多个单索引。
5. 全文索引
用于文章、内容长文本模糊检索。
补充面试加分：底层结构都是 B+ 树，索引本质是空间换时间。
10、大模型/智能体幻觉原因、影响回答质量的因素（你的版本全面升级）
幻觉就是模型无依据编造答案、乱答、答非所问，核心原因 + 影响因素如下：
一、产生幻觉的核心原因
1. 模型本身概率生成机制：大模型是基于概率预测下一个字，只会通顺、不一定正确，知识盲区会自动编造。
2. RAG 检索不准/检索缺失：向量库匹配相似度低、检索不到有效知识，模型只能凭固有知识回答，产生错误。
3. 上下文窗口有限：超长对话上下文丢失，信息不全导致乱答。
4. 训练数据过时、脏数据：训练数据存在错误、老旧、偏差数据。
二、影响智能体回答质量的所有因素
1. Prompt 质量：指令是否清晰、约束是否明确、是否限定回答范围；
2. RAG 检索质量：向量分词、向量化模型、召回策略、相似度阈值；
3. 上下文对话状态：对话轮次过多、信息遗忘；
4. 模型能力：底座模型参数、微调精度；
5. 知识库质量：知识是否准确、是否更新、是否去重纠错；
6. 后处理机制：是否有答案校验、引用溯源、拒答机制。（注：部分内容可能由 AI 生成） 优秀网站psdwordpress博客蜘蛛统计
优秀网站psd,wordpress博客蜘蛛统计,wordpress访问加密,建站建设流程汉安数智面试10题完整标准答案（可直接背诵）
1、SQL中 IN 可以用什么优化？（全新补全）
IN 的核心问题：当 IN 后面集合量大、子查询数据多时，容易走全表扫描、生成临时表、IO 高、效率差。常见优化方案有 4 种：
①…
汉安数智面试10题完整标准答案（可直接背诵）
1、SQL中 IN 可以用什么优化？（全新补全）
IN 的核心问题：当 IN 后面集合量大、子查询数据多时，容易走全表扫描、生成临时表、IO 高、效率差。常见优化方案有 4 种：
① 小数据用 BETWEEN 替代 IN：连续数值场景，BETWEEN 索引命中率更高、开销更小。
② 大数据/子查询用 EXISTS 替代 IN：
IN 是先执行子查询、再匹配外层；EXISTS 是先遍历外层表、逐行判断是否存在匹配数据。
外层表小、子查询结果大时，EXISTS 性能远优于 IN。
实战例子（一眼看懂区别）
场景：查询「有过订单的用户」
用户表 user（1000 条，小表）
订单表 order（100 万条，大表）
【IN 写法（低效）】
SELECT * FROM user
WHERE id IN (SELECT user_id FROM order);
原理：先把 100 万条订单全部查出来生成临时结果集，再和用户表匹配，数据量大极耗 IO。
【EXISTS 写法（高效）】
SELECT * FROM user u
WHERE EXISTS (SELECT 1 FROM order o WHERE o.user_id = u.id);
原理：遍历外层小表用户，每遍历一个用户，就去大订单表匹配到第一条就立刻终止，不会查全量数据，极大提升效率。
总结口诀（面试必背）
大结果集用 EXISTS，小连续数值用 BETWEEN，复杂关联用 JOIN，坚决不用 NOT IN。
③ 用 JOIN 联表查询替代 IN 子查询（最优常用）：
把 IN 的匹配逻辑改成 INNER JOIN / LEFT JOIN，数据库可以高效走索引关联，避免临时表和全扫，是生产最常用的 IN 优化手段。
④ 超大 IN 集合拆分、分批查询：
IN 元素过万时性能暴跌，可以拆分批次查询、或者导入临时表关联查询，避免单次 IN 过大导致超时。
补充禁忌：禁止 NOT IN（有 NULL 会查不到数据、极易踩坑），统一用 NOT EXISTS 替代。
2、线程锁有哪些？（全新补全）
Java 面试常答、工作常用锁分两大类：内置锁（悲观锁）、JUC 显式锁，外加细分锁机制：
1）synchronized 内置锁
底层依赖 JVM 实现，可锁方法、代码块；自动加锁释放、不用手动控制；属于可重入、悲观、独占锁。
2）ReentrantLock 可重入显式锁
JUC 手动锁，功能比 synchronized 更强：可手动加解锁、可超时锁、可中断锁、支持公平/非公平锁。
3）读写锁 ReentrantReadWriteLock
读多写少场景专用：读锁共享、写锁独占，大幅提升并发读性能（比如缓存、配置查询）。
4）自旋锁（通俗详解+例子）
核心大白话：不睡觉、一直重试
普通锁（synchronized）：拿不到锁就阻塞休眠，线程挂起、让出CPU，等别人释放锁再唤醒。
缺点：休眠、唤醒需要系统调度，开销大。
自旋锁：拿不到锁不阻塞、不休眠，就在原地循环空转、不断尝试抢锁，直到抢到为止。
生活化例子：
排队上厕所：
1. 普通悲观锁：没位置我直接蹲旁边睡觉，有人出来再喊我（要唤醒，慢）。
2. 自旋锁：没位置我不睡觉，一直站门口反复看、反复问有没有空位，一旦有人出来我立刻进去（极快）。
适用场景（面试必背）：
锁持有时间非常短、竞争不激烈。
因为等待时间很短，空转的CPU开销 线程休眠唤醒的开销。
缺点：
如果别人锁持有很久，自旋会一直空跑、白白占用CPU，导致CPU飙高。
面试一句话总结：
自旋锁是循环抢锁、不阻塞、不空歇，短时等待性能极高，长时等待浪费CPU。
5）悲观锁 乐观锁（数据库层面，带通俗解释+实战例子）
一、悲观锁（顾名思义：极度悲观）
核心思想：我默认别人一定会抢我的数据、一定会改。所以我一查数据就直接上锁，别人不能读也不能改，等我事务结束才释放。
实现方式：SELECT ... FOR UPDATE
实战例子（库存扣减）：
我要扣商品库存，我先加锁锁住这条库存数据，别人排队等着改，杜绝超卖。
特点：独占、安全、并发低、性能差，适合并发不高、数据冲突多的场景。
二、乐观锁（顾名思义：极度乐观）
核心思想：我默认别人不会改我的数据，所以我全程不上锁，读写随便搞，只在最后更新的时候校验一下有没有被别人改过。
实现方式：版本号 version / 时间戳
实战例子（版本号机制）：
1、查询数据时，拿到 version=1；
2、业务处理逻辑；
3、更新时校验：update set stock=stock-1,version=version+1 where id=1 and version=1；
4、如果此时别人已经改了数据，version 变成2，我的更新失败，重试即可。
特点：无锁、并发高、性能好，适合高并发、冲突少的场景（电商、订单系统主流）。
面试绝杀总结：
悲观锁：先锁再操作，防冲突，牺牲性能换安全；
乐观锁：先操作后校验，无阻塞，高性能高并发首选。
6）分段锁（通俗详解+例子）
核心原理：不锁整张表、不锁整个容器，只锁当前操作的一小段。
通俗类比（秒懂）：
如果整个厕所只有一把锁（全局锁）：一个人进去，所有人都得等，并发极差，效率极低。
分段锁就是：把厕所分成16个小隔间，每个隔间一把锁。
你只用锁住你正在用的那一间，别人可以正常用其他隔间，互不影响，并发直接拉满。
经典场景：JDK1.7 ConcurrentHashMap
它把整个大集合分成 16个Segment分段：
1、修改数据时，只锁当前这一段；
2、其他15段数据照常读写，不会被阻塞；
3、相比 Hashtable 锁住整个集合，分段锁极大减小了锁粒度，大幅提升并发性能。
面试一句话总结：
分段锁就是化整为零、分段加锁，减小锁竞争范围，是高并发场景优化锁性能的核心手段。
3、点餐覆盖是什么意思？（全新补全，业务标准答案）
这是外卖/点餐系统经典业务名词，点餐覆盖 = 新下单/改单覆盖旧的未结算订单内容，核心场景：
1、用户下单后、商家未接单/未出餐时，用户重新下单、或者修改菜品、规格、数量，系统用最新订单数据覆盖旧订单，旧订单作废，以新单为准。
2、覆盖规则：只覆盖未支付、未接单、未完成的有效订单；已接单、已出餐、已结算订单不允许覆盖，只能走退单、改单流程。
业务目的：避免用户重复下单、冗余脏订单，保证同一桌/同一用户同一时段只有一条有效待处理订单。
4、前端到后端数据库完整业务场景（登录模块）【你的版本已大幅完善、修正漏洞】
我以用户登录完整链路，从前端、网络、后端 MVC、权限、缓存、数据库，给你一套标准面试完整版：
1. 前端层
用户输入账号密码，前端做基础非空、格式校验，通过 Ajax/axios 异步 POST 请求，把表单数据传给后端接口。
2. 网络与拦截层
请求经过 Nginx 转发、全局拦截器，到达后端 SpringMVC 的 DispatcherServlet 前端控制器，统一拦截所有请求。
3. 路由匹配
DispatcherServlet 根据 URL 路径匹配 @RequestMapping，定位到对应的 LoginController 控制器方法。
4. Controller 层（参数校验、调用业务）
接收账号密码，做参数校验，调用 UserService 登录业务方法。
5. Service 层（核心业务逻辑）
① 查询 Redis 缓存，判断用户是否已登录、Token 是否有效，有效直接返回登录成功；
② 缓存未命中，调用 Mapper 查询数据库用户信息；
③ 判断用户名是否存在，不存在返回账号错误；
④ 对前端明文密码做 MD5/SM3 加密，和数据库密文密码比对；
⑤ 密码一致则登录成功，不一致返回密码错误；
⑥ 登录成功后，JWT 生成唯一 Token，存入 Redis（设置过期时间），返回给前端。
6. Dao/Mapper 层
通过 Mybatis 执行 SQL，查询用户表账号、加密密码、状态等数据，返回给业务层。
7. 数据库层
存储用户基础信息，密码密文存储，字段加索引保证查询速度。
8. 前端响应处理
前端拿到 Token，存入 localStorage / cookie，后续所有接口请求携带 Token，后端拦截器校验登录态。
亮点补充（面试加分）：整条链路实现了前端校验、后端幂等、缓存提速、密码加密、无状态登录、权限拦截的完整闭环。
5、开发一个项目的流程、模块如何衔接？（全新补全，面试标准流程）
完整项目开发流程，从 0 到 上线，分为 6 步，同时讲清模块衔接：
1）需求分析 评审
梳理业务需求、输出原型图、需求文档，确定功能模块（登录、订单、用户、支付等），前后端统一接口文档。
2）数据库设计
设计表结构、字段、索引、主键、外键、关联关系，确定分表、字典、状态字段，提前规避慢查询。
3）架构搭建 模块拆分
搭建项目脚手架、统一返回结果、异常处理、全局拦截、工具类。
按分层拆分模块：Controller 接口层、Service 业务层、Dao 数据层、Entity 实体层、Utils 工具层。
模块衔接规则：
Controller 只接收请求、不写业务；
Service 处理核心业务、事务控制、模块调用；
Dao 只负责数据库 CRUD；
各层单向调用，解耦清晰。
4）功能迭代开发
按模块逐个开发、接口联调，前后端对接测试。
5）测试优化
单元测试、接口测试、压力测试、SQL 优化、代码规范检查、Bug 修复。
6）部署上线 运维监控
打包、部署服务器、配置 Nginx、日志监控、异常告警、线上迭代维护。
6、AOP 具体原理（你的版本深度完善、标准化）
AOP 全称面向切面编程，核心思想：不修改原有业务代码的前提下，对方法进行统一增强。
1、底层原理
基于 Java 动态代理 + 反射机制 实现：
目标类有接口用 JDK 动态代理；无接口用 CGLIB 字节码代理。
2、核心组件
① 切面 @Aspect：定义切面类，存放所有增强逻辑；
② 切入点 @Pointcut：通过 execution 表达式匹配需要拦截的所有目标方法；
③ 通知：前置、后置、返回后、异常、环绕通知，在方法执行前后做增强。
3、执行流程
程序调用目标方法 → Spring 识别切入点匹配 → 生成代理对象 → 通过反射拦截方法执行 → 执行自定义切面逻辑（日志、权限、事务、限流）→ 执行原有业务方法。
4、实际用途（面试加分）
统一日志记录、统一权限校验、事务控制、接口限流、性能监控、参数脱敏。
7、Bean 的生命周期 + 获取 Bean 实例的方式（全新补全，高频面试题）
一、Spring Bean 完整生命周期（标准 6 步）
1. 实例化：Spring 扫描注解，通过反射创建 Bean 空对象；
2. 属性填充：自动装配 @Autowired、依赖注入；
3. 初始化前置处理：执行 Bean 后置处理器前置方法；
4. 初始化：执行 InitializingBean、自定义 init-method；
5. 初始化后置处理：执行 Bean 后置处理器后置方法；
6.销毁：容器关闭时执行 DisposableBean、destroy-method。
二、获取 Bean 实例的 4 种方式****（附实战代码例子）
1. 注解注入（@Autowired、@Resource，项目最常用）
Spring 自动注入容器中的Bean，无需手动创建，日常开发主流用法。
@Service
public class UserService {// 自动从Spring容器中获取UserMapper Bean实例@Autowiredprivate UserMapper userMapper;
}
2. 手动获取（ApplicationContext上下文getBean()）
适用于非Spring管理的普通类，手动从容器中获取Bean实例。
// 获取Spring上下文
ApplicationContext context = SpringContextUtil.getApplicationContext();
// 根据Bean类型获取实例
UserService userService = context.getBean(UserService.class);
// 根据Bean名称获取实例
UserService userService2 = (UserService) context.getBean("userService");
3. 工厂方式（FactoryBean自定义创建Bean）
用于自定义复杂Bean的创建逻辑，Mybatis整合Spring核心就是利用FactoryBean创建MapperBean。
public class CustomBeanFactory implements FactoryBeanUser {@Overridepublic User getObject() throws Exception {// 自定义Bean创建、初始化逻辑User user = new User();user.setUsername("test");return user;}@Overridepublic Class? getObjectType() {return User.class;}
}// 注册工厂Bean
@Bean
public CustomBeanFactory customBeanFactory(){return new CustomBeanFactory();
}
4. 配置类注册（@Bean注解手动注册实例）
用于第三方类、无法添加注解的类，手动将对象注入Spring容器。
@Configuration
public class BeanConfig {// 手动创建Bean并交给Spring容器管理@Beanpublic RedisTemplateString, Object redisTemplate(RedisConnectionFactory factory){RedisTemplateString, Object redisTemplate = new RedisTemplate();redisTemplate.setConnectionFactory(factory);return redisTemplate;}
}
8、SQL 常见优化方式（你的版本大幅扩充、系统化）
我整理面试最全、最稳的一套答案：
1、索引优化（核心）
高频查询字段建索引；遵循最左匹配原则；避免索引失效（like %前缀、函数运算、隐式类型转换、or 滥用）。
2、SQL 语句写法优化
禁止 select *，只查需要字段；
大 IN 改 JOIN/EXISTS；
避免子查询嵌套过深；
分页必须加 limit，避免全量返回。
3、表结构优化
字段合理设计、避免大字段查询；冷热数据分离；大表分库分表、分区表。
4、查询逻辑优化
优先过滤再关联；小表驱动大表；减少多表联查；合理使用临时表。
5、缓存优化
高频查询数据放 Redis，减少数据库查询压力。
6、执行计划优化
通过 explain 分析 SQL，定位全表扫描、索引失效、临时表、文件排序问题。
9、数据库索引类型（你的版本完善、全覆盖）
面试必答 5 类索引：
1. 主键索引（PRIMARY）
唯一、非空、一张表只能一个，查询速度最快。
2. 唯一索引（UNIQUE）
字段值唯一、可空，用于手机号、账号等唯一字段。
3. 普通索引（INDEX）
最基础索引，无唯一限制，用于普通查询提速。
4. 联合/复合索引
多个字段组合索引，遵循最左前缀原则，避免重复建多个单索引。
5. 全文索引
用于文章、内容长文本模糊检索。
补充面试加分：底层结构都是 B+ 树，索引本质是空间换时间。
10、大模型/智能体幻觉原因、影响回答质量的因素（你的版本全面升级）
幻觉就是模型无依据编造答案、乱答、答非所问，核心原因 + 影响因素如下：
一、产生幻觉的核心原因
1. 模型本身概率生成机制：大模型是基于概率预测下一个字，只会通顺、不一定正确，知识盲区会自动编造。
2. RAG 检索不准/检索缺失：向量库匹配相似度低、检索不到有效知识，模型只能凭固有知识回答，产生错误。
3. 上下文窗口有限：超长对话上下文丢失，信息不全导致乱答。
4. 训练数据过时、脏数据：训练数据存在错误、老旧、偏差数据。
二、影响智能体回答质量的所有因素
1. Prompt 质量：指令是否清晰、约束是否明确、是否限定回答范围；
2. RAG 检索质量：向量分词、向量化模型、召回策略、相似度阈值；
3. 上下文对话状态：对话轮次过多、信息遗忘；
4. 模型能力：底座模型参数、微调精度；
5. 知识库质量：知识是否准确、是否更新、是否去重纠错；
6. 后处理机制：是否有答案校验、引用溯源、拒答机制。（注：部分内容可能由 AI 生成）