第一轮：基础与框架理解
面试官：谢飞机，你好，请简单介绍一下自己。
谢飞机：嗨，面试官，我是一名热爱编程的Java程序员，擅长Spring Boot、微服务等技术栈，对云原生也有一定了解！
面试官：很好。你熟悉Java SE 8/11/17吗？它们之间有哪些重要特性差异？
谢飞机：当然！Java 8引入了Lambda表达式和Stream API，极大简化了集合操作；Java 11是LTS版本，自带了HTTP Client；而Java 17则引入了密封类（Sealed Classes）等新特性。
面试官：回答得不错。那Maven和Gradle作为构建工具，你更倾向于用哪个？为什么？
谢飞机：我主要用Maven，它的pom.xml结构清晰，社区生态庞大。Gradle我也了解，它基于Groovy DSL，性能更好且更灵活，适合复杂项目。
面试官：很好。接下来聊聊Web框架。Spring Boot相比传统Spring MVC的核心优势是什么？
谢飞机：Spring Boot主打“约定优于配置”，内置了Tomcat等服务器，通过starter机制自动装配依赖，让我们能快速搭建独立运行的应用，极大地提升了开发效率！
面试官：夸赞！看来你对基础掌握得很扎实。最后一个问题，Hibernate和MyBatis这两个ORM框架，你怎么看？
谢飞机：Hibernate是全自动ORM，提供了JPA标准实现，上手快但定制SQL较难；MyBatis是半自动的，需要手动写SQL，虽然繁琐些，但对性能优化和复杂查询更友好。
面试官：总结得很好，有思考深度。
第二轮：业务场景与并发控制
面试官：现在我们进入一个电商秒杀系统的场景。面对高并发请求，如何保证库存数据的一致性？
谢飞机：嗯...这个嘛，我首先会用数据库的悲观锁，比如SELECT ... FOR UPDATE来锁定库存记录。
面试官：如果数据库压力太大呢？还有其他方案吗？
谢飞机：呃...可以...可以用Redis？先把库存加载到Redis里，然后用Lua脚本保证原子性扣减？不过具体怎么结合订单系统，我还不太清楚...
面试官：思路是对的，但不够完整。我们可以结合Redis分布式锁预减库存，再通过消息队列（如Kafka）进行异步下单，最终由数据库完成持久化，实现削峰填谷和最终一致性。
面试官：下一个问题，在内容社区UGC场景中，用户发布一篇帖子后，如何高效地通知其所有粉丝？
谢飞机：这...可以在发布帖子的事务里，循环遍历粉丝列表，一条条插入通知记录？
面试官：直接在主流程里做，会不会导致发帖响应时间过长？
谢飞机：啊...也是。那...能不能用多线程？或者...我好像听说过消息队列可以解耦...
面试官：没错！应该使用消息队列。用户发帖成功后，只发布一个“帖子已发布”的事件到MQ，由独立的粉丝通知服务异步消费，这样主链路就不会被阻塞。
面试官：最后，解释一下Resilience4j是如何在微服务间调用时提供保护的？
谢飞机：Resilience4j...我知道它是用来做熔断的！当一个服务调用失败次数太多，就直接“熔断”，不再请求那个坏的服务，防止雪崩。还有限流，可以控制QPS...
面试官：基本概念正确，但它还支持重试、隔舱、限时等模式，是一个非常完善的容错库。
第三轮：前沿技术与综合能力
面试官：谈谈你对AI领域RAG（检索增强生成）模型的理解。
谢飞机：RAG...就是Retrieval-Augmented Generation吧？就是先从一个知识库里找相关的信息，然后再让大模型根据这些信息去生成回答，对吧？这样能减少AI幻觉。
面试官：很好！那么，向量数据库（如Milvus）在其中扮演什么角色？
谢飞机：向量数据库...就是把文本变成一串数字（向量），然后存起来？查找的时候，也把问题变成向量，就能快速找到意思最相近的文本片段了！
面试官：完全正确。这种基于语义的搜索比传统的关键词匹配要强大得多。
面试官：在监控方面，Prometheus和Grafana是如何配合工作的？
谢飞机：Prometheus负责“拉取”各个服务暴露的指标数据，比如CPU、内存、接口耗时。Grafana就是一个“画图”的工具，它连接Prometheus当数据源，把那些数字变成漂亮的仪表盘！
面试官：比喻很形象！
面试官：最后一个问题，作为一名开发者，你怎么看待开源许可证，比如GPL和MIT的区别？
谢飞机：GPL和MIT...它们都是开源协议。MIT特别宽松，基本上用了也不影响我们自己的代码闭源。GPL...好像是传染性？如果我们用了GPL的代码，我们自己的项目也必须开源？这块我了解得不是很深...
面试官：（微笑）你的理解方向是对的。GPL确实有“强复制性”条款，这对商业项目的选择至关重要。今天的技术交流就到这里，感谢你的参与，回去等通知吧。
