阿里巴巴 Java 后端面经（2024 秋招）
岗位：Java 后端开发工程师（淘天集团）
背景：985 硕士，两段大厂实习，一篇 A 类会议论文
结果： offer，评级 P5+
时间线：8.20 投递 → 8.28 一面 → 9.5 二面 → 9.12 三面 → 9.20 HR 面 → 9.25 offer
一面（技术面，1h 10min）
面试官是一位 P7 的资深工程师，气质沉稳，主要围绕简历上的第一个项目（工业级推荐系统）展开。
算法题（35min）
LeetCode 146. LRU Cache
要求手写完整的 LRUCache 类，包括 get 和 put 方法。我使用哈希表 + 双向链表实现，15 分钟完成编码。
class DLinkedNode:
def __init__(self, key=0, value=0):
self.key = key
self.value = value
self.prev = None
self.next = None
class LRUCache:
def __init__(self, capacity: int):
self.cache = {}
self.head = DLinkedNode()
self.tail = DLinkedNode()
self.head.next = self.tail
self.tail.prev = self.head
self.capacity = capacity
self.size = 0
def get(self, key: int) -> int:
if key not in self.cache:
return -1
node = self.cache[key]
self.move_to_head(node)
return node.value
def put(self, key: int, value: int) -> None:
if key in self.cache:
node = self.cache[key]
node.value = value
self.move_to_head(node)
else:
node = DLinkedNode(key, value)
self.cache[key] = node
self.add_to_head(node)
self.size += 1
if self.size > self.capacity:
removed = self.remove_tail()
del self.cache[removed.key]
self.size -= 1
def add_to_head(self, node: DLinkedNode):
node.prev = self.head
node.next = self.head.next
self.head.next.prev = node
self.head.next = node
def remove_node(self, node: DLinkedNode):
node.prev.next = node.next
node.next.prev = node.prev
def move_to_head(self, node: DLinkedNode):
self.remove_node(node)
self.add_to_head(node)
def remove_tail(self) -> DLinkedNode:
node = self.tail.prev
self.remove_node(node)
return node
追问：
- 如果要支持并发访问，你会怎么改？（我答：加读写锁，或者用
ConcurrentHashMap+ReentrantReadWriteLock） LinkedHashMap怎么实现 LRU？（按访问顺序排序的LinkedHashMap，设置accessOrder=true并覆写removeEldestEntry）
项目深挖（25min）
围绕实习中的推荐系统项目：
- 特征工程链路：如何处理高维稀疏特征？
- 答：使用 Embedding 层做维度压缩，对 ID 类特征做 Hash Bucket 处理。
- 模型选型：为什么选 DeepFM 而不是 Wide & Deep？
- 答：DeepFM 自动学习二阶特征交叉，不需要手动做特征工程，在点击率预估上效果更好。
- 线上推理延迟：如何优化？
- 答：模型量化（FP32 → FP16）、特征缓存（Redis 预取）、并行张量计算（TensorRT）。
Java 基础（10min）
HashMap的扩容机制？（阈值 0.75，resize 时链表/红黑树重哈希）synchronized和ReentrantLock的区别？（语法、功能、公平锁、中断响应）
二面（技术 + 架构，1h）
二面面试官是所在部门的技术负责人，P8 级别。风格偏宏观，喜欢问"如果让你来设计…"
算法题（25min）
LeetCode 23. 合并 K 个升序链表
要求时间复杂度最优。我使用最小堆（优先队列）：
import heapq
from typing import List, Optional
class ListNode:
# ...
def __lt__(self, other):
return self.val < other.val
def mergeKLists(lists: List[Optional[ListNode]]) -> Optional[ListNode]:
heap = []
dummy = ListNode(0)
curr = dummy
for lst in lists:
if lst:
heapq.heappush(heap, lst)
while heap:
node = heapq.heappop(heap)
curr.next = node
curr = curr.next
if node.next:
heapq.heappush(heap, node.next)
return dummy.next
追问：如果数据量极大（TB 级别），内存放不下怎么办？（外部归并排序，分批读入内存生成有序子文件，再 K 路归并）
系统设计（30min）
设计一个秒杀系统
我按 4S 框架回答：
- Scenario：日均 DAU 1 亿，秒杀商品库存 1000，预期峰值 QPS 10 万
- Service：拆分为网关层、活动服务、库存服务、订单服务、支付服务
- Storage：
- 活动信息：Redis（高并发读取）
- 库存扣减：Redis Lua 原子脚本
- 订单数据：分库分表 MySQL
- Scale：
- 限流：令牌桶 + Nginx rate limit
- 削峰：Kafka 消息队列
- 防超卖：Redis 原子递减 + 异步落库
面试官追问：如果 Redis 挂了怎么办？（预热库存到本地缓存 + 降级到排队等待页面）
软性问题（5min）
如果业务和技术的目标冲突，你会怎么处理？（举了一个实习中的真实案例说明沟通方式）
三面（总监面，40min）
三面是淘天某业务线技术总监，几乎没有写代码题，全是开放性问题。
- 你最自豪的一个技术决策是什么？
- 答：在实习中将一个 Flink 双流 Join 的 CPU 占用从 80% 降到 30%，主要通过状态后端调优（RocksDB 增量 checkpoint）和水位线对齐优化。
- 如果让你从零设计一个电商搜索引擎，你会怎么做？
- 答：倒排索引 + 分词 + TF-IDF/BM25 基础排序 + 机器学习精排（LambdaMART），并提到冷热数据分离和缓存策略。
- 你最想加入阿里的哪个技术团队？为什么？
HR 面（30min）
常规 HR 面，主要关注：
- 期望薪资
- 手里有几个 offer？（如实回答有字节和美团）
- 为什么选择阿里而不是字节？
- 未来 3-5 年的职业规划
面试复盘与建议
| 维度 | 表现 | 建议 |
|---|---|---|
| 算法 | ⭐⭐⭐⭐ 两道题都 AC | 重点准备 LeetCode Hot 100，特别是链表、二叉树、动态规划 |
| 项目 | ⭐⭐⭐⭐⭐ 准备充分 | 每个项目准备 3 个技术亮点和 2 个难点 |
| 系统设计 | ⭐⭐⭐⭐ 框架清晰 | 记住 4S 法，多画架构图辅助表达 |
| 软技能 | ⭐⭐⭐⭐ 正常发挥 | 提前准备「自豪的项目」「失败的经历」两个故事 |
核心教训：阿里的面试非常看重"言之有物"——每一个回答都要能讲出技术细节和权衡过程。泛泛而谈会被打断追问。
继续阅读
探索更多技术文章
浏览归档，发现更多关于系统设计、工具链和工程实践的内容。