宇树科技 Java 面试题
一、Java 核心基础
1. Java 集合核心原理
- ArrayList 和 LinkedList 底层原理与适用场景
回答要点
详细解析见下方折叠块 👇
🔹 底层原理详解
ArrayList（动态数组）
- 继承
AbstractList，底层是Object[]数组- 默认初始容量 10，懒加载（JDK 8+ 首次 add 才创建数组）
- 扩容机制：
grow()方法，新容量 = 旧容量 + 旧容量 >> 1（1.5倍），通过Arrays.copyOf()拷贝到新数组（本质是System.arraycopy()本地方法）- 随机访问
get/set：O(1)，数组下标直接寻址- 尾部插入
add(E)：均摊 O(1)，扩容时退化 O(n)- 中间插入/删除：O(n)，需要批量移动元素
- 内存特征：连续内存 → CPU 缓存友好（空间局部性），仅存储元素数据
LinkedList（双向链表）
- 继承
AbstractSequentialList，底层是 Node 内部类：private static class Node<E> { E item; Node<E> next; // 后继指针 Node<E> prev; // 前驱指针 }- 维护
first和last两个头尾指针- 随机访问
get(i)：O(n)，二分遍历以优化（i < size/2从头找，否则从尾找）- 头尾插入/删除：O(1)，只需修改指针
- 中间插入/删除：O(n) 查找位置 + O(1) 修改指针
- 内存特征：离散内存 → CPU 缓存不友好，每个节点多 24~32 字节引用开销
- 实现了 Deque 接口，可当作队列/双端队列/栈使用
🔹 面试官追问的 4 个坑
“ArrayList 插入真的比 LinkedList 慢吗？” → 不一定！ 中间插入时 LinkedList 查找位置已经是 O(n)，且节点离散分配导致 CPU cache miss 率高。数据量大时 ArrayList 的批量移动可能比 LinkedList 的逐个寻址更快。实测：10 万级数据中间插入，ArrayList 完胜。
“什么时候用 LinkedList？” → 只在头尾操作频繁且不需要随机访问时。典型如队列（
offer/poll）、双端队列、LRU 缓存雏形。日常开发 90% 的场景用 ArrayList 就够了。“ArrayList 扩容怎么避免性能损耗？” → 预估容量。构造时指定初始大小：
new ArrayList<>(expectedSize)。例：已知要存 1000 条数据就new ArrayList<>(1000)，避免多次扩容。“LinkedList 能当作队列/栈用吗？” → 可以，它实现了
Deque接口，addFirst/addLast/removeFirst/removeLast/push/pop/offer/poll全是 O(1)。但推荐使用ArrayDeque，它用循环数组实现，内存更紧凑、性能更好。
🔹 性能对比一览
操作 ArrayList LinkedList get(i)随机访问O(1) ✅ 数组下标直取 O(n) ❌ 需遍历 add(E)尾部插入O(1) 均摊（扩容时 O(n)） O(1) ✅ add(i, E)中间插入O(n) 移动元素 O(n) 查找位置 + O(1) 改指针 remove(i)删除O(n) 移动元素 O(n) 查找位置 + O(1) 改指针 内存占用 低 ✅ 仅存元素数据 高 ❌ 额外 2 引用/节点 CPU 缓存 友好 ✅ 连续内存 不友好 ❌ 离散内存 📌 一句话结论：95% 的场景选 ArrayList，只有明确需要频繁头尾操作时才考虑 LinkedList。
🔹 常用场景代码示例
场景 1：随机读取排行榜 → ArrayList
List<Score> leaderboard = new ArrayList<>(); leaderboard.add(new Score("Alice", 98)); leaderboard.add(new Score("Bob", 95)); // 查第 1 名 → O(1) Score top1 = leaderboard.get(0);场景 2：消息队列（FIFO）→ LinkedList
// 适合：频繁头部取出 + 尾部放入 Queue<RobotCommand> cmdQueue = new LinkedList<>(); cmdQueue.offer(new Command("前进")); // 尾部入队 O(1) cmdQueue.offer(new Command("左转")); Command cmd = cmdQueue.poll(); // 头部出队 O(1)场景 3：栈结构 → LinkedList / ArrayDeque
Deque<String> stack = new LinkedList<>(); stack.push("A"); // 头部压入 stack.push("B"); String top = stack.pop(); // 头部弹出 → "B"场景 4：遍历全部元素 → ArrayList 更快
// for-each 遍历时 ArrayList 利用 CPU 预读机制 // 连续内存 → 效率是 LinkedList 的 2~5 倍 List<Integer> list = new ArrayList<>(); for (int v : list) { /* 缓存友好，速度更快 */ }
- HashMap 底层实现、扩容机制与哈希冲突解决
- ConcurrentHashMap 1.7 和 1.8 的主要区别
相关笔记：Java并发集合-ConcurrentHashMap与CopyOnWriteArrayList、Java并发集合-ConcurrentHashMap、Java并发集合-CopyOnWriteArrayList、Java-Map-computeIfAbsent
2. Java 引用类型与 ThreadLocal
- Java 四种引用类型（强、软、弱、虚）的特点和使用场景
- ThreadLocal 为什么会出现内存泄漏，如何避免
相关笔记：Java线程池与内存管理、JVM内存溢出预防
3. Java IO 与 NIO 核心区别
- 传统 IO 和 NIO 的核心区别
- NIO 三大组件 Channel、Buffer、Selector 的作用
4. JVM 基础与垃圾回收
- JVM 类加载流程
- JVM 内存模型划分
- 常见垃圾回收算法
- G1 收集器的核心特点
5. 线程池与并发基础
- 线程池七大核心参数
- 常见线程池类型及适用场景
- CAS 原理，ABA 问题如何解决
相关笔记：ThreadPoolExecutor核心参数、线程池拒绝策略、线程池监控与调优、Java线程池创建方式、CAS-Compare-And-Swap
二、Spring 框架
6. Spring IOC / AOP 原理
- Spring IOC 和 AOP 核心原理
- Spring Bean 的生命周期阶段
7. Spring 事务与失效场景
- Spring 事务的传播行为和隔离级别
- 日常开发中事务失效的常见场景
三、数据库与缓存
8. MySQL 索引与事务隔离
- MySQL 索引为什么使用 B+ 树而不是 B 树
- 事务四大隔离级别分别解决了什么并发问题
相关笔记：MySQL索引类型、MySQL索引创建原则、MySQL联合索引、主键索引与唯一索引的区别、隔离级别、脏读-Dirty-Read、不可重复读-Non-repeatable-Read、幻读-Phantom-Read
9. Redis 缓存核心问题
- 缓存穿透、缓存击穿、缓存雪崩的概念和解决方案
四、计算机网络
10. TCP 与 HTTP
- TCP 三次握手和四次挥手流程
- HTTP 和 HTTPS 的核心区别
- TCP 粘包拆包如何解决
五、宇树科技深度题（机器人场景）
11. JVM 低延迟 GC 调优
- 机器人实时控制这类低延迟业务系统，JVM 如何调优
- ZGC 相比 G1 的优势
相关笔记：Java-启动参数、JVM-堆内存分代模型
12. AQS 与锁机制深度
- AQS 底层原理
- synchronized 和 ReentrantLock 的核心区别
- 如何检测与避免死锁
13. 消息队列可靠性保障（RocketMQ）
- 如何确保消息不丢失、不重复投递
- 消费者节点宕机后的消息重平衡
相关笔记：接口幂等方案设计
14. Redis 分布式锁实现
- 基于 Redis 实现分布式锁
- 锁超时、误删锁、锁续约等关键问题
相关笔记：分布式锁实现
15. 接口幂等性设计
- 机器人指令不能重复执行，如何设计接口幂等性
- 常用实现方案
16. 微服务限流熔断降级
- 限流、熔断、降级的实现
- Sentinel 的核心原理
17. 机器人软硬件通信可靠性
- 断连、丢包、超时场景下保证指令不丢失、不重复、不乱序
18. MySQL 主从复制与读写分离
- 数据库读写分离架构设计
- 主从延迟问题，实时数据查询一致性保证
19. 机器人实时状态监控系统设计
- 低延迟、高可靠、数据不丢失的设计要点
20. 机器人 OTA 升级系统设计
- 断点续传、灰度发布、故障回滚
- 避免升级失败导致设备异常