℡余晖^-CSDN博客

原创 Redis集群的哨兵模式

主节点（Master）：负责处理读写请求，数据变更后同步到从节点（Slave/Replica）。从节点（Slave）：只读，通过全量复制（首次连接时）和增量复制（持续同步）保持与主节点数据一致。但主从复制存在致命缺陷：主节点故障时，需人工介入将某个从节点提升为新主节点，并调整其他从节点指向新主节点。这在高并发场景（如电商大促）中会导致服务中断，无法满足可用性要求。哨兵模式是Redis官方推出的分布式高可用解决方案。

2025-07-17 11:22:06 424

原创每日面试题07：线程池的工作流程

线程池的工作流程可以概括为：任务提交 → 检查核心线程（是否空闲） → 核心线程忙则入队 → 队列满了创建非核心线程 → 线程数满了触发拒绝策略。核心参数（workQueuehandler）的组合决定了线程池的行为，而阻塞队列的选择是其中的关键——它直接影响了任务是“排队等线程”还是“挤不下了直接拒绝”。理解线程池的底层逻辑，能帮助我们在实际开发中更合理地配置线程池参数，避免资源浪费或系统崩溃，让并发程序更高效、稳定地运行。

2025-07-17 10:38:47 594

原创二进制运算

逻辑运算（与、或、异或、非）是计算机执行条件判断、位操作的基础，支撑着程序流程控制和数据加密；算术运算（加减乘除）是数值计算的核心，支撑着科学计算、工程模拟等复杂任务；其中，异或因其“相同为0，不同为1”的独特规则，在加密、校验、位操作中表现突出，是计算机组成原理中最具实用性的逻辑运算之一。

2025-07-15 16:02:01 472

原创 JUC工具类

CountDownLatch 是 JUC 中用于线程协调的同步工具类，而 JUC 是 Java 并发编程的核心工具包，覆盖了锁、原子操作、并发集合、线程池、异步编程等几乎所有多线程场景。掌握这些工具类能显著提升多线程程序的性能和可靠性。

2025-07-15 15:32:36 374

原创 Mysql默认存储引擎InnoDB和底层数据结构

InnoDB 选择 B+树而非红黑树，本质是为了满足磁盘存储的高效性和事务场景的复杂性。B+树通过多路平衡、顺序存储、链表连接等设计，完美解决了数据库索引的核心痛点（范围查询、高并发写入、磁盘 IO 优化）。在黑马点评项目中，我们选择 RedisINCR作为全局唯一ID生成方案，正是基于对 InnoDB 特性的深度理解：RedisINCR生成的严格递增 ID，与 InnoDB 聚簇索引的顺序写入特性完美匹配，大幅提升了订单表的写入性能。一句话总结。

2025-07-15 13:32:59 730

原创分布式全局唯一ID生成：雪花算法 vs Redis Increment，怎么选？

优点：本地生成、性能极高；趋势递增对数据库友好；ID可解析，便于排查问题。缺点：依赖本地时钟（时钟回拨需处理）；机器ID需提前规划（扩展性受限）。雪花算法是“本地生成的高性能分布式ID引擎”，适合高并发、无中心、需要ID携带信息的场景；Redis Increment是“依赖外部服务的递增ID生成器”，适合已有Redis基础设施、需要严格递增的场景。选择时，核心考虑点：是否需要严格递增？是否依赖外部服务？对性能和延迟的要求？没有绝对最优，只有最适合业务的方案。

2025-07-15 11:28:31 895

原创每日面试题06：自定义线程池与线程池工厂

通过构造函数自定义线程池时，需要显式指定以下核心参数。这些参数共同决定了线程池的行为模式和资源分配策略。自定义线程池：优先使用构造函数，根据业务场景调整参数（如根据常驻任务量设置，workQueue根据任务特性选择有界/无界队列）。避免OOM：尽量使用有界队列（如），并合理设置；拒绝策略推荐（减缓任务提交）或（丢弃旧任务）。官方建议：《Java并发编程实战》明确指出，直接使用Executors工厂方法可能隐藏线程池的实际配置，推荐显式通过构造函数创建，以提高透明度和可控性。

2025-07-15 10:47:10 573

原创 @Resource和@Autowired

拦截器是 Spring MVC 处理请求的核心组件，负责在请求到达 Controller 前/后执行逻辑（如 Token 校验、日志记录）。在拦截器中使用依赖注入时，构造器注入比字段注入更优在自定义拦截器中，构造器注入相比字段注入（@Autowired强制依赖有效性：确保拦截器实例创建时所有必需依赖已就绪，避免运行时 NPE。线程安全final字段保证依赖不可变，符合单例 Bean 的线程安全要求。代码清晰：显式声明依赖，降低维护成本。测试友好。

2025-07-14 16:42:42 1033

原创每日面试题05：ArrayList和LinkedList的底层原理

ArrayList和LinkedList的选择没有绝对答案，关键在于场景匹配若需高频随机访问（如遍历、按索引操作），选ArrayList；若需高频头尾插入/删除（且数据量不大），选LinkedList（或更优的ArrayDeque内存敏感场景，优先ArrayList（紧凑存储更省内存）；多线程环境，根据需求选择线程安全的扩展实现（如或理解底层原理后，结合具体业务场景的性能瓶颈（如访问频率、插入位置、数据量），才能做出最优选择。

2025-07-13 22:23:48 770

原创每日面试题04：volatile字段的原理

volatile是 Java 的关键字，用于修饰共享变量。可见性：确保线程对变量的修改立即同步到主内存，其他线程能立即看到最新值；有序性：禁止编译器和 CPU 对变量的读写指令进行重排序，保证代码执行顺序与编写顺序一致。简单来说，volatile是多线程环境下的“变量同步器”，让共享变量的修改在多线程间“可见”，且操作“有序”。volatile适用场景原因状态标志（如线程启停）仅需单次读写，无需复合操作，volatile轻量且高效。单例模式的DCL。

2025-07-12 21:31:00 665

原创单体架构与分布式架构的事务机制

维度单体架构（）分布式系统（以 Seata 为例）注解类型（Spring 原生）（Seata 扩展）管理范围单个服务内的本地事务（同一数据库）跨多个服务的分布式事务（多数据库）底层依赖数据库原生事务（如 MySQL InnoDB）分布式事务协调器（TC）+ 本地事务（可能用实现复杂度简单（框架自动管理）复杂（需引入 TC、配置事务分组、处理网络异常）典型场景本地业务逻辑（如用户注册+日志记录）

2025-07-12 17:04:17 602

原创每日面试题03：CAS的底层原理及其ABA问题

CAS的核心：通过CPU原子指令实现无锁的“比较+交换”操作，是高效并发的基础。ABA问题的本质：CAS仅比较值是否相等，无法感知中间修改，可能导致逻辑错误。解决方案：引入版本号（如）跟踪修改历史，或根据业务场景忽略ABA问题，或改用锁机制。关键结论：CAS是无锁并发的利器，但需警惕ABA问题的潜在风险。通过版本号或锁机制可有效规避，确保程序逻辑正确性。

2025-07-12 09:43:55 916

原创线程安全问题

线程安全问题的本质是：多个线程并发访问共享资源（如内存数据结构、缓存、数据库等）时，由于操作顺序未同步或同步机制缺失，导致数据不一致、脏读、幻读等不符合预期的结果。其核心矛盾在于“共享资源的并发修改未被正确控制”。举个通俗的例子：若两个线程同时对一个共享变量count执行count++操作（本质是），若没有同步机制，可能出现线程A读取count=5后未写入，线程B也读取count=5并写入6，最终count仅变为6而非预期的7。这就是典型的线程安全问题。多线程环境下的线程安全问题，本质是。

2025-07-11 09:42:33 737

原创每日面试题02：ConcurrentHashMap的底层原理

是 Java 并发包（）中提供的线程安全哈希表实现，专为高并发场景下的键值对存储设计。它在保证线程安全的同时，通过优化锁机制和数据结构，显著提升了多线程环境下的性能。底层结构：与HashMap同源，均基于哈希表（数组+链表/红黑树）实现，核心逻辑（如哈希冲突解决、扩容机制）高度一致。HashMap是非线程安全的哈希表，适合单线程或低并发场景；是线程安全的哈希表，通过 CAS、和细粒度锁机制，在多线程高并发场景下保证数据一致性，同时保持高性能。

2025-07-10 22:27:59 880

原创线程与异步相关问题

优先异步：当任务以I/O为主（等待时间长、CPU空闲），或需要高并发低资源消耗时（如实时通信、Web服务器），异步（尤其是单线程事件循环）更优。优先多线程：当任务以计算为主（CPU密集），或需要利用多核并行加速时（如大数据处理、科学计算），多线程更优。混合使用：复杂系统中，可结合两者（如异步处理I/O，多线程处理计算），平衡成本与效率。

2025-07-10 16:41:22 739

原创 JDK和Maven

JDK：Java 开发的“地基”，负责源代码编译、字节码运行。Maven：Java 项目的“管家”，负责依赖管理和构建流程自动化。联系：Maven 依赖 JDK 完成编译和运行，JDK 为 Maven 处理的代码提供运行环境，二者共同支撑 Java 项目的全生命周期。最后顺便提一下如何更新Maven仓库的镜像地址，提高依赖的下载速度？在国内使用 Maven 时，由于默认的中央仓库（）服务器位于国外，下载依赖速度较慢甚至超时。通过更换为国内镜像仓库。

2025-07-10 14:07:21 886

原创每日面试题01 HashMap的底层原理

即使未触发数组扩容，若某个桶的链表长度超过 8（且数组长度 ≥ 64），会转换为红黑树，占用更多内存。）时，为了优化查询效率（链表的查询时间复杂度为 O(n)，红黑树为 O(logn)），会将链表转换为红黑树（需同时满足数组长度 ≥ 64，避免数组过小时频繁转换）。红黑树与链表的转换需要额外的计算和内存操作（如红黑树的旋转、颜色调整，或链表节点的指针修改），频繁切换会显著影响性能。当数组长度 ≥64 时，若红黑树节点数降至 6 以下，说明冲突已缓解（可能因扩容或数据分布变化），此时退化为链表可节省内存。

2025-07-09 23:12:44 1043