项目08-15

最痛的领悟：

写算法题之前先确认需求，输入输出是什么，之后举例子，理清思路，并和面试官沟通，最后才动手写；

打手，打手。。。

1. 最后一道算法题：给定一个字符数组，产生长度为n的所有字符串；

• • 用递归的思想：

  • public static ArrayList<String> makestring(char[] str,int n){
    	ArrayList<String> rst = new ArrayList<String>();
    	if(n == 1){
    		for(int i=0;i<str.length;i++){
    			String tmp = String.valueOf(str[i]);
    			rst.add(tmp);
    		}
    		return rst;
    	}
    	ArrayList<String> tmp = makestring(str,n-1);
    	for(int i=0;i<tmp.size();i++){
    		StringBuilder ss = new StringBuilder(tmp.get(i));
    		for(int j=0;j<str.length;j++){
    			rst.add(ss.append(str[j]).toString());
    			ss.deleteCharAt(ss.length()-1);
    		}
    	}
    		return rst;
    	}
    	
    	
    public static void main(String[] args)  {
    	String a = new String();
    	char[] nums = {'a','b'};
    	//new Test_BST().
    	ArrayList<String> rst = makestring(nums,3);
    	for(int i=0;i<rst.size();i++){
    		System.out.println(rst.get(i));
    	}
    }

1. Kafka的prodecer生产消息的过程：同步、异步；ACK的设置；Broker List；写文件时：log、index，log到达一定大小log.segment.bytes，会产生新的segment file，批量写磁盘；消费时，查找offset，因为segment按照第一条消息的offset命名，所以可以进行二分查找，先定位到具体的文件，之后通过index定位消息；
2. consumer和partition的对应关系，项目中offset存在HDFS文件中，消费了一定的消息条数之后同时将消息追加至HDFS文件内，同时更新offset值；若丢失则同时丢失，保证消息只被消费一次；
3. Flume的source：Thrift、Avro、Spooling Directory Source，我使用过的如下;
   

• • Thrift：简单了解RPC、具体使用的传输协议等可以深入看一下；http://elf8848.iteye.com/blog/1960131    http://blog.csdn.net/heavendai/article/details/9282967
  • Spooling Directory Source：取某个目录下所有文件内容，可以配置：文件处理完后的后缀名、处理策略优先消费新的or旧的、文件被消费完后是否删除、还可以过滤掉一些文件，不处理；
    
  • Syslog TCP Source：自己写socket client，发数据；
  • Java中的

1. java创建线程的方式，线程池的每个参数；
2. 多线程，超时：Callable、Future接口的深入了解：http://www.cnblogs.com/dolphin0520/p/3949310.html  java的Future和FutureTask
3. 写代码实现单例模式的多个版本：OK，单例模式好复杂：Java单例模式深入详解
4. 海量数据问题：两个文件：A:uid、tag   B:uid、record 将A中的tag附加在B表的每条记录之后，前提uid匹配，B文件的数据量很大，A相对较小，有五台机器，可以分布式处理，设计方案：
   • 用hash将A、B划分成小文件：可以保证同一个uid的数据在一台机器上，之后遍历B0，在A0中查找是否存在uid，附加tag；
   • 数据倾斜：某一台机器负载特别大，怎么处理：
   • B中的uid后加一个随机数，eg0-9内的随机数，之后哈希，可以进一步划分该uid对应的记录，那么A中相应的uid如何处理
   • A数据量小，可以在uid后加0-9的每个数字，即A中数据发送10份，给B分发后的每台机器；
   • 也就是改变做哈希的key值；
   • 和一致性哈希的虚拟节点功能类似，虚拟节点映射时在IP后加随机数，增加虚拟节点，让每台机器上负载的key的个数相对均衡，但是不能解决某个key对应的数据量特别大，这样机器和机器之间总的负载数据量不均衡；