Java温故而知新

1.什么是死锁？

• 我会从3个方面来回答：
• 什么是死锁
  • 所谓死锁是一组互相竞争资源的线程因为互相等待造成“永久”阻塞的现象
• 发生锁的原因：
  • 互斥条件。共享资源x、y只能被一个线程占用
  • 占有且等待。线程t1已经取得了共享资源x，在等待共享资源y的时候，不释放共享资源x
  • 不可抢占。其他线程不可强行去抢占线程t1占有的资源
  • 循环等待。线程t1等待线程t2占有的资源，线程t2等待线程t1占有的资源
• 如何避免死锁（从上面4个原因入手）
  • 互斥条件 无法改变，因为锁本身就是通过互斥来解决线程安全问题的，所以从后面3个原因入手
  • 对于’‘占有且等待’'，我们可以一次性申请所有的资源，这样就不存在等待了
  • 对于’‘不可抢占’，占有部分资源的线程，进一步申请其他线程时，如果申请不到，可以主动释放它占有的资源；
  • 对于"循环等待"，可以按照顺序申请资源去进行预防，所谓的按顺序申请，是指资源是有线性顺序的，申请的时候可以先申请资源序号小的，再申请资源序号大的，这样线性化后自然就不存在循环等待了；

2. 什么是异常？

• 我会从2个方面来回答
• 第1个方面是异常的本质，受检异常和非受检异常都是派生自Throwable，它有2个子类实现 Error 和 Exception
  • Error 是指程序无法处理的错误，只能事先避免，比如OutOfMemeryError内存溢出、StackOverflowError栈溢出，它和程序本身没有关系
  • Exception 是指程序运行时候他需要处理的异常，受检异常和非受检异常都是派生自这个Exception
• 第2个对于受检异常和非受检异常的定义
  • 受检异常(checked Excepton)：或叫编译时异常，例如FileNotFoundException，IOException程序在编译阶段必须要主动捕获的异常，遇到这种异常的时候有2种处理方法
    • 通过 try/catch 捕获
    • 通过 throw 把异常抛出去
  • 非受检异常：或叫运行时异常，程序不需要主动去捕获，一般发生在程序运行期间 比如NullPointException，RuntimeException。当然啊 我们可以主动选择捕获异常，出现这些异常的时候 虽然说无法通过捕获异常来实现异常的恢复，但是这些异常信息可以帮助我们快速去定位问题。

3. 谈谈你对Spring Cloud的理解

• Spring Cloud是一套分布式微服务的技术解决方案，它提供了快速构建分布式系统的常用的一些组件，比如说

  • 配置管理
  • 服务的注册与发现
  • 服务调用的负载均衡
  • 资源隔离、熔断降级等等

• 不过Spring Cloud 只是Spring官方提供的一套标准化的微服务定义，而真正的实现 目前有2套主流的方案

  • 一个是Spring Cloud Netflix，它是基于Netflix这个公司的开源组件集成的一套微服务解决方案，其中包括像
    • Ribbon 做负载均衡
    • Hystrix 做服务熔断
    • Zuul 网关
    • Eureka 服务的注册与发现
    • Feign 服务的调用
  • 一个是Spring Cloud Alibaba ，它是基于Alibaba开源组件集成的微服务解决方案，目前算比较主流，包含的组件是
    • Dubbo
    • Nacos
    • Seata
    • Sentinel

  有了Spring Cloud这样的技术生态，可以让我们快速我们在落地微服务的解决方案，可以使我们在开发微服务的时候，快速去解决一些微服务的问题，不需要去考虑第三方技术集成带来额外成本，只要通过一些简单的配置组件，可以完成我们在微服务架构下落地的一些技术问题，从而可以让我们更加关注在代码层面，关注在业务的实现层面。

4.索引的底层实现

• 为什么选择B+树 而不是 红黑树
• 我主要从2个方面来回答
  • 第1个，对于一个数据库来说，存储数据量比较多的情况下，会导致索引很大，因此需要将索引存储在磁盘，但是磁盘的 io 操作又非常低，所以提高索引效率的关键在于减少磁盘IO的次数，举个例子 对于31 个节点的树来说，一个5阶 b+tree 的高度是 3，一个红黑树的最小高度是 5；树的高度基本决定了磁盘的 io 次数，所以使用 b+tree 性能要高很多；
  • 第2个，b+tree 有个特点是相邻的数据在物理上也是相邻的，因为 b+tree 的 node 的大小设为一个页，而一个节点上存有多个相邻的关键字和分支信息，每次我们去检索信息的时候，只需要一次IO就能完全载入相邻的信息和目标信息，相当于一次 IO 载入了多个相邻的关键字和分支；而红黑树不具备这个特征，红黑树中大小相邻的数据在物理结构上可能差距非常大，由于程序的局部性原理，我们在索引中采用了预加载的技术，每次磁盘访问的时候，除了去访问目标数据以外，我们还可以基手局部性原理加载几页相邻的数据到内存中，而这个加载是不需要消耗多余磁盘 io 的，因此 基于局部性原理以及 b+tree 存储结构物理上的特征，所以 b+tree 的索引性能比红黑树要好很多