面试阿里知识点总结

9月份-11月中旬,前后面了阿里四个部门,百度监控部门(被放鸽子)。最终进了成都��。下面贡献下当时自己的简单总结。
(感想:好好准备,前面先面些其他公司,增加把握,我都是被动接到面试通知的,好在这个部门GG下个部门电话又来了。。简历要简单粗暴突出重点优势,另外失败了不少一根毛,不要怕,我当时第一次失败自己的QQ签名就是来年再战!)


——————————————————————————————————JAVA基础 JVM———————————————————————————————————————
1.线程安全volatile

JAVA内存区域: 1.JVM栈、JVM堆、直接内存、本地方法栈、本地方法区、程序计数器、运行时常量池

2.JAVA内存模型

3.类加载机制

4.分代收集算法
GC回收 serial(年轻代串行 复制算法) serialOld(年老代串行 标记整理) paralNew
ParalScavage(paralNew 但是更关注吞吐量) paralOld
CMS(缺点:浮动垃圾、内存碎片、占CPU) 初始标记、并发标记、重新标记、并发清除
G1 初始标记、并发标记、最终标记、筛选回收 内存不再是连续 而是region 年轻、年老、永久、T(大对象)四种

对象不可达:1.引用计数 2、可达性分析

垃圾收集:标记 清除
复制算法
标记 整理

—————————————————————————————————————JAVA基础 并发——————————————————————————————————————
1. final域:
2.volatile: 禁止指令重排序 立即更新到主内存并使其他工作内存的副本失效
3.工作窃取算法:(双端队列) 任务多个线程执行 一个线程执行完了 去另外一个线程的队里尾端取数据执行 (本线程从顶端取数据)
4. 闭锁
5.FutureTask
6.信号量
7.CountDownLauntch和栅栏
8. CompletionService
9. ConcurrentHashMap: volatile + CAS
10.线程饥饿:
死锁

  1. ReentrantLock与synchronize的区别

———————————————————————————————————————JAVA基础 IO、NIO、数据结构—————————————————————————————
1.HashMap实现原理: 数组 + 链表
2.TreeMap有序:就是一颗红黑树。 get和put都要logN (Map是因为存放的Entry有key val)
3.ConccurrentHashMap实现原理 : 数据 + 链表 + 红黑树 (链表长度过长则转为TreeBin 由TreeBin构建红黑树)
4.IO的设计模式: 装饰者模式 适配器模式
5.NIO : selector的职责
6.netty:》事件驱动的、异步非阻塞消息通信框架
》一个 Reactor 线程聚合一个多路复用器 Selector,它可以同时注册、监听和轮询成百上千个 Channel,一个 IO 线程可以同时并发处理N个客户端连接
》零拷贝原理: 1.使用了directBuffer 直接操作内存,无需字节缓冲区的拷贝
2.使用了组合buffer对象。 操作组合对象其实还是操作单独的buffer,并不是真正合并成一个新对象
3.使用了JAVA提供的transferTo直接发送文件 避免了传统的while{}循环导致的内存拷贝问题
可以通过NETTY构建高效RPC框架

7.Reactor模式: 先注册一个事件,并指定回调函数,当事件触发的时候,Reactor调用对应事件的回调函数 用于IO多路复用
proactor模式 : 依赖操作系统的异步回调
10.写快排的实现

  1. 同步、异步、阻塞、非阻塞
    同步非阻塞: 烧开水,然后去切菜,切完了回来看烧开没
    异步非阻塞: 拜托老妈烧开水, 我去切菜, 老妈烧好了会告诉我, 我不用管

———————————————————————————————————————微信电视项目————————————————————————————————————————————

———————————————————————————————————————容器云平台项目 & 微服务框架项目———————————————————————————————
k8s、docker、etcd、CI\CC\CD\AG

galileo、newton、maxwell、planck、

服务注册与发现、流控、限速限额、监控(健康检查、服务质量、JVM、链路追踪)、权限、持续交付、通信、配置、监控

————————————————————————————————————————监控————————————————————————————————————
1.api、alert、jobmgr、notify、gatherer、client模块
2.docker log收到宿主机、每台宿主机都有flume实例,flume采集log数据到kafka,
kafka gatherer消费数据。 读取收集到opentsdb(hbase)
alert消费数据。 做实时告警。(先匹配,再丢入kafka,再消费event数据根据时间窗口判定是否触发告警)

jobmgr模块请求opentsdb读取hbase数据,做周期告警、日报

其他服务需要import我们的client jar。 1.client会采集服务质量数据 2.用户打metric数据 (自定义指标)

————————————————————————————————————opentsdb、Hbase、kafka、zk、elk—————————————————————————————————————————
大数据的基本上都是依赖wal同步写入日志 , 然后异步刷盘,因为是顺序写磁盘,所以速度能够媲美写内存。
kafka也是顺序写磁盘。并且数据永久保存,定期清理(30天前)

HBase: 使用LSM树(牺牲了部分读性能,大幅度提高写性能)log structure merge归并树,先存储数据,然后数据够了就归并排序成有序的写入磁盘
面向列存储: column不固定,可以动态增加。顺序写,不是随机写,
划为多个region,然后每个hbase节点通通过zookeeper管理部分region。通过zookeeper实现高可用,leader选举

    map、reduce

opentsdb优化: 1.减少rowkey长度 通过uid映射(三个字节 1600W+ 可以通过修改源码改为4字节)
2.多行合并单行 一个小时的数据存为一行, 每一列即是1s的数据(秒偏移)
3.多列合并为一列 定时compact合并 把3600列的数据合并到一列
4.热点问题: 通过预分配桶编号 加到前缀

———————————————————————————————————————————————kafka——————————————————————————————————————————————
1.多副本实现高可用 每个broker会存其他partition的几份副本
2.顺序写磁盘实现高吞吐量
3.多partition实现消息分发

———————————————————————————————————————————————redis————————————————————————————————————————
1.单线程 无线程切换
2.操作合并为串行执行 无并发冲突
3.

———————————————————————————————————————————————分布式链路追踪———————————————————————————————————————
traceId和spanId全局透传
利用ElasticSearch实现索引 rowkey找到原始数据

——————————————————————————————————一致性哈希———————————————————————————————————————
普通哈希存在的问题: 节点删除、增加 导致整个hash99%错误。无法动态扩展、删除
一致性哈希解决的问题: 能够最大程度的减少 节点删除、增加带来的 哈希映射失败
原理: 一个环形结构(2^32个节点) 机器节点hash到这些节点上, 然后数据hash出来的顺序取到其后的节点上,如果没有,则取firstkey。
还存在一个问题:热点问题。 引入虚拟节点,一个节点有多份副本,均匀分散在整个环。
1 2 3 变成 1.1 2.1 3.1 1.2 2.2 3.2 3.1 3.2 3.3 ,之前如果全是3的 那么现在也就分散到1.2.3了 则避免了热点问题
具体做法 10.2.1.1#1 10.2.1.1#2 10.2.1.1#3

__________________________分布式锁_______________________

————————————————————————————————————分布式事务——————————————————————————————
目前基本都是通过消息队列解耦 从而实现最终一致性:
两阶段提交
三阶段提交
补偿式
可靠事件模式(消息队列)

—————————————————————————————————————分布式系统数据一致性——————————————————————————————————
leader分发数据、日志。通过raft协议实现选主 (zookeeper是ZAB协议 类paxos) paxos协议

—————————————————————————————————————海量数据处理————————————————————————————————
bitmap 2bitmap 处理重复整数
bloom filter 查看是否存在
主要思路为顺序读取数据 hash 然后写入到不同的小文件,最后对小文件进行内存运算


1.spring事务、事务嵌套、bean的proptertype和生命周期、spring的几个重要功能、aop实现、动态代理的几种实现方式及区别
2.数据库表行锁、乐观锁、悲观锁、写sql用到乐观锁和悲观锁、秒杀系统(mysql实现)如何保证销量不会减到-1、事务的一些特性
3.rpc的几个特性:序列化、通信 和http有什么区别(详细) netty的client过多会有问题吗?
4.服务注册与发现的实现流程
5.微服务框架 流程、功能、主要内容、每个模块具体的功能及实现 (需要深入 细讲)
6.java的数据结构 Map Array(分配连续空间 扩容的时候重新分配 把原来的拷贝) List Set
如何判断两个对象相等,hash冲突的时候会怎么样
7.JVM内存区域、垃圾收集
8.分布式事务 分布式一致性(需要仔细)
9.当一个服务很多次FULL GC,该怎么排查
10.怎么实现的监控JVM及监控哪些方面
11.spring boot了解吗
怎么获取springContext
13.如果消息丢失了怎么办? 和对方对账

不能模棱两可。

  • 0
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值