携程校招Java岗位面经（二面）

最新推荐文章于 2024-04-17 14:10:24 发布

垫脚摸太阳

最新推荐文章于 2024-04-17 14:10:24 发布

阅读量1k

点赞数 15

分类专栏： Java面经文章标签： java 面试 jvm 数据结构哈希算法 Powered by 金山文档

本文链接：https://blog.csdn.net/m0_62600503/article/details/129496767

版权

Java面经专栏收录该内容

5 篇文章 0 订阅

订阅专栏

这是携程的Java二面，主要问的还是八股。

📣二面50min

题目：

0. 自我介绍：

使用多线程可能存在的问题：

线程池原理：

聊聊ThreadLocal（概念 + 一些应用举例 + 常见的内存泄露问题）：

JVM内存模型和垃圾回收：

用到过内存分析工具吗：

使用索引能带来什么好处，你项目中是怎么实现的：

索引底常见的数据结构，MyISAM引擎和InnoDB引擎用的是哪种：

聚簇索引和非聚簇索引：

最左前缀匹配原则：

造成索引失效的常见原因你知道哪些，项目中遇到过索引失效问题吗：

如果有一条SQL语句执行的很慢，如何进行优化：

项目中是如何使用ES的：

ES检索较快的原因，为什么MySQL不行：

讲一下倒排索引：

手写一个生产者消费队列：

答案：

1️⃣使用多线程可能存在的问题：

🔑：

并发编程的目的就是为了能提高程序的执行效率提高程序运行速度，但是并发编程并不总是能提高程序运行速度的，而且并发编程可能会遇到很多问题，比如：内存泄漏、死锁、线程不安全等等。

详细见大佬博客：使用多线程可能会遇到的问题 - qudehu - 博客园 (cnblogs.com)

2️⃣线程池原理：

🔑：

顾名思义，线程池就是管理一系列线程的资源池。当有任务要处理时，直接从线程池中获取线程来处理，处理完之后线程并不会立即被销毁，而是等待下一个任务。

一个线程提交到线程池的处理流程如下图：

3️⃣聊聊ThreadLocal（概念 + 一些应用举例 + 常见的内存泄露问题）：

🔑：

概念：

ThreadLocal类主要解决的就是让每个线程绑定自己的值，可以将ThreadLocal类形象的比喻成存放数据的盒子，盒子中可以存储每个线程的私有数据。

例子：

两个人去宝屋收集宝物，这两个共用一个袋子的话肯定会产生争执，但是给他们两个人每个人分配一个袋子的话就不会出现这样的问题。如果把这两个人比作线程的话，那么 ThreadLocal 就是用来避免这两个线程竞争的。

常见的内存泄露问题：

由于Thread中包含变量ThreadLocalMap，因此ThreadLocalMap与Thread的生命周期是一样长，如果都没有手动删除对应key，都会导致内存泄漏。

但是使用弱引用可以多一层保障：弱引用ThreadLocal不会内存泄漏，对应的value在下一次ThreadLocalMap调用set(),get(),remove()的时候会被清除。

因此，ThreadLocal内存泄漏的根源是：由于ThreadLocalMap的生命周期跟Thread一样长，如果没有手动删除对应key就会导致内存泄漏，而不是因为弱引用。

正确使用方法：

每次使用完ThreadLocal都调用它的remove()方法清除数据

将ThreadLocal变量定义成private static，这样就一直存在ThreadLocal的强引用，也就能保证任何时候都能通过ThreadLocal的弱引用访问到Entry的value值，进而清除掉。

可以看大佬文章面试必备：ThreadLocal详解 - 掘金 (juejin.cn)

4️⃣JVM内存模型和垃圾回收：

🔑：

内存模型：

Java虚拟机(Java Virtual Machine=JVM)的内存空间分为五个部分，分别是：

1. 程序计数器

2. Java虚拟机栈

3. 本地方法栈

4. 堆

5. 方法区

图如下：

垃圾回收机制：

这个内容有点庞大，直接看大佬解答：【JVM】JVM垃圾回收机制_chenyi丶的博客-CSDN博客

5️⃣用到过内存分析工具吗：

🔑：

jmap,jhat和dump.

6️⃣使用索引能带来什么好处，你项目中是怎么实现的：

🔑：

索引是一种用于快速查询和检索数据的数据结构，其本质可以看成是一种排序好的数据结构。

索引的作用就相当于书的目录。打个比方: 我们在查字典的时候，如果没有目录，那我们就只能一页一页的去找我们需要查的那个字，速度很慢。如果有目录了，我们只需要先去目录里查找字的位置，然后直接翻到那一页就行了。

索引的优缺点：

优点：

使用索引可以大大加快数据的检索速度（大大减少检索的数据量）, 这也是创建索引的最主要的原因。

通过创建唯一性索引，可以保证数据库表中每一行数据的唯一性。

缺点：

创建索引和维护索引需要耗费许多时间。当对表中的数据进行增删改的时候，如果数据有索引，那么索引也需要动态的修改，会降低 SQL 执行效率。

索引需要使用物理文件存储，也会耗费一定空间。

使用索引一定能提高查询性能吗?

大多数情况下，索引查询都是比全表扫描要快的。但是如果数据库的数据量不大，那么使用索引也不一定能够带来很大提升。

7️⃣索引底常见的数据结构，MyISAM引擎和InnoDB引擎用的是哪种：

🔑：

索引底层数据结构存在很多种类型，常见的索引结构有: B 树， B+树和 Hash、红黑树。在 MySQL 中，无论是 Innodb 还是 MyIsam，都使用了 B+树作为索引结构。

8️⃣聚簇索引和非聚簇索引：

🔑：

聚簇索引即索引结构和数据一起存放的索引，并不是一种单独的索引类型。InnoDB 中的主键索引就属于聚簇索引。

在 MySQL 中，InnoDB 引擎的表的 .ibd文件就包含了该表的索引和数据，对于 InnoDB 引擎表来说，该表的索引(B+树)的每个非叶子节点存储索引，叶子节点存储索引和索引对应的数据。

非聚簇索引即索引结构和数据分开存放的索引，并不是一种单独的索引类型。二级索引(辅助索引)就属于非聚簇索引。MySQL 的 MyISAM 引擎，不管主键还是非主键，使用的都是非聚簇索引。

非聚簇索引的叶子节点并不一定存放数据的指针，因为二级索引的叶子节点就存放的是主键，根据主键再回表查数据。

9️⃣最左前缀匹配原则：

🔑：

最左前缀匹配原则指的是，在使用联合索引时，MySQL 会根据联合索引中的字段顺序，从左到右依次到查询条件中去匹配，如果查询条件中存在与联合索引中最左侧字段相匹配的字段，则就会使用该字段过滤一批数据，直至联合索引中全部字段匹配完成，或者在执行过程中遇到范围查询（如 >、<）才会停止匹配。对于 >=、<=、BETWEEN、like 前缀匹配的范围查询，并不会停止匹配。所以，我们在使用联合索引时，可以将区分度高的字段放在最左边，这也可以过滤更多数据。

🔟造成索引失效的常见原因：

🔑：

索引失效也是慢查询的主要原因之一，常见的导致索引失效的情况有下面这些：

使用 SELECT * 进行查询;（新手常犯）

创建了组合索引，但查询条件未遵守最左匹配原则;

在索引列上进行计算、函数、类型转换等操作;

以 % 开头的 LIKE 查询比如 like '%abc';

查询条件中使用 or，且 or 的前后条件中有一个列没有索引，涉及的索引都不会被使用到;

发生隐式转换open in new window;

还有很多

1️⃣1️⃣如果有一条SQL语句执行的很慢，如何进行优化：

🔑：

慢sql如何优化

对于MYSQL慢sql语句的优化，我们也可以分几个方面来进行分析（基本覆盖全面啦）：

面试从这几方面考虑：索引+sql语句+数据库结构优化+优化器优化+架构优化。

索引

1、尽量覆盖索引，5.6支持索引下推

2、组合索引符合最左匹配原则

3、避免索引失效

4、再写多读少的场景下，可以选择普通索引而不要唯一索引

更新时，普通索引可以使用change buffer进行优化，减少磁盘IO,将更新操作记录到change bufer，等查询来了将数据读到内存再进行修改.

5、索引建立原则（一般建在where和order by，基数要大，区分度要高，不要过度索引，外键建索引）

sql语句

1、分页查询优化

该方案适用于主键自增的表，可以把Limit查询转换成某个位置的查询。

select * from tb_sku where id>20000 limit 10;

2、优化insert语句

多条插入语句写成一条

在事务中插数据

数据有序插入（主键索引）

数据库结构优化

1、将字段多的表分解成多个表

有些字段使用频率高，有些低，数据量大时，会由于使用频率低的存在而变慢，可以考虑分开。

2、对于经常联合查询的表，可以考虑建立中间表

优化器优化

1、优化器使用MRR

原理：MRR 【Multi-Range Read】将ID或键值读到buffer排序，通过把「随机磁盘读」，转化为「顺序磁盘读」，减少磁盘IO，从而提高了索引查询的性能。

mysql >set optimizer_switch='mrr=on';

explain 查看 Extra多了一个MRR

explain select * from stu where age between 10 and 20；

对于 Myisam，在去磁盘获取完整数据之前，会先按照 rowid 排好序，再去顺序的读取磁盘。

对于 Innodb，则会按照聚簇索引键值排好序，再顺序的读取聚簇索引。

磁盘预读：请求一页的数据时，可以把后面几页的数据也一起返回，放到数据缓冲池中，这样如果下次刚好需要下一页的数据，就不再需要到磁盘读取（局部性原理）

索引本身就是为了减少磁盘 IO，加快查询，而 MRR，则是把索引减少磁盘 IO 的作用，进一步放大

架构优化

读/写分离（主库写，从库读）

总结：

1先设置慢查询（my.ini或数据库命令）

2分析慢查询日志

3定位低效率sql（show processlist）

4 explain分析执行计划（是否索引失效，用到索引没，用了哪些）

5 优化（索引+sql语句+数据库结构优化+优化器优化+架构优化）

1️⃣2️⃣项目中是如何使用ES(ElasticSearch)的：

🔑：

不熟，传送带 ElasticSearch在项目中具体怎么用？

1️⃣3️⃣ES检索较快的原因，为什么MySQL不行：

🔑：

ES的特点：

Elasticsearch 是一个分布式、RESTful 风格的搜索和数据分析引擎。

优势：

1）分布式的文件存储，每个字段都被索引且可用于搜索。

2）分布式的实时分析搜索引擎，海量数据下近实时秒级响应。

3）简单的restful api，天生的兼容多语言开发。

4）易扩展，处理PB级结构化或非结构化数据。（pb指petabyte，1PB=1024TB）

12cvx

ES比MySQL快的原因：

1）基于分词后的全文检索：例如select * from test where name like '%张三%'，对于mysql来说，因为索引失效，会进行全表检索；对es而言分词后，每个字都可以利用FST高速找到倒排索引的位置，并迅速获取文档id列表，大大的提升了性能，减少了磁盘IO。

2）精确检索：进行精确检索，有些时候可能mysql要快一些，当mysql的非聚合索引引用上了聚合索引，无需回表，则速度上可能更快；es还是通过FST找到倒排索引的位置比获取文档id列表，再根据文档id获取文档并根据相关度进行排序。但是es还有个优势，就是es即天然的分布式能够在大量数据搜索时可以通过分片降低检索规模，并且可以通过并行检索提升效率，用filter时，更是可以直接跳过检索直接走缓存。

1️⃣4️⃣讲一下倒排索引：

倒排索引，也是索引。

索引，初衷都是为了快速检索到你要的数据。

每种数据库都有自己要解决的问题（或者说擅长的领域），对应的就有自己的数据结构，而不同的使用场景和数据结构，需要用不同的索引，才能起到最大化加快查询的目的。

对 Mysql 来说，是 B+ 树，对 Elasticsearch/Lucene 来说，是倒排索引。

Elasticsearch 是建立在全文搜索引擎库 Lucene 基础上的搜索引擎，它隐藏了 Lucene 的复杂性，取而代之的提供一套简单一致的 RESTful API，不过掩盖不了它底层也是 Lucene 的事实。
Elasticsearch 的倒排索引，其实就是 Lucene 的倒排索引。

拓展：

问：Lucene 为什么不用 b+ 树来搜索数据？

答：b+树主要设计目的是减少搜索时访问磁盘的次数，而Lucene等搜索引擎设计的时候，追求的目标是倒排压缩率&倒排解压速度&倒排Bool运算速度。取倒排到内存运算的时候，是连续读取，时间开销和倒排的大小有关系，所以并不适合用b+数。

问：Mysql 为什么不用倒排索引来检索数据？

答：同理Mysql等数据库使用索引的目的是快速定位某一行数据，若使用倒排这种线性化的数据结构存储数据，其查找的时候访问磁盘的次数会远大于使用b+的数据库。

总结：现有的pc架构 &业务需求决定了什么时候使用什么数据结构。

1️⃣5️⃣手写一个生产者消费队列：

这种设计模式需要满足以下三点要求：

（1）生产者生产数据到缓冲区中，消费者从缓冲区中取数据。

（2）如果缓冲区已经满了，则生产者线程阻塞；

（3）如果缓冲区为空，那么消费者线程阻塞。

编写之前分析：

（1）定义一个缓存队列，选择一个集合当做缓存，给予缓存上限，缓存队列只有两种行为（生产数据和消费数据）；

（2）定义一个生产者线程，调用缓存队列中的生产行为；

（3）定义一个消费者线程，调用缓存队列中的消费行为；

有3种方式：

双向链表LinkedHashMap和synchronized结合

双向链表LinkedHashMap和lock结合

直接使用阻塞队列BlockingQueue（easy）

下面是第三中方法的代码，建议背诵！建议背诵！建议背诵！

/**
 * 公共缓存队列
 * 只做两件事：（1）生产；（2）消费
 */
public class PublicQueue<T> {

    private BlockingDeque<T> blockingDeque = new LinkedBlockingDeque<>(50);//缓冲区

    public void add(T msg){

        try {
            blockingDeque.put(msg);
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
        System.out.println("生产一个产品，当前商品角标为："+"===文本为："+msg);
    }

    public T remove(){

        T t = null;
        try {
            t = blockingDeque.take();
        } catch (InterruptedException e) {
            e.printStackTrace();
        }

        System.out.println("消费一个产品，当前商品角标为："+"===文本为："+t);
        return t;
    }
}