2022年的互联网行业竞争越来越严峻，面试也是越来越难，一直以来我都想整理一套完美的面试宝典，奈何难抽出时间，这套完整的java后端学习路线以及1000+道的Java面试手册我整理了整整1个月，上传到Git上目前star数达到了30K+
这套互联网Java工程师面试题包括了：MyBatis、ZK、Dubbo、EL、Redis、MySQL、并发编程、Java面试、Spring、微服务、Linux、Springboot、SpringCloud、MQ、Kafka面试专题（共946页，32W字）
在写这个文章之前，我花了点时间，自己臆想了一个电商系统，基本上算是麻雀虽小五脏俱全，我今天就用它开刀，一步步剖析，我会讲一下我们可能会接触的技术栈可能不全，但是够用，最后给个学习路线。
Tip：请多欣赏一会，每个点看一下，看看什么地方是你接触过的，什么技术栈是你不太熟悉的，我觉得还算是比较全的，有什么建议也可以留言给我。
学习路线
不知道大家都看了一下没，现在我们就要庖丁解牛了，我从上到下依次分析。
前端
你可能会会好奇，你不是讲后端学习路线嘛，为啥还有前端的部分，我只能告诉你，傻瓜，肤浅。
我们可不能闭门造车，谁告诉你后端就不学点前端了？
前端现在很多也了解后端的技术栈的，你想我们去一个网站，最先接触的，最先看到的是啥？
没错就是前端，在大学你要是找不到专门的前端同学，去做系统肯定也要自己顶一下前端的，那我觉得最基本的技术栈得熟悉和了解吧，我现在也是偶尔会开发一下我们的管理系统主要是VUE和React。
在这里我列举了我目前觉得比较简单和我们后端可以了解的技术栈，都是比较基础的。
作为一名后端了解部分前端知识还是很有必要的，在以后开发的时候，公司有前端那能帮助你前后端联调更顺畅，如果没前端你自己也能顶一下简单的页面。
HTML、CSS、JS、Ajax我觉得是必须掌握的点，看着简单其实深究或者去操作的话还是有很多东西的，其他作为扩展有兴趣可以了解，反正入门简单，只是精通很难很难。
在这一层不光有这些还有Http协议和Servlet，request、response、cookie、session这些也会伴随你整个技术生涯，理解他们对后面的你肯定有不少好处。
Tip：我这里最后删除了JSP相关的技术，我个人觉得没必要学了，很多公司除了老项目之外，新项目都不会使用那些技术了。
前端在我看来比后端难，技术迭代比较快，知识好像也没特定的体系，所以面试大厂的前端很多朋友都说难，不是技术多难，而是知识多且复杂，找不到一个完整的体系，相比之下后端明朗很多，我后面就开始讲后端了。
网关层：
互联网发展到现在，涌现了很多互联网公司，技术更新迭代了很多个版本，从早期的单机时代，到现在超大规模的互联网时代，几亿人参与的春运，几千亿成交规模的双十一，无数互联网前辈的造就了现在互联网的辉煌。
微服务，分布式，负载均衡等我们经常提到的这些名词都是这些技术在场景背后支撑。
单机顶不住，我们就多找点服务器，但是怎么将流量均匀地打到这些服务器上呢？
负载均衡，LVS
我们机器都是IP访问的，那怎么通过我们申请的域名去请求到服务器呢？
DNS
大家刷的抖音，B站，快手等等视频服务商，是怎么保证同时为全国的用户提供快速的体验？
CDN
我们这么多系统和服务，还有这么多中间件的调度怎么去管理调度等等？
zk
这么多的服务器，怎么对外统一访问呢，就可能需要知道反向代理的服务器。
Nginx
这一层做了反向负载、服务路由、服务治理、流量管理、安全隔离、服务容错等等都做了，大家公司的内外网隔离也是这一层做的。
我之前还接触过一些比较有意思的项目，所有对外的接口都是加密的，几十个服务会经过网关解密，找到真的路由再去请求。
一层的知识点其实也不少，你往后面学会发现分布式事务，分布式锁，还有很多中间件都离不开zk这一层，我们继续往下看。
服务层：
这一层有点东西了，算是整个框架的核心，如果你跟我帅兵一样以后都是从事后端开发的话，我们基本上整个技术生涯，大部分时间都在跟这一层的技术栈打交道了，各种琳琅满目的中间件，计算机基础知识，Linux操作，算法数据结构，架构框架，研发工具等等。
我想在看这个文章的各位，计算机基础肯定都是学过的吧，如果大学的时候没好好学，我觉得还是有必要再看看的。
为什么我们网页能保证安全可靠的传输，你可能会了解到HTTP，TCP协议，什么三次握手，四次挥手。
还有进程、线程、协程，什么内存屏障，指令乱序，分支预测，CPU亲和性等等，在之后的编程生涯，如果你能掌握这些东西，会让你在遇到很多问题的时候瞬间get到点，而不是像个无头苍蝇一样乱撞（然而丙丙还做得不够）。
了解这些计算机知识后，你就需要接触编程语言了，大学的C语言基础会让你学什么语言入门都会快点，我选择了面向对象的JAVA，但是也不知道为啥现在还没对象。
JAVA的基础也一样重要，面向对象（包括类、对象、方法、继承、封装、抽象、 多态、消息解析等），常见API，数据结构，集合框架，设计模式（包括创建型、结构型、行为型），多线程和并发，I/O流，Stream，网络编程你都需要了解。
代码会写了，你就要开始学习一些能帮助你把系统变得更加规范的框架，SSM可以会让你的开发更加便捷，结构层次更加分明。
写代码的时候你会发现你大学用的Eclipse在公司看不到了，你跟大家一样去用了IDEA，第一天这是什么玩意，一周后，真香，但是这玩意收费有点贵，那免费的VSCode真的就是不错的选择了。
代码写的时候你会接触代码的仓库管理工具maven、Gradle，提交代码的时候会去写项目版本管理工具Git。
代码提交之后，发布之后你会发现很多东西需要自己去服务器亲自排查，那Linux的知识点就可以在里面灵活运用了，查看进程，查看文件，各种Vim操作等等。
系统的优化很多地方没优化的空间了，你可能会尝试从算法，或者优化数据结构去优化，你看到了HashMap的源码，想去了解红黑树，然后在算法网上看到了二叉树搜索树和各种常见的算法问题，刷多了，你也能总结出精华所在，什么贪心，分治，动态规划等。
这么多个服务，你发现HTTP请求已经开始有点不满足你的需求了，你想开发更便捷，像访问本地服务一样访问远程服务，所以我们去了解了Dubbo，Spring cloud。
了解Dubbo的过程中，你发现了RPC的精华所在，所以你去接触到了高性能的NIO框架，Netty。
代码写好了，服务也能通信了，但是你发现你的代码链路好长，都耦合在一起了，所以你接触了消息队列，这种异步的处理方式，真香。
他还可以帮你在突发流量的时候用队列做缓冲，但是你发现分布式的情况，事务就不好管理了，你就了解到了分布式事务，什么两段式，三段式，TCC，XA，阿里的全局事务服务GTS等等。
分布式事务的时候你会想去了解RocketMQ，因为他自带了分布式事务的解决方案，大数据的场景你又看到了Kafka
我上面提到过zk，像Dubbo、Kafka等中间件都是用它做注册中心的，所以很多技术栈最后都组成了一个知识体系，你先了解了体系中的每一员，你才能把它们联系起来。
服务的交互都从进程内通信变成了远程通信，所以性能必然会受到一些影响。
此外由于很多不确定性的因素，例如网络拥塞、Server 端服务器宕机、挖掘机铲断机房光纤等等，需要许多额外的功能和措施才能保证微服务流畅稳定的工作。
Spring Cloud 中就有 Hystrix 熔断器、Ribbon客户端负载均衡器、Eureka注册中心等等都是用来解决这些问题的微服务组件。
你感觉学习得差不多了，你发现各大论坛博客出现了一些前沿技术，比如容器化，你可能就会去了解容器化的知识，像 Docker，Kubernetes（K8s） 等。
微服务之所以能够快速发展，很重要的一个原因就是：容器化技术的发展和容器管理系统的成熟。
这一层的东西呢其实远远不止这些的，我不过多赘述，写多了像个劝退师一样，但是大家也不用慌，大部分的技术都是慢慢接触了，工作中慢慢去了解，去深入的。
好啦我们继续沿着图往下看，那再往下是啥呢？
数据层：
数据库可能是整个系统中最值钱的部分了，在我码文字的前一天，刚好发生了微盟程序员删库跑路的操作，删库跑路其实是我们在网上最常用的笑话，没想到还是照进了现实。
这里也提一点点吧，36小时的故障，其实在互联网公司应该是个笑话了吧，权限控制没做好类似rm -rf 、fdisk、drop等等这样的高危命令是可以实时拦截掉的，备份，全量备份，增量备份，延迟备份，异地容灾全部都考虑一下应该也不至于这样，一家上市公司还是有点点不应该。
数据库基本的事务隔离级别，索引，SQL，主被同步，读写分离等都可能是你学的时候要了解到的。
上面我们提到了安全，不要把鸡蛋放一个篮子的道理大家应该都知道，那分库的意义就很明显了，然后你会发现时间久了表的数据大了，就会想到去接触分表，什么TDDL、Sharding-JDBC、DRDS这些插件都会接触到。
你发现流量大的时候，或者热点数据打到数据库还是有点顶不住，压力太大了，那非关系型数据库就进场了，Redis当然是首选，但是MongoDB、memcache也有各自的应用场景。
Redis使用后，真香，真快，但是你会开始担心最开始提到的安全问题，这玩意快是因为在内存中操作，那断点了数据丢了怎么办？你就开始阅读官方文档，了解RDB，AOF这些持久化机制，线上用的时候还会遇到缓存雪崩击穿、穿透等等问题。
单机不满足你就用了，他的集群模式，用了集群可能也担心集群的健康状态，所以就得去了解哨兵，他的主从同步，时间久了Key多了，就得了解内存淘汰机制……
他的大容量存储有问题，你可能需要去了解Pika….
image
image
其实远远没完，每个的点我都点到为止，但是其实要深究每个点都要学很久，我们接着往下看。
实时/离线/大数据
等你把几种关系型非关系型数据库的知识点，整理清楚后，你会发现数据还是大啊，而且数据的场景越来越多多样化了，那大数据的各种中间件你就得了解了。
你会发现很多场景，不需要实时的数据，比如你查你的支付宝去年的，上个月的账单，这些都是不会变化的数据，没必要实时，那你可能会接触像ODPS这样的中间件去做数据的离线分析。
然后你可能会接触Hadoop系列相关的东西，比如于Hadoop（HDFS）的一个数据仓库工具Hive，是建立在 Hadoop 文件系统之上的分布式面向列的数据库HBase 。
写多的场景，适合做一些简单查询，用他们又有点大材小用，那Cassandra就再合适不过了。
离线的数据分析没办法满足一些实时的常见，类似风控，那Flink你也得略知一二，他的窗口思想还是很有意思。
数据接触完了，计算引擎Spark你是不是也不能放过……
搜索引擎：
传统关系型数据库和NoSQL非关系型数据都没办法解决一些问题，比如我们在百度，淘宝搜索东西的时候，往往都是几个关键字在一起一起搜索东西的，在数据库除非把几次的结果做交集，不然很难去实现。
那全文检索引擎就诞生了，解决了搜索的问题，你得思考怎么把数据库的东西实时同步到ES中去，那你可能会思考到logstash去定时跑脚本同步，又或者去接触伪装成一台MySQL从服务的Canal，他会去订阅MySQL主服务的binlog，然后自己解析了去操作Es中的数据。
这些都搞定了，那可视化的后台查询又怎么解决呢？Kibana，他他是一个可视化的平台，甚至对Es集群的健康管理都做了可视化，很多公司的日志查询系统都是用它做的。
学习路线
看了这么久你是不是发现，只是一直在介绍每个层级的技术栈，并没说到具体的一个路线，那是因为我想让大家先有个认知或者说是扫盲吧，我一样用脑图的方式汇总一下吧
学习资料
Java必问知识点精华合集
JVM
-
线程
-
JVM内存区域
-
JVM运行时内存
-
垃圾回收与算法
-
JAVA四种引用类型
-
GC分代收集算法VS分区收集算法
-
GC垃圾收集器
-
JAVA IO/NIO
-
JVM类加载机制
Java集合
-
接口继承关系和实现
-
List
Arayist (数组)Vector (数组实现、线程同步）Linklist (链表) -
set
HahSet Cah陶)TreeSet (仁叉树)LnkHashSet(HashSet+ LinkedHashMap） -
Map
HashMap (数组+链表+红黑树）ConcurrentHashMapHashTable (线程安全)TreeMap (可排序)LinkHashMap (记录插入顺序）
JAVA多线程并发
-
JAVA并发知识库
-
JAVA线程实现/创建方式
-
4种线程池
-
线程生命周期(状态)
-
终止线程4种方式
-
sleep与wait区别
-
start与run区别
-
JAVA后台线程
-
JAVA锁
-
线程基本方法
-
线程上下文切换
-
同步锁与死锁
-
线程池原理
-
JAVA阻塞队列原理
-
CyclicBarrier. CountDownlatch、 Semaphore的用法
-
volatile关键字的作用 (变量可见性、禁止重排序)
-
如何在两个线程之间共享数据
-
ThreadLocal作用(线程本地存储)
-
synchronized和ReentrantLock的区别
-
ConcurrentHashMap并发
-
Java中用到的线程调度
-
进程调度算法
-
什么是CAS (比较并交换-乐观锁机制-锁自旋)
-
什么是AQS (抽象的队列同步器)
Java基础
-
JAVA异常分类及处理
-
JAVA反射
-
JAVA注解
-
JAVA内部类
-
JAVA泛型
-
JAVA序列化创建可复用的Java对象
-
JAVA复制
Spring原理
-
Spring特点
-
Spring核心组件
-
Spring常用模块
-
Spring主要包
-
Spring常用注解
-
Spring第三方结合
-
Spring I0C原理
-
Spring APO原理
-
Spring MVC原理
-
Spring Boot原理
-
JPA原理
-
Mybatis缓存
-
Tomcat架构
微服务
-
服务注册发现
客户端注册(zookeeper）第三方注册(独立的服务Registrar)客户端发现服务端发现ConsulEurekaSmartStackEtcd -
API网关
请求转发响应合并协议转换数据转换.安全认证 -
配置中心
zookeeper配置中心配置中心的数据分类 -
事件调度(kafka)
-
服务跟踪(starter-sleuth)
Hystrix断路器机制 -
服务熔断(Hystrix)
-
API管理
Netty与RPC
-
Netty原理
-
Netty高性能
多路复用通讯方式异步通讯NIO零拷贝(DIRECT BUFFERS使用堆外直接内存)内存池(基于内存池的缓冲区重用机制) -
Netty RPC实现
概念关键技术核心流程 -
RMI实现方式
实现步骤 -
Protoclol Buffer
特点 -
Thrift
网络
-
网络7层架构
-
TCP/IP原理.
网络访问层(Network Access Layer)网络层(Internet Layer)传输层(Tramsport Layer-TCP/UDP)应用层(Application Layer） -
TCP三次握手/四次挥手
数据包说明三次握手四次挥手 -
HTTP原理
传输流程HTTP状态HTTPS -
CDN原理
分发服务系统负载均衡系统:管理系统:
日志
-
SIf4j
-
Log4j
-
LogBack
LogBack优点 -
ELK
Zookeeper
-
Zookeeper概念
-
Zookeeper角色
-
Zookeeper工作原理(原子广播）
-
Znode有四种形式的目录节点
Kafka
-
Kafka概念
-
Kafka数据存储设计
-
生产者设计
-
消费者设计
RabbitMQ
-
概念
-
RabbitMQ架构
-
Exchange类塑料
Hbase
-
概念
-
列式存储
-
Hbase核心概念
-
Hbase核心架构
-
Hbase的逻辑
-
HBase vs Cassandra
MongoDB
-
概念
-
特点
Cassandra
-
概念
-
数据模型
-
Cassandra- 致Hash和虚拟节点）
-
Gossip协议
-
数据复制
-
数据写请求和协调者
-
数据读请求和后台修复
-
数据存储(CommitLog. MemTable、 SSTable)
-
二级索引(对要索引的value 摘要，生成RowKey)
-
数据读写
image
设计模式
-
设计原则
-
厂方法模式
-
抽象工厂模式
-
单例模式
-
建造者模式
-
原型模式
-
适配器模式
-
装饰器模式
-
代理模式
-
外观模式
-
桥接模式
-
组合模式
-
享元模式
-
模板方法模式
-
观察者模式
-
迭代的模式
-
责任链模式
-
命令模式
-
备忘录模式
-
状态模式
-
访问者模式
-
中介者模式
-
解释器模式
负载均衡
-
四层负载均衡vs七层负载均衡
-
负载均衡算法/策略 LVS
-
Keepalive
-
Nginx反向代理负载均衡
-
HAProxy
数据库
-
存储引擎
-
索引
-
数据库三范式.
-
数据库是事务.
-
存储过程(特定功能的SQL语句集）
-
触发器(-段能自动执行的程序）
-
数据库并发策略
-
数据库锁
-
基于Redis分布式锁
-
分区分表
-
两阶段提交协议
-
三阶段提交协议
-
柔性事务
-
CAP
一致性算法
-
Paxos
-
Zab
-
Raft
-
NWR
-
Gossip
-
-致性Hash
JAVA算法
-
二分查找
-
冒泡排序算法
-
插入排序算法
-
快速排序算法
-
希尔排序算法
-
归并排序算法
-
桶排序算法
-
基数排序算法
-
剪枝算法
-
回溯算法
-
最短路径算法
-
最大的数组算法
-
最长公共子序算法
-
最小生成树算法
数据结构
-
栈(stack)
-
队列(queue)
-
链表(Link)
-
散列表(Hash Table)
-
排序二叉树
-
红黑树
-
B-TREE
-
位图
加密算法
-
AES
-
RSA
-
CRC
-
MD5
分布式缓存
-
缓存雪崩
-
缓存穿透
-
缓存预热
-
缓存更新
-
缓存降级
Hadoop
-
概念
-
HDFS
-
MapReduce
-
Hadoop
-
MapReduce作业的生命周期
Spark
-
概念
-
核心架构
-
核心组件
-
SPARK编程模型
-
SPARK计算模型
-
SPARK运行流程
-
SPARK
-
RDD流程
-
SPARK
-
RDD
Storm
-
概念
-
集群架构
-
编程模型(spout->tuple->bolt)
-
Topology运行
-
Storm Streaming Grouping
YARN
-
概念
-
ResourceManager
-
NodeManager
-
ApplicationMaster
-
YARN运行流程
机器学习
-
决策树
-
随机森林算法
-
逻辑回归
-
SVM
-
朴素贝叶斯
-
K最近邻算法
-
K均值算法
-
Adaboost算法
-
神经网络
-
马尔可夫
云计算
-
Saas
-
Paas
-
laaS
-
Docker
-
Openstack
需要资料学习的小伙伴可以前往下方自取！
260
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
