面试题合集

1.jdk自带线程池？

1. 固定大小线程池 (FixedThreadPool)

   • Executors.newFixedThreadPool(int nThreads)
   • 创建一个固定数量线程的线程池，无论有多少任务提交到线程池，线程池始终维持固定的线程数。超过核心线程数的任务将会进入队列排队等待执行，直到线程池中有线程空闲。

2. 可缓存线程池 (CachedThreadPool)

   • Executors.newCachedThreadPool()
   • 创建一个可灵活调整线程数量的线程池，线程池中如果没有正在运行的线程时，当有任务提交时，会创建新线程来执行任务；线程闲置一段时间后会被回收，以减少系统资源消耗。

3. 单线程线程池 (SingleThreadExecutor)

   • Executors.newSingleThreadExecutor()
   • 创建一个只有一个工作线程的线程池，所有提交的任务都将在这个线程上按照提交顺序进行串行执行，保证任务间的执行顺序。

4. 定时/周期性任务线程池 (ScheduledThreadPoolExecutor)

   • Executors.newScheduledThreadPool(int corePoolSize)
   • 创建一个支持定时及周期性任务执行的线程池，除了常规线程池功能外，还可以调度延迟执行的任务或定期执行的任务。

2.为什么阿里不建议使用？

1. 资源耗尽风险：

   • Executors.newFixedThreadPool(int nThreads) 创建的固定大小线程池，虽然可以限制最大线程数，但如果任务队列未做适当配置（如默认情况下使用的是无界队列LinkedBlockingQueue），在极端情况下，任务提交速度过快，可能导致队列中堆积过多任务，从而占用大量内存，引起内存溢出（OOM）。

   • Executors.newCachedThreadPool() 创建的是可伸缩线程池，理论上线程数量可以无限增长，如果任务执行速度远低于提交速度，可能导致系统资源耗尽，同样产生OOM风险。

2. 线程池配置不可定制：

   • 默认提供的线程池配置不一定能满足所有业务场景，例如拒绝策略、线程存活时间、队列大小等参数通常是硬编码的，不能根据实际情况灵活调整。

3. 缺乏合理的任务拒绝处理：

   • 当线程池和任务队列饱和时，默认的拒绝策略（AbortPolicy，抛出RejectedExecutionException异常）可能不是所有场景下理想的处理方式。

4. 线程生命周期管理：

   • 默认配置可能忽视了对线程生命周期的有效管理，例如空闲线程的回收策略，这在长时间运行的服务中可能会积累大量空闲线程，浪费系统资源。

因此，阿里巴巴提倡直接通过ThreadPoolExecutor构造函数自定义线程池，这样可以根据实际业务场景细致地调整线程池的各种参数，以达到更好的性能、资源利用率和稳定性。例如，可以选择有界队列，设定合理的拒绝策略，并对线程的最大数目、存活时间等参数进行适当的约束和管理。

3.线程池核心参数有哪些？

1. corePoolSize（核心线程数）： 这是线程池的基本大小，即使在没有任务执行时也会一直存在的线程数。当线程池中有任务提交时，如果当前线程数小于核心线程数，线程池会优先创建新的线程来执行任务，而不是放入任务队列。

2. maximumPoolSize（最大线程数）： 线程池所能容纳的最大线程数量。如果当前线程数达到核心线程数并且任务队列已满，线程池还会尝试创建新的线程来处理任务，直到线程总数达到最大线程数为止。

3. keepAliveTime（线程空闲存活时间）： 当线程池中的线程数量超过核心线程数时，非核心线程在空闲状态下等待新任务到达的最长等待时间。超时后，如果线程池中仍有超过核心线程数的空闲线程，这部分线程将被终止。

4. unit（时间单位）： 与keepAliveTime搭配使用，用于指定存活时间的具体单位，例如TimeUnit.SECONDS、TimeUnit.MILLISECONDS等。

5. workQueue（任务队列）： 当线程池中的线程都在忙碌且线程数达到了核心线程数时，新提交的任务将被放入任务队列中等待执行。队列的类型和大小会影响线程池的工作方式，常见的队列有无界队列、有界队列等。

6. threadFactory（线程工厂）： 用于创建新线程的工厂，可以用来设置线程的名称、优先级以及其他属性，或为线程池创建线程时插入自定义逻辑。

7. handler（拒绝策略）： 当线程池和任务队列均处于饱和状态，即线程数达到最大且任务队列已满时，新提交的任务将触发拒绝策略。常见的拒绝策略有：

   • AbortPolicy（默认）：直接抛出RejectedExecutionException异常。
   • CallerRunsPolicy：调用者所在线程亲自执行被拒绝的任务。
   • DiscardPolicy：默默地丢弃新提交的任务。
   • DiscardOldestPolicy：抛弃任务队列中最旧的一个任务，然后尝试把新提交的任务放入队列。

4.项目中有没有用过调度器？

• 在Spring Boot项目中，可以使用Spring的@Scheduled注解结合TaskScheduler或ScheduledExecutorService实现后台任务调度。

5.sprig自带task与xxl-job区别？

特点：

• Spring Task 是 Spring 框架内建的支持，通过 @Scheduled 注解可以方便地在 Spring 管理的 Bean 中定义定时任务。
• 能够根据 cron 表达式或者其他定时策略来调度方法的执行。
• 适用于简单的定时任务场景，特别是与应用业务逻辑紧密相关的任务。
• 执行任务时，所有的任务逻辑都在同一个应用进程中执行，因此任务调度和执行受单个应用实例的资源限制。

局限：

• 不具备分布式任务调度能力，当需要在多节点间分发任务时，需要借助其他分布式协调服务（如Zookeeper等）自行实现。
• 在大型分布式系统中，无法做到任务的高可用性，单个应用实例挂掉会导致任务中断。
• 资源利用受限于单个应用服务器，难以进行横向扩展。

XXL-Job

特点：

• XXL-Job 是一个分布式任务调度框架，特别针对复杂的分布式任务调度场景设计。
• 提供了可视化的任务调度中心，可以集中管理和监控所有任务执行情况。
• 支持分布式任务调度，任务可以跨多个服务器实例执行，具备高可用性和负载均衡能力。
• 支持任务分片、失败重试、报警通知、权限管理等功能。
• 轻量级设计，易于安装和部署，同时支持丰富的任务类型，包括但不限于定时任务。

对比： 相较于 Spring Task，XXL-Job 更适用于中大型项目或需要处理大量定时任务、任务之间需要协同调度、以及需要高度可靠性和扩展性的场景。Spring Task 更适合小型项目或是不需要分布式调度需求的情况。

简而言之，Spring Task 是轻量级的内置解决方案，适合简单的定时任务需求，而 XXL-Job 则是一个完备的分布式任务调度平台，适合复杂的企业级应用。

6.mongoDB与Mysql区别？优势？

1. 数据模型：

   • MySQL 是关系型数据库（RDBMS），采用表格结构存储数据，遵循 ACID（原子性、一致性、隔离性、持久性）原则，数据以行和列的形式组织，强制实施数据的一致性和完整性。
   • MongoDB 是非关系型数据库（NoSQL），属于文档型数据库，数据以 JSON-like 文档（BSON）的形式存储，每个文档可以有不同的键值对结构，更灵活，支持嵌套结构和数组。

2. 查询语言：

   • MySQL 使用 SQL（Structured Query Language）进行数据查询、更新和管理。
   • MongoDB 使用 MQL（MongoDB Query Language），这是一种基于 JSON 的查询方式，支持丰富的查询条件和聚合操作。

3. 数据存储和查询效率：

   • MySQL 在结构化数据、复杂联接查询、数据一致性要求高的场景表现优秀，通过索引优化查询速度。
   • MongoDB 对于半结构化和非结构化数据存储友好，查询速度快，尤其在读写密集型应用和快速读取大量数据的场景中表现出色，因为它将热数据存储在内存中，适合处理海量数据。

优势：

MySQL 的优势：

• 成熟稳定，有广泛的社区支持和丰富的周边生态。
• 严格的数据一致性，适合需要强一致性的金融、事务型应用。
• SQL 查询语言标准化，学习成本低，SQL 引擎优化成熟。
• 对于复杂的关系查询有成熟的解决方案。

MongoDB 的优势：

• 动态灵活的数据模型，容易适应不断变化的应用需求。
• 高性能读写，尤其在读多写少或频繁增删改查的场景下。
• 优秀的水平扩展能力，能够轻松应对大数据量和高并发访问。
• 内置高可用和容灾机制，如副本集（Replica Set）提供冗余和故障转移功能。
• 对于现代 web 和移动应用中常见的非结构化数据和 JSON 数据有很好的原生支持。

7.mogoDB在哪些场景使用？

1. 网站数据存储：

2. 游戏开发：

3. 物流与电商：

4. 社交网络：

5. 物联网（IoT）：

6. 日志记录与分析：

7. 内容管理系统：

8. 视频直播和流媒体：

9. 缓存系统：

10. 大数据分析：

8.ES是什么？分词器？

Elasticsearch 是一个基于 Apache Lucene 构建的开源分布式搜索引擎和分析引擎。它专为云计算环境设计，提供了一个分布式的、高可用的实时分析和搜索平台。Elasticsearch 可以处理大量数据，并且具备横向扩展能力，能够通过增加更多的硬件资源来应对数据和查询量的增长。

9.ES的使用场景？

1. 全文搜索：

2. 日志分析与监控：

3. 数据分析：

4. NoSQL JSON文档数据库：

5. 搜索推荐：

6. 地理信息系统：

7. 大规模监控系统：

10.你们项目的日志如何处理？

11.什么是MDC？原理？

是 log4j 和 logback 提供的一种方便在多线程条件下记录日志的功能。

原理：

• MDC的工作原理是利用线程绑定数据的技术，即每个线程都有独立的MDC上下文，线程之间互不影响。在处理请求的线程中，开发者可以通过MDC API将相关信息放入MDC的Map中，然后在配置好的Layout（布局器）中，可以通过占位符等方式引用MDC中的内容，这样在输出日志时，日志框架会自动从当前线程的MDC中取出对应信息加入到日志消息中。
• 在多线程环境下，如Servlet容器中的每个HTTP请求都会创建一个新的线程来处理，MDC的值会在请求开始时设置，并在请求结束时清除，确保了请求间不会互相干扰，同时也使得日志可以准确地关联到具体的请求上下文中。

12.有没有做过微信登录？微信公众号开发？微信小程序开发？