“学会吊打面试官系列”8.12~8.24面试难点记录

一共面了三家小公司，以下为个人记录的比较重要的10道题目

redis大key是什么问题？如何避免？

“大 Key”是指那些占用大量内存的键值对。大 Key 会导致各种性能问题，比如：内存消耗增大，性能影响增大，导致redis操作延迟，若在分布式环境下，会导致大量数据通过网络传输，增加网络压力。
持久化时，大key会导致操作耗时增加，甚至导致持久化失败。
避免大key：避免将大量数据存储在单个key中，可以考虑将数据拆分成多个小key。可以定期检测key的大小，清理和拆分大key；可以使用数据压缩，将数据压缩后再存入到redis中，节省空间。

redis中数据结构bitmap的使用场景？优缺点？

Redis 中的 bitmap 是一种非常高效的数据结构，用于存储和操作位（bit）级数据。它可以用来处理大规模的、稀疏的布尔值数据集合。
使用场景

1. 用户行为分析：
   ○ 签到系统：记录用户每日签到的情况，每一天用一个 bit 表示是否签到。
   ○ 活跃用户统计：跟踪每天的用户活跃状态，例如每个 bit 表示用户是否在某一天访问过系统。
2. 权限控制：
   ● 访问权限：用来控制用户是否拥有某项权限，每个权限用一个 bit 表示用户是否拥有该权限。
   在线状态：
   ● 在线用户：记录系统中用户的在线状态，例如每个 bit 表示用户是否在线。
   推送消息：
   ● 消息发送：标记是否已向某个用户发送了推送消息，避免重复发送。
   去重：
   ● 唯一用户标识：用来跟踪大范围的唯一用户标识，如记录某用户是否在一天内访问过网站，每个用户用一个 bit 来表示。
   优点
3. 内存高效：
   ○ 低空间消耗：每个位仅占用 1 bit，存储大量布尔值数据时非常节省内存。例如，存储 1,000,000 个布尔值仅需约 125 KB 的内存。
4. 快速操作：
   ○ 常数时间操作：位操作（如设置、获取和清除）通常在常数时间内完成。
5. 适合稀疏数据：
   ○ 适用范围广：适合存储稀疏数据集合，如某个特定范围内的布尔值信息。
6. 支持丰富的操作：
   ○ 多种操作：Redis 的 BITOP 命令允许对多个 bitmap 进行位操作，如 AND、OR、XOR 等。
   缺点
7. 操作复杂性：
   ○ 位操作复杂：对于不熟悉位操作的开发者来说，位操作的逻辑可能较复杂。
8. 没有内建的复杂数据结构：
   ○ 简单存储：Bitmap 只支持基本的位操作，没有复杂的查询和分析能力。
9. 长度限制：
   ○ 最大长度：Bitmap 的长度受限于 Redis 的最大 key 长度，如果需要更大的 bit 集合，需要考虑分片或其他存储方式。
10. 可读性差：
    ○ 调试困难：位操作可能使调试和数据可视化变得困难，因为数据存储在单个位中，不容易直接查看。

mysql可以用字符串做主键索引吗？varchar可以做主键索引吗？innodb对单个索引的最大长度限制为多少？

在 MySQL 中，字符串（如 VARCHAR 类型）可以用作主键索引。实际上，VARCHAR 类型作为主键非常常见，尤其是在需要用文本字段唯一标识记录的情况下。例如，使用电子邮件地址、用户名或其他自然键作为主键。较长的字符串作为主键可能导致索引变得较大，从而影响查询性能和存储效率。
MySQL 8.0：默认情况下，MySQL 8.0 使用 DYNAMIC 或 COMPRESSED 行格式，因此索引前缀长度的限制可以达到 3072 字节（对于 utf8mb4 编码为 767 字符）。

微服务之间的通信为什么使用gprc而不是rest？优点在什么地方？

在微服务之间的通信中，gRPC 相比于 REST 有几个明显的优点，这也是为什么越来越多的公司选择 gRPC 而不是 REST。首先，gRPC 基于 HTTP/2 协议，它本身就比传统的 HTTP/1.1 更加高效，支持双向流式通信、多路复用，也就是说同一个连接上可以处理多个请求，这大大降低了延迟和带宽的使用。
其次，gRPC 使用的是 Protocol Buffers 作为序列化格式。相比 JSON 或 XML，Protobuf 更加紧凑和高效，传输的数据量更小，这在高并发和低带宽环境下特别有优势。因为序列化和反序列化的速度也很快，所以整体性能比 REST 高很多。
另一个重要的优势是，gRPC 支持多种语言。gRPC 服务的定义是通过 .proto 文件来描述的，客户端和服务端代码可以通过这些定义自动生成，这极大简化了跨语言开发的复杂性。而且这些代码生成的接口都是强类型的，编译时就能检查出错误，避免了很多因为接口变更导致的运行时错误。
最后，gRPC 还天然支持双向流和长连接，这在需要实时通信或者推送消息的场景下非常有用，而 REST 通常需要配合其他技术来实现类似功能，比如 WebSocket。

讲解一下es，es的底层逻辑，了解lucene么？简单说一下es是在基础上加了什么措施才实现了高性能，高扩展和高可用？

ES）是一个分布式搜索引擎，底层是基于 Apache Lucene 的。Lucene 本身是一个强大的搜索库，它提供了全文搜索、索引等功能，性能也非常好，但 Lucene 的复杂度比较高，直接使用不太友好。Elasticsearch 可以看作是对 Lucene 的封装，提供了一个更高层的接口，让我们能更轻松地进行分布式搜索和数据分析。
从底层逻辑上来看，Elasticsearch 通过分片（Sharding）和副本（Replication）来实现高性能和高可用。分片就是把数据分成多个块，每个块可以独立地进行存储和搜索，这样一来，查询和写入操作可以并行处理，极大地提高了性能。副本则是在多台机器上保存同样的数据，确保即使某个节点故障，数据也不会丢失，从而保证了高可用性。
另外，ES 在 Lucene 的基础上还增加了一些集群管理的功能，比如自动发现和自动分片重分配。这意味着，当你增加或删除节点时，Elasticsearch 能够自动地将数据重新分配到新的节点上，无需手动干预，这使得它的扩展性非常强。

为什么mongodb查询文档就比mysql快？

数据存储格式
● MongoDB：MongoDB 是一个面向文档的 NoSQL 数据库，使用 BSON（Binary JSON）格式存储数据。BSON 是一种高效的二进制序列化格式，支持复杂的嵌套结构。这使得 MongoDB 可以高效地存储和查询嵌套的数据结构，如数组和嵌套文档。
● MySQL：MySQL 是一个关系型数据库，使用表格结构存储数据。虽然 MySQL 的表格结构灵活，但对于复杂的数据结构或嵌套关系，表连接操作可能会变得复杂且低效。
索引机制
● MongoDB：MongoDB 对于查询性能的优化依赖于高效的索引机制。它支持多种索引类型，如单字段索引、复合索引、地理空间索引等。MongoDB 还允许在嵌套文档字段上创建索引，从而提高对复杂查询的支持。
● MySQL：MySQL 也支持多种索引类型，包括 B-Tree 索引、哈希索引等。但对于一些复杂的查询或涉及多个表的联接操作，索引的效率可能会受到限制。
数据模型和查询方式
● MongoDB：MongoDB 支持灵活的数据模型，可以存储嵌套的文档和数组。查询可以直接访问嵌套的数据，避免了关系型数据库中常见的联接操作，从而提高查询效率。MongoDB 的查询语言也提供了丰富的功能，可以高效地处理复杂的文档结构。
● MySQL：MySQL 使用关系模型，通常需要进行联接操作来处理多个表的数据。这些联接操作可能会增加查询的复杂性和时间，特别是当涉及大数据集和复杂联接时。
数据的分片和分布
● MongoDB：MongoDB 原生支持分片（sharding），可以将数据分布在多个节点上，从而实现横向扩展。查询时可以通过分片键高效地路由到正确的分片，从而提高查询性能。
● MySQL：虽然 MySQL 也支持分区和分表，但分布式数据库的功能和灵活性通常不如 MongoDB 的分片机制强大。实现复杂的分布式查询可能需要额外的配置和管理工作。
内存使用和缓存：MongoDB 对于热点数据有良好的内存缓存策略。MongoDB 的 WiredTiger 存储引擎在内存中缓存数据页，从而加快查询速度。它可以充分利用内存，减少磁盘 I/O。

b树和b+树区别，b+树作为mysql索引的优点

B+ 树的主要优势在于它把所有的数据都存在叶子节点，这样可以让范围查询和顺序扫描变得非常高效，因为这些节点是按顺序排列并通过链表连接的。而且 B+ 树的内部节点只存储键值，这让树的高度保持较低，减少了内存占用和磁盘 I/O 操作。因此，B+ 树在处理大规模数据和执行复杂查询时性能更稳定，这也是它作为 MySQL 索引的主要原因。

当用户登录在线时怎么保证用户登录状态和redis中存储的用户状态一致？

首先，用户每次登录时，系统会在 Redis 中更新他们的在线状态，比如存储一个带有 user_id 的键，值是一些相关信息，比如登录时间、客户端类型、和一个唯一的会话 token。这个 token 用来标识用户的当前会话，有效地防止了重复登录或并发登录时的状态混乱。
然后，在用户进行任何操作时，比如发送消息或接收推送，系统都会先检查 Redis 中的这个状态信息，确保用户确实在线。如果 Redis 中的状态过期或失效，系统会要求用户重新登录，确保状态的同步性。
当用户退出时，无论是主动登出还是因为网络原因断开连接，我们都要及时清除 Redis 中的状态信息。对于那些没有正常退出的情况，比如网络掉线或者异常关闭客户端，我们可以依赖心跳检测或者超时机制。在 IM 系统中，通常会有一个定时任务或者心跳机制来检查用户的在线状态，如果长时间没有收到心跳，就会认为用户已经离线，并更新 Redis 中的状态。

对一个函数中传入一个int参数，如何去判断该参数是零值？还是传的其他值？还是未传递？

● 使用指针类型：我们可以将 int 参数改为 *int，也就是指针类型。这样，调用方如果传递了 nil，就表示参数未传递，反之如果传递了一个非 nil 的值，就可以检查指针指向的具体值是 0 还是其他数值。这种方式很直观，但需要调用方创建指针，使用起来可能稍微麻烦一些。
● 使用额外的布尔值标记：另一种方式是在函数签名中增加一个 bool 参数，用来明确表示 int 参数是否被传递。这种方式相对简单，也常用于需要传递多个可选参数的场景。

常用数据类型，值类型和引用类型，存在堆还是栈中？

值类型包括基本数据类型，比如 int、float、bool，还有结构体 struct 等。这些类型的变量在被赋值时会直接复制其内容。值类型通常存储在栈（stack）中，因为栈适合处理这些生命周期短的、大小固定的数据。栈上的内存管理比较简单，变量在函数调用结束时自动释放，减少了手动内存管理的复杂性。
引用类型包括切片 slice、映射 map、通道 channel 和接口 interface。这些类型的变量并不直接存储数据，而是存储对数据的引用。实际的数据会存储在堆（heap）上。堆适合处理生命周期较长、大小不固定的数据。引用类型变量在函数调用时会存储在栈上，但它们指向的数据则存储在堆上。堆的内存管理由 Go 的垃圾回收器负责，可以自动处理内存的分配和回收。
总结一下：值类型通常存储在栈中，因为它们的数据在传递和操作时是直接复制的；而引用类型的实际数据存储在堆中，栈上存储的是指向这些数据的引用。这样设计可以有效地管理内存，平衡性能和灵活性。在开发中理解这些差异，可以帮助我们编写更高效的代码和做出更好的内存管理决策。