- 博客(237)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 【面试场景题】dubbo可以使用自定义的序列化协议吗
格式：协议名称=实现类全路径-- 服务提供者配置 --> < dubbo: protocol name = " dubbo " serialization = " custom " /> <!-- 或在服务级别指定 --> < dubbo: service interface = " com.example.DemoService " ref = " demoService " serialization = " custom " /> <!
2025-08-29 22:12:31
210
原创 【面试场景题】怎么做业务领域划分
访谈业务专家：了解核心业务流程（如电商的“下单→支付→发货→收货”）、业务规则（如“库存不足时不能下单”）、痛点（如“促销活动需快速上线”）。绘制业务流程图：用泳道图、活动图等工具，明确“谁（角色）在什么场景下做什么操作”（如用户、商家、仓库管理员的操作流程）。识别业务实体与事件：记录核心业务对象（如“订单”“商品”“用户”）和关键事件（如“订单创建”“支付成功”“库存扣减”），这些是领域划分的基础。
2025-08-29 21:58:31
356
原创 【面试场景题】三阶段事务提交比两阶段事务提交的优势是什么
维度两阶段提交（2PC）三阶段提交（3PC）阻塞风险高（参与者无超时机制，可能永久阻塞）低（各阶段有超时策略，自动决策）资源锁定时间长（从准备阶段开始锁定）短（仅在预提交阶段锁定）容错能力弱（协调者故障易导致数据不一致）强（超时自动处理，减少对协调者的依赖）事务一致性保障依赖协调者的可靠性，存在脑裂风险通过状态拆分和超时，降低脑裂影响3PC通过拆分阶段、引入超时、减少阻塞，解决了2PC在分布式事务中的核心痛点，尤其在大规模分布式系统中，能显著提升事务的可靠性和系统的可用性。
2025-08-29 21:17:53
190
原创 【面试场景题】为什么你们公司要使用spring框架？
通过IoC解耦组件、AOP分离横切逻辑、声明式事务简化数据一致性管理，同时提供丰富的生态和标准化规范。这些特性使得Spring既能解决企业级应用的技术复杂性，又能提升团队协作效率，因此成为企业开发的首选框架。对于中小型项目，Spring Boot（基于Spring的简化版）可进一步降低配置成本，实现“开箱即用”；对于大型分布式系统，Spring Cloud生态可提供完整的微服务解决方案。
2025-08-29 20:35:04
544
原创 Spring Boot自动装配机制的原理
创建自动配置类：定义一个标注的类，使用注解控制生效条件，通过@Bean注册组件。绑定配置属性：通过定义配置类，绑定应用配置文件中的属性。注册自动配置类：在项目的文件中，添加自定义自动配置类的全路径。通过触发，借助加载预设的自动配置类，结合条件注解动态筛选，最终将符合条件的Bean注册到Spring容器。这一机制实现了“约定大于配置”，大幅简化了Spring应用的初始化流程，同时保留了通过自定义配置覆盖默认行为的灵活性。
2025-08-29 20:16:00
542
原创 Java有几种文件拷贝方式，哪一种效率最高？
效率最高的方式是使用NIO的或，尤其适合大文件拷贝。日常开发中，推荐使用（Java 7+），它兼顾了效率与代码简洁性，底层同样依赖的零拷贝机制。
2025-08-28 21:02:45
199
原创 Mybatis中缓存机制的理解以及优缺点
MyBatis 缓存机制通过一级缓存和二级缓存的配合，有效提升了查询性能，但也存在缓存一致性、分布式兼容等问题。实际使用中需根据业务场景合理配置，权衡性能与数据准确性，避免滥用缓存导致的隐性问题。
2025-08-28 20:56:56
577
原创 【面试场景题】为什么有些公司禁止使用@Transactional声明式事务？
禁止使用并非否定其价值，而是权衡便捷性与风险后的选择。在大型团队或复杂项目中，开发者水平参差不齐，的隐性陷阱可能导致难以排查的生产问题（如数据不一致、性能瓶颈）。而编程式事务虽然代码更繁琐，但能通过显式控制降低风险，提升代码的可维护性和稳定性。当然，很多公司并非完全禁止，而是限制其使用场景（如仅允许在简单、无嵌套的业务中使用），并辅以严格的代码审查（如检查事务范围、异常处理、传播行为配置等），以平衡开发效率与系统稳定性。
2025-08-28 20:47:02
471
原创 【面试场景题】电商首页、商品列表、商品详情页怎么提高访问性能
是用户访问的核心路径，但其数据特性（静态/动态、实时性、数据量）和访问模式（高频/低频、筛选/固定）差异较大，需结合页面特性设计分层优化方案。列表页用户常做“筛选（分类、价格、品牌）”“排序（销量、价格）”，数据动态性强，核心是“搜索引擎+缓存筛选结果”。详情页需展示“商品静态信息（描述、图片）”和“实时信息（库存、价格、销量）”，核心是“静态缓存+实时数据分离”。两方面展开，覆盖从前端到后端、从缓存到数据库的全链路优化。（行业标准：首屏<2秒），核心是“静态化+缓存预热”。首页是电商流量入口，
2025-08-28 00:04:07
739
原创 volitale伪共享问题及解决方案
伪共享是CPU缓存机制导致的性能问题，根源在于CPU缓存行（Cache Line）CPU缓存以「缓存行」为最小存储单位（通常64字节），一个缓存行可以存储多个变量。当多个线程同时操作不同变量，但这些变量恰好位于同一缓存行时，会触发缓存一致性协议（如MESI），导致缓存行频繁失效和刷新，大幅降低性能。无关变量共享了同一个缓存行，引发了不必要的缓存竞争，这就是伪共享。伪共享是缓存行机制导致的性能问题，与变量是否为volatile无关，但volatile会加剧其影响。解决核心。
2025-08-27 23:40:10
412
原创 如何通过arthas打印某个方法的具体执行耗时
（TimeTunnel）命令可以记录方法的调用信息，包括入参、返回值和执行耗时，便于后续分析。命令可以追踪方法的调用路径，并打印每个子方法的执行时间，适合分析方法内部的耗时分布。命令用于监控方法的执行情况，包括调用次数、成功次数、失败次数、平均耗时、最大耗时等。通过这些命令，可以快速定位方法的执行耗时，分析性能瓶颈。命令来打印某个方法的具体执行耗时，其中。更适合查看方法的调用链路和各环节耗时，适合统计方法的执行耗时分布。在Arthas中，可以使用。执行后会记录每次调用，通过。表示对应方法的执行耗时。
2025-08-26 22:44:27
362
原创 重写BeanFactory初始化方法并行加载Bean
在Spring中，Bean的初始化默认是单线程的，这主要是为了保证Bean之间的依赖关系正确处理。但对于一些初始化耗时长且依赖关系简单的Bean，我们可以通过扩展Spring的BeanFactory来实现并行初始化，通过自定义BeanFactory和扩展ApplicationContext来实现对特定Bean的并行处理，从而提高启动速度。这种方式可以显著提高包含多个耗时初始化Bean的Spring应用的启动速度，特别是当这些Bean之间没有复杂依赖关系时效果更佳。
2025-08-26 22:39:10
695
原创 spring如何通过实现BeanPostProcessor接口计算并打印每一个bean的加载耗时
通过这种方式，你可以很方便地监控Spring容器中所有Bean的初始化性能，识别出初始化耗时较长的Bean，为性能优化提供依据。接口计算并打印每个Bean的加载耗时，我们可以利用该接口的两个回调方法记录Bean初始化前后的时间戳，然后计算时间差。要在Spring中通过。
2025-08-26 22:25:17
481
原创 【面试场景题】如何使用redis记录上亿用户连续登录天数？
（1个bit表示1个用户的登录状态），大幅节省内存（1亿用户每天仅需约12MB内存）。实际使用时，可结合用户ID映射（如将非连续ID映射为连续数字）进一步优化Bitmap的空间利用率。使用Redis的Bitmap记录上亿用户连续登录天数，核心是利用Bitmap的。
2025-08-25 21:27:00
319
原创 【面试场景题】调用三方支付接口，怎么防止错付或者多付
源头锁定（订单+金额）→ 过程防篡改（签名）→ 重复拦截（幂等）→ 状态闭环（校验+查询）→ 异常兜底（日志+监控）”。每个环节需同时考虑“业务逻辑”和“三方平台规则”，确保与微信、支付宝等支付平台的交互严格符合规范，同时通过后端校验规避前端和网络层面的风险。最终实现目标：即使前端被篡改、网络异常、回调重复，也能确保“订单金额正确、同一订单不重复扣款、支付状态准确”。
2025-08-25 21:08:26
653
原创 【面试场景题】什么是单点登录
单点登录的核心是通过认证中心统一管理身份，并通过“全局Token”实现多系统间的信任传递。统一的认证中心（SSO服务器）；安全的认证凭证（Token）；应用系统与认证中心的信任机制。通过SSO，既能提升用户体验，又能简化系统的身份管理，是大型系统架构中的常见设计。
2025-08-25 20:22:13
867
原创 介绍大根堆&小根堆
堆的本质是“完全二叉树”（除最后一层外，每一层节点数均满；类型核心规则（父子节点关系）关键特征小根堆（Min-Heap）任意父节点的值≤其左右子节点的值整个堆的最小值一定在根节点大根堆（Max-Heap）任意父节点的值≥其左右子节点的值整个堆的最大值一定在根节点小根堆和大根堆是“完全二叉树+固定父子优先级”的结合，核心价值是O(1)获取极值、O(log n)插入/删除，效率远高于数组（O(n)查找极值）；
2025-08-15 22:30:13
748
原创 介绍TCP的拥塞控制
TCP拥塞控制的本质是“试探-反馈-调整通过“慢启动”快速接近网络容量；通过“拥塞避免”平稳提升吞吐量；通过“超时/快速重传”检测拥塞，并快速退避；通过“快速恢复”减少拥塞后的性能损失。这一机制让TCP能自适应不同网络环境（如家庭宽带、数据中心、跨洋链路），在可靠性与吞吐量之间取得平衡，是互联网稳定运行的核心保障之一。
2025-08-15 22:04:06
745
原创 AMQP协议介绍
AMQP通过标准化的组件（交换机、队列、绑定）和可靠机制，为分布式系统提供了灵活、可互操作的消息传递方案。其核心价值在于解耦生产者与消费者，并支持复杂路由和高可靠性，是企业级消息中间件的主流协议之一。
2025-08-15 20:15:27
878
原创 列式存储与行式存储：核心区别、优缺点及代表数据库
数据存储的最小单元是“字段（Column）”，多个字段构成“行（Row）”（即一条完整记录）。两种存储的根本区别在于，优先连续存储“行”还是“列”。存储类型核心组织逻辑示例（存储3条用户记录：ID、Name、Age）行式存储按“行”连续存储，一条记录的所有字段紧凑排列1:Tom:20 → 2:Jerry:22 → 3:Alice:18（每条记录的ID/Name/Age连续存）列式存储按“列”连续存储，同一字段的所有值紧凑排列ID列：1→2→3；Name列：Tom→Jerry→Alice；
2025-08-15 18:08:09
891
原创 redis怎么做rehash的
Redis的rehash是通过渐进式迁移基于负载因子触发，动态扩容或缩容。使用两个哈希表（ht[0]和ht[1]），逐步迁移元素。迁移期间正常处理请求，兼顾效率与可用性。这种设计使Redis在面对大规模数据时，仍能维持高效的哈希表操作性能。
2025-08-15 12:44:38
494
原创 redis6的多线程原理
Redis 6.0 的多线程是**“单线程命令执行 + 多线程网络 I/O”**的混合模型，核心是通过并行处理网络数据读写突破 I/O 瓶颈，同时保留单线程命令执行的简单性和安全性。这种设计在高并发场景下可提升 2-3 倍的吞吐量，尤其适合大流量、多连接的 Redis 部署。
2025-08-15 10:24:21
967
原创 mysql查询中的filesort是指什么
filesort是 MySQL 对查询结果进行排序的机制，当无法利用索引排序时触发。分为内存排序（快速排序）和磁盘排序（归并排序），磁盘排序性能较差。优化关键是创建包含“筛选+排序”字段的联合索引，让排序通过索引完成，避免filesort。通过EXPLAIN分析查询计划，及时发现filesort并优化，是提升排序查询性能的核心手段。
2025-08-14 23:18:15
809
原创 介绍java中atomic及相关类
atomic包提供的原子类通过 CAS 操作实现了高效的线程安全，适合简单值的并发更新场景，性能优于传统锁机制。但需注意其局限性：仅适用于单一变量操作，复杂场景仍需结合锁或其他并发工具。实际开发中，应根据业务复杂度选择合适的并发方案。
2025-08-14 20:28:28
571
原创 hashmap和concurrentHashmap是否允许null值和null健
集合类是否允许 null 键是否允许 null 值核心原因HashMap允许（仅一个）允许（多个）单线程场景，无需处理并发歧义不允许不允许多线程场景，避免返回值歧义实际开发中，若需在并发场景中使用类似“空值”的标记，可使用一个特殊的占位符对象（如）替代null，避免。
2025-08-14 19:32:53
384
原创 CompletableFuture介绍及使用方式
默认使用// 使用自定义线程池执行任务// 任务逻辑return "结果";用runAsync()提交异步任务；用实现链式操作；用handle()处理异常；用allOf()anyOf()组合多任务。它避免了传统Future的阻塞问题，让异步代码更简洁、易维护，尤其适合高并发场景下的任务编排。
2025-08-13 23:06:43
639
原创 Synchronized锁的使用方式
使用专门的锁对象（如Object实例），避免与其他同步方法/代码块共享锁，减少锁竞争。// 自定义锁对象（推荐使用private final修饰，避免被修改）// 同步代码块，锁为自定义对象lock// 临界区代码实例方法：控制同一实例的方法级同步，简单直接。静态方法：控制类级别的同步，适用于静态资源的并发访问。代码块：粒度更细，可自定义锁对象，灵活性最高，推荐优先使用。合理选择使用方式，可在保证线程安全的同时，减少性能损耗。
2025-08-13 22:54:33
790
原创 数据库连接池如何进行空闲管理
Druid通过定期检查和空闲阈值控制管理空闲连接，删除时机取决于等配置。若使用被删除的连接报错，核心是通过强化空闲检查、对齐数据库超时配置、必要时开启，确保应用获取的连接始终有效。
2025-08-13 22:02:05
606
原创 【面试场景题】异地多活改造方案
基于代理商的精细化路由策略，实现请求的精准分发分区存储与双向同步结合，平衡数据一致性与性能多层次健康检测与自动切换机制，保证系统高可用完善的灰度发布与回滚机制，降低实施风险该方案可实现单个可用区故障时，业务自动切换至其他可用区，将故障影响降至最低，显著提升系统的稳定性和可用性。
2025-08-10 23:01:45
606
原创 【面试场景题】微博热点新闻系统设计方案
本方案通过分层架构和微服务拆分，实现了热点新闻系统的核心功能，重点解决了：实时热点计算：基于 Flink 的分钟级热度更新高并发互动：Redis 缓存 + 异步持久化，支撑百万级用户同时操作复杂评论系统：MongoDB 存储 + 热门评论预筛选，平衡性能与体验系统可根据业务增长平滑扩展，同时通过防作弊机制和容灾设计保障稳定性，适合支撑微博级别的热点新闻场景。
2025-08-09 23:23:38
993
原创 【面试题】cookie和session 的区别
Cookie是服务器发送给客户端（浏览器）的小型文本文件，由客户端（浏览器）保存。每次客户端向服务器发送请求时，会自动携带对应的Cookie（除非设置了不发送）。Session是服务器为每个用户（会话）创建的内存对象（或存储在数据库、Redis等介质中），数据保存在服务器端。服务器通过一个唯一标识（通常是Session ID）与客户端关联，而Session ID通常通过Cookie传递（也可通过URL重写等方式）。Cookie：轻量、存储在客户端、适合非敏感数据，受大小限制，安全性较低。
2025-08-09 23:03:32
366
原创 【面试场景题】通过LinkedHashMap来实现LRU与LFU
策略核心逻辑LinkedHashMap的作用实现复杂度LRU淘汰最久未访问元素利用维护访问顺序，重写实现自动淘汰简单LFU淘汰访问次数最少（同次数则最久未访问）的元素作为频率分组内的容器，维护同频率元素的访问顺序较复杂（需额外结构跟踪频率）LRU实现简单、性能好，适合大多数场景；LFU更精准但实现复杂，适合对访问频率敏感的场景。
2025-08-09 22:02:41
890
原创 【面试场景题】用户表垂直拆分
现在有一张用户表有150个字段，包括套餐状态、实名状态、第三方登录token、手机号用户名等基本信息，希望基于不同业务维度拆分成几个小一些的表，字段少一点，便于维护。请帮忙出一个拆分方案，需要考虑到拆分过程的风险、监控、测试、灰度、回滚等方面。通过以上方案，可在保证业务连续性的前提下，安全地完成用户表的拆分，提升系统可维护性和扩展性。拆分过程中需特别注意数据一致性和性能影响，通过充分的测试和灰度验证降低风险。
2025-08-08 09:27:01
576
原创 【面试场景题】文档权限系统如何设计
用户（User）：系统中的独立账号（如员工、外部访客），唯一标识为user_id。文档（Document）：被管控的资源，可是单个文件、文件夹（含层级关系），唯一标识为doc_id，需记录parent_id（父级文档/文件夹，用于层级权限继承）和owner_id（所有者，默认拥有最高权限）。角色（Role）：预定义的权限集合（如“所有者”“编辑者”“查看者”），简化批量授权，唯一标识为role_id。用户组（UserGroup）：用户的集合（如“产品部”“项目A团队”），支持按组授权，唯一标识为。
2025-08-07 14:33:52
833
原创 【面试场景题】电商秒杀系统的库存管理设计实战
该方案通过“接入层限流→应用层排队→缓存层预扣减→数据库层兜底”的分层设计，既保证了10万QPS下的系统稳定性，又通过Redis原子操作+数据库乐观锁解决了超卖问题。同时，结合异步化、容错机制和防刷策略，兼顾了用户体验与业务安全，可满足秒杀场景的核心需求。
2025-08-06 23:43:06
915
原创 【面试场景题】日志去重与统计系统设计
该方案通过“分治+分布式”解决大数据量问题，通过“磁盘辅助+二次分片”优化内存，通过“流处理框架”支持实时统计，兼顾了效率、容错性和资源限制，符合实际生产场景的工程落地需求。
2025-08-05 23:51:42
557
原创 什么叫湖仓一体
湖仓一体不是数据湖和数据仓库的简单叠加，而是通过技术创新（如事务支持、元数据统一）实现的“1+1>2”的融合架构。它解决了传统数据管理中“数据割裂、场景受限、成本高昂”的痛点，成为企业在“数据驱动”时代的核心数据基础设施。“一个能存所有数据、能做所有分析、还不贵的超级数据中心”。
2025-08-02 22:39:37
833
原创 什么是doris
Apache Doris 是一款基于 MPP 架构的高性能、实时分析型数据库。它以高效、简单和统一的特性著称，能够在亚秒级的时间内返回海量数据的查询结果。Doris 既能支持高并发的点查询场景，也能支持高吞吐的复杂分析场景。基于这些优势，Apache Doris 非常适合用于报表分析、即席查询、统一数仓构建、数据湖联邦查询加速等场景。用户可以基于 Doris 构建大屏看板、用户行为分析、AB 实验平台、日志检索分析、用户画像分析、订单分析等应用。
2025-08-01 23:29:07
1012
清华大学《DeepSeek从入门到精通》PDF-0积分免费下载
2025-02-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人