面试总结

1、自我介绍
2、自己最近从事的项目
3、spring相关
    【1】为何要用spring
    【2】解释下IOC和AOP
        IOC就是依赖控制转化，利用java的反射机制，将示例的初始化都交给spring。spring可以通过配置文件管理实例。
        那为何不用工厂模式？
        因为本质上IOC是通过反射机制来实现的。当我们的需求出现变动时候，工厂模式需要修改相应的源码，有相应的变化。但是IOC的反射机制允许我们不用重新编译源代码，因为反射的对象都是动态生成的。
4、使用过的数据库
mysql、sqlserver、Pgsql、Greenplum、oracle
其中sqlserver开放性差，只能运行在windows上；可伸缩性差，没有并行性，并行实施和共存模型并不成熟，很难处理日益增多的用户数和数据卷，伸缩性有限。也就意味着，如果需要并发，mysql等其他数据库可以增加服务器，以提高性能和吞吐量，sqlserver不可以。
mysql的抗击打能力相对较弱，数据量过大后性能下降。不支持函数和条件索引。
等。
PGsql作为一款收费的数据库服务，其相比较于大多数关系型数据库来说，拥有更多的有事
稳定性强，容灾强。
高并发后保证性能稳定
有丰富的几何类型，子弹，数组等
无锁性突出
可使用函数和条件索引，调优灵活
编程能力牛逼，支持递归。
pg可做到同步复制，异步甚至半异步复制，支持stream复制。
可完全异步。
Greenplum （分布式并行计算）
主营业务关注在数据仓库和商业智能方面
Greenplum的数据库引擎是基于注明的开源数据库Postresql的。

ORM框架
Mybatis框架和hibernate
hibernate在复杂关联中往往会带来严重的性能问题，也就是N+1问题，但是是面向对象支持的最好的框架。Mybatis相对而言比较容易，但是同时也会破坏一些面向对象的规则。
数据库的事务级别和数据的枷锁，比如乐观锁和悲观锁等

假设有一张用户表，正常表只能存放大概一千万或者两千万左右的数据，但是上亿的用户怎么存储。
答：可以纵向分隔和横向分隔
横向分隔，把表拆分成多个表然后分布式存储。具体查询相关资料

Linux
 linux的库函数和内核调用
 内核代用是指进入内核然后执行指令然后再回到用户态。
 查看进程 ：
 ps -aux | grep 
 
 
 JVN虚拟机  底层的模块
 
 
 线程
 什么是线程安全
 比如同时又两个线程访问同一个变量，或者连个线程操作数据库，那么它们对变量造成的修改所带的=来的结果可能是不确定的。
 
 java用什么方法来实现线程安全。
 关键字stnchronized，一些封装好的类，比如CountDownLatch，Atomic，关键字final，lock
实现线程的collections和COncurrentHashMap。

分布式作业
介绍分布式业务，
分布式遇到的问题
CAP问题；CAP是指Consistency一致性，Availability可用性，Partition Tolerance分区容忍性

设计模式
介绍指令模式
类似于函数式编程，指令模式就是指将各个操作封装为统一的接口，并且提供各个操作的实现类。这样我们只需要面向command接口编程，解除了调用类和指令之间的强耦合。

阿里面试必须掌握的内容：
JAVASE，尤其是线程
JVM原理
数据库（事务，加锁，ORM）
Linux
Spring（重点）
分布式作业
设计模式

大数据面试：
1、数仓中拉链表简介，使用场景以及具体实施方案。
拉链表是针对数据仓库中表存储数据的方式而定义的，顾名思义，所谓拉链，就是记录历史。记录一个事物从开始，一直到当前状态的所有变化信息。
使用场景：
由于表设计的原因，部分表的数据量很大，且每天还有增量数据。即使使用ORC压缩，单表的数据仍然庞大，在HDFS的备份就更大。或者需要对表中部分数据进行update操作。
解决方案：
1、每天只保留最新的一份，比如每天用sqoop抽取最新的一份全量数据到hive中（实现简单，就是重新使用抽取的数据替换掉以前的。缺点：没有历史数据）
2、每天保留一份全量的切片数据（比较稳妥，缺点就是存储空间占用量太大）
3、使用拉链表（）
    拉链表的算法原理实现：
        1、采集当日全量数据到ND（NewDay）表；
        2、可从历史表中取出昨日全量数据存储到OD（oldDay）表；
        3、（ND-OD）就是当日新增和变化的数据，也就是当天的增量，用W_I表示；
        4、（OD-ND）为状态到此结束需要封链的数据，用W_U表示；
        5、将W_I表的内容全部插入到历史表中，这些事新增记记录，start_date为当天，而end_date为MAX值；
        6、对历史表进行W_U部分的更新操作，start_date保持不变，而end_date改为当天，也就是关链操作。
        
        拉链表和流水表
        流水表存放的是一个用户的变更记录，比如在一张流水表中，会存放一个用户的每条修改记录，但是在拉链表汇中只有一条记录。
        这是拉链表设计时需要注意的一个粒度问题。
        查询性能：
        拉链表的性能问题，存放更久的数据，数据量也会变得很大，查询的性能就比较低了。
        解决：做索引。保留部分历史数据。提供对外暴露的一张近3个月数据的拉链表。