北京海致网聚

技术一面

介绍你项目中用到的技术，项目有什么亮点？

遇到过什么问题？是怎么解决的？

缓存击穿，缓存穿透，缓存雪崩是什么？解决措施？

• 缓存的处理流程： 前台请求，后台先从缓存中取数据，取到直接返回结果，取不到时从数据库中取，数据库取到后更新缓存，并返回结果，数据库也没取到，那直接返回空结果。
• 缓存穿透： 查询一个一定不存在的数据，由于缓存未命中时需要从数据库查询，查不到数据则不写入缓存，这将导致这个不存在的数据每次请求都要到数据库去查询，进而给数据库带来压力。（查不到东西）

措施	描述
布隆过滤器	它是一种数据结构，对所有可能查询的参数以hash形式存储，在控制层先进行校验，不符合则丢弃，从而避免了对底层存储系统的查询压力。
缓存空对象	当存储层不命中后，即使返回的空对象也将其缓存起来，同时会设置一个过期时间，之后再访问这个数据将会从缓存中获取，保护了后端数据源。

• 缓存击穿： 热点key在某个时间点过期的时候，而恰好在这个时间点对这个Key有大量的并发请求过来，从而大量的请求打到数据库上面。（相当于在一个墙壁上凿出一个洞）

措施	描述
设置热点数据永不过期	从缓存层面来看，没有设置过期时间，所以不会出现热点 key 过期后产生的问题。
加互斥锁	使用分布式锁，保证对于每个key同时只有一个线程去查询后端服务，其他线程没有获得分布式锁的权限，因此只需要等待即可。这种方式将高并发的压力转移到了分布式锁，因此对分布式锁的考验很大。

• 缓存雪崩： 缓存中数据大批量到过期时间，而查询数据量巨大，引起数据库压力过大甚至宕机。（部分数据集中过期，很多数据都查不到）

措施	描述
redis高可用	既然redis有可能挂掉，那就多增设几台redis，这样一台挂掉之后其他的还可以继续工作，其实就是搭建的集群。（异地多活！）
限流降级	在缓存失效后，通过加锁或者队列来控制读数据库写缓存的线程数量。比如对某个key只允许一个线程查询数据和写缓存，其他线程等待。
数据预热	在正式部署之前，我先把可能的数据先预先访问一遍，这样部分可能大量访问的数据就会加载到缓存中。在即将发生大并发访问前手动触发加载缓存不同的key，设置不同的过期时间，让缓存失效的时间点尽量均匀。

redis集群中，数据备份怎么做？

主从复制是什么？

（Master&Slave）也就是我们所说的主从复制，主机数据更新后根据配置和策略，自动同步到备机。Master以写为主，Slave以读为主。Redis主从复制可以根据是否是全量分为全量同步和增量同步。

• Redis主从同步策略

主从刚刚连接的时候，进行全量同步；全同步结束后，进行增量同步。当然，如果有需要，slave 在任何时候都可以发起全量同步。redis 策略是，无论如何，首先会尝试进行增量同步，如不成功，要求从机进行全量同步。

redis集群的主节点有几个？

可以有多个主节点比如：一主二从，三主三从
结点最多可以有16384个

java中锁的类型有哪些？

• 公平锁/非公平锁
• 可重入锁
• 独享锁/共享锁
• 互斥锁/读写锁
• 乐观锁/悲观锁
• 分段锁
• 偏向锁/轻量级锁/重量级锁
• 自旋锁

synchronized和volate解释一下

锁相关问题

CAS自旋锁，ABA问题描述一下

• 非阻塞的实现CAS（compareandswap）

1. CAS指令需要有3个操作数，分别是内存地址（在java中理解为变量的内存地址，用V表示）、旧的预期值（用A表示）和新值（用B表示）。
2. CAS指令执行时，当且仅当V处的值符合旧预期值A时，处理器用B更新V处的值，否则它就不执行更新，但是无论是否更新了V处的值，都会返回V的旧值，上述的处理过程是一个原子操作。

• CAS缺点

1. ABA问题： 因为CAS需要在操作值的时候检查下值有没有发生变化，如果没有发生变化则更新，但是一个值原来是A，变成了B，又变成了A，那么使用CAS进行检查时会发现它的值没有发生变化，但是实际上却变化了。
2. 使用版本号解决ABA问题： 在变量前面追加版本号，每次变量更新的时候把版本号加一，那么A-B-A就变成了1A-2B-3C。JDK的atomic包里提供了一个类AtomicStampedReference来解决ABA问题。这个类的compareAndSet方法作用是首先检查当前引用是否等于预期引用，并且当前标志是否等于预期标志，如果全部相等，则以原子方式将该引用和该标志的值设置为给定的更新值。
3. 性能消耗大： 自旋CAS如果长时间不成功，会给CPU带来非常大的执行开销。

IOC和AOP你怎么理解的？

• IOC：创建对象和维护对象之间的关系是繁琐的，将这部分任务交给容器，传统上由程序代码操控的对象，有了IOC容器之后，将调用权交给容器，来实现对象组件的装配和管理。
• AOP：OOP是面向对象，AOP是面向切面，将那些与业务无关，但是却对多个对象产生影响的逻辑抽取出来，封装成一个可重用的模块，这就是切面，减少重复代码，解耦，如权限认证，日志，事务处理。

Spring的事务是怎么实现的？

• Spring事务的本质其实就是数据库对事务的支持，没有数据库的事务支持，spring是无法提供事务功能的。
• 真正的数据库层的事务提交和回滚是通过binlog或者redo log实现的。

@aspect是什么原理，怎么实现的？

• 可以简单地认为, 使用 @Aspect 注解的类就是切面。
• aspect 由 pointcount 和 advice 组成，切面是通知和切点的结合。 它既包含了横切逻辑的定义, 也包括了连接点的定义. Spring AOP 就是负责实施切面的框架, 它将切面所定义的横切逻辑编织到切面所指定的连接点中。
• AOP 的工作重心在于如何将增强编织目标对象的连接点上, 包含两个工作

1. 如何通过 pointcut 和 advice 定位到特定的 joinpoint 上
2. 如何在 advice 中编写切面代码

BeanFactory和ApplicationContext的异同？

• BeanFactory和ApplicationContext是Spring的两大核心接口，都可以当做Spring的容器。其中ApplicationContext是BeanFactory的子接口。
• BeanFactory需要手动注册，而ApplicationContext则是自动注册。
• 依赖关系

1. BeanFactory：是Spring里面最底层的接口，包含了各种Bean的定义，读取bean配置文档，管理bean的加载、实例化，控制bean的生命周期，维护bean之间的依赖关系。
2. ApplicationContext接口作为BeanFactory的派生，除了提供BeanFactory所具有的功能外，还提供了更完整的框架功能

• 加载方式

3. BeanFactroy采用的是延迟加载形式来注入Bean的，即只有在使用到某个Bean时(调用getBean())，才对该Bean进行加载实例化。这样，我们就不能发现一些存在的Spring的配置问题。如果Bean的某一个属性没有注入，BeanFacotry加载后，直至第一次使用调用getBean方法才会抛出异常。

4. ApplicationContext，它是在容器启动时，一次性创建了所有的Bean。这样，在容器启动时，我们就可以发现Spring中存在的配置错误，这样有利于检查所依赖属性是否注入。 ApplicationContext启动后预载入所有的单实例Bean，通过预载入单实例bean ,确保当你需要的时候，你就不用等待，因为它们已经创建好了。

5. 相对于基本的BeanFactory，ApplicationContext 唯一的不足是占用内存空间。当应用程序配置Bean较多时，程序启动较慢。

hashmap和concurrentHashmap的实现，为什么使用分段锁?

hashmap源码分析
concurrentHashmap源码分析

数据库的引擎有哪些，区别是什么？

数据库引擎

数据库引擎的索引是怎么实现的？

• 索引的原理：索引用来快速地寻找那些具有特定值的记录。如果没有索引，一般来说执行查询时遍历整张表。就是把无序的数据变成有序的查询。
• 索引的数据结构和具体存储引擎的实现有关
• 在MySQL中使用较多的索引有Hash索引，B+树索引等，而我们经常使用的InnoDB存储引擎的默认索引实现为：B+树索引。
• 对于哈希索引来说，底层的数据结构就是哈希表，因此在绝大多数需求为单条记录查询的时候，可以选择哈希索引，查询性能最快；其余大部分场景，建议选择BTree索引。

聚簇索引和非聚簇索引，主键索引的区别

• 全文索引: 是目前搜索引擎使用的一种关键技术
• 普通索引: 基本的索引类型，没有唯一性的限制，允许为NULL值。
• 主键索引: 数据列不允许重复，不允许为NULL，一个表只能有一个主键。
• 唯一索引: 数据列不允许重复，允许为NULL值，一个表允许多个列创建唯一索引。
• 聚簇索引： 将数据存储与索引放到了一块，找到索引也就找到了数据
• 非聚簇索引： 将数据存储于索引分开结构，索引结构的叶子节点指向了数据的对应行，myisam通过key_buffer把索引先缓存到内存中，当需要访问数据时（通过索引访问数据），在内存中直接搜索索引，然后通过索引找到磁盘相应数据，这也就是为什么索引不在key buffer命中时，速度慢的原因

事务的隔离级别有哪些？都解决了什么问题？

读未提交： 最低的隔离级别，允许读取尚未提交的数据变更，可能会导致脏读、幻读或不可重复读。
读已提交： 允许读取并发事务已经提交的数据，可以阻止脏读，但是幻读或不可重复读仍有可能发生。
可重复读： 对同一字段的多次读取结果都是一致的，除非数据是被本身事务自己所修改，可以阻止脏读和不可重复读，但幻读仍有可能发生。
可串行化： 最高的隔离级别，完全服从ACID的隔离级别。所有的事务依次逐个执行，这样事务之间就完全不可能产生干扰，也就是说，该级别可以防止脏读、不可重复读以及幻读。

脏读，幻读，重复读分别是什么？

• 脏读(Drity Read)：某个事务已更新一份数据，另一个事务在此时读取了同一份数据，由于某些原因，前一个RollBack了操作，则后一个事务所读取的数据就会是不正确的。
• 不可重复读(Non-repeatable read):在一个事务的两次查询之中数据不一致，这可能是两次查询过程中间插入了一个事务更新的原有的数据。
• 幻读(Phantom Read):在一个事务的两次查询中数据笔数不一致，例如有一个事务查询了几列(Row)数据，而另一个事务却在此时插入了新的几列数据，先前的事务在接下来的查询中，就会发现有几列数据是它先前所没有的。

算法题：给一个正数N，开根号，要求误差在0.1内，怎么实现？

冒泡排序，快速排序。