每日面经02

1.用过哪些集合？hashmap扩容？如果<string>如何查找？散列函数用什么散列为什么大小是2的幂次？如果是key 为abc怎么散列？如何知道key不存在？默认大小是否可以修改 ，改为30 、32 可以不？是否看过源码？hashmap查找时间复杂度？arrayList查找时间复杂度？

1.Java 提供了一系列的集合框架，常用的包括 ArrayList, LinkedList, HashMap, TreeMap, HashSet, TreeSet 等。

2.在添加元素或初始化的时候需要调用resize方法进行扩容，第一次添加数据初始化数组长度为16，以后每次扩容都是达到了扩容阈值（数组长度 * 0.75）,每次扩容的时候，都是扩容之前容量的2倍；扩容之后，会新创建一个数组，需要把老数组中的数据挪动到新的数组中，没有hash冲突的节点，则直接使用 e.hash & (newCap - 1) 计算新数组的索引位置。如果是红黑树，走红黑树的添加。如果是链表，则需要遍历链表，可能需要拆分链表，判断(e.hash & oldCap)是否为0，该元素的位置要么停留在原始位置，要么移动到原始位置+增加的数组大小这个位置上。

3.先计算出key的哈希值，然后直接使用 e.hash & (newCap - 1) 计算新数组的索引位置，从而查找到对应的元素。

4.在Java的HashMap中，容量是2的幂次方（比如16、32、64等），这样设计的主要目的是为了让散列值的分布更加均匀，并且能够利用位运算来代替模运算，以提高计算索引位置的效率。当使用2的幂次作为数组的大小时，计算索引的模运算（通常是hashCode % arraySize）可以被转换为位运算（hashCode & (arraySize - 1)），这是因为arraySize是2的幂次方，所以arraySize - 1将是一个所有位都是1的数字，这样就可以保证散列值均匀分布在数组的各个位置上。

为什么位运算比模运算要快

位运算（如与运算&）直接操作数字的二进制位，而不需要执行除法运算。在计算机处理中，位运算是非常快的，因为它们直接在CPU级别上进行操作，而不涉及更复杂的数学运算。相比之下，模运算（%）通常需要执行除法操作，除法是CPU中较慢的操作之一，尤其是当除数是变量而不是常数时。

如何计算取模

当我们说HashMap的索引位置计算时使用位运算代替模运算，实际上是这样操作的：

1. 计算hashCode：首先计算键的hashCode()方法返回的散列码。
2. 高位运算：在某些实现中，可能会对hashCode进行进一步的处理，如右移和异或操作，以减少高位不变时低位变化不足的问题，这步骤可以提高散列的均匀性。
3. 计算索引位置：最后，使用hashCode & (n - 1)计算这个键应该存放的数组索引，其中n是数组的大小，且为2的幂次方。这里的&操作实际上是取模的一个快速操作，能够确保计算出的索引位置不会超过数组的最大索引。

例如，如果数组大小是16（n = 16），则n - 1 = 15，二进制为1111。任何数与1111进行与运算，都会得到一个0到15之间的数，等同于这个数对16取模的结果，但速度更快。

第一：
计算索引时效率更高：如果是 2 的 n 次幂可以使用位与运算代替取模
第二：
扩容时重新计算索引效率更高：在进行扩容是会进行判断 （(e.hash & oldCap)）hash值按位与运算旧数组长租是否 == 0。如果等于0，则把元素留在原来位置 ，否则新位置是等于旧位置的下标+旧数组长度

5.如果键不存在，通过键的哈希值找到的数组位置将是null或者该位置的链表（或红黑树）中没有与该键相匹配的节点。

6.HashMap的初始大小可以通过构造函数指定，但它总是会被转换成2的幂次方。如果尝试设置为30，实际会被调整为32，因为32是大于30的最小的2的幂次方。

7.

• HashMap的查找时间复杂度在最佳情况下是O(1)。但在最坏的情况下，如果所有的元素都被映射到同一个桶（哈希冲突），时间复杂度会退化到O(n)。自Java 8起，当链表长度大于阈值（默认为8）时，链表会转换成红黑树，这样即使在最坏的情况下时间复杂度也是O(log n)。
• ArrayList的查找时间复杂度是O(n)，因为需要从头到尾遍历列表来查找元素。

2.varchar(50)和varchar(500)有什么区别?内存空间都一样的话，我为什么不都用varchar(500)呢?

1. 数据完整性：字段长度应该根据实际的业务规则来设定。例如，如果一个字段用来存储用户的名字，那么 VARCHAR(50) 通常就足够了。设置适当的长度可以帮助维护数据的完整性，避免不必要的数据错误。

2. 性能考虑：尽管 VARCHAR 类型字段存储实际所用空间加上一个长度标识，并不会因为声明的最大长度而占用更多的物理存储空间，但是在某些操作中，如排序或建立索引时，过长的字段可能会导致性能下降。这是因为数据库可能需要为这些操作分配更多的内存空间，尤其是当这些字段中存储了接近其最大长度的数据时。

3. 存储效率：在设计数据库时，考虑存储效率是很重要的。虽然磁盘空间相对便宜，但是优化存储结构可以提高查询效率，减少IO操作。此外，更高效的存储也意味着更好的缓存利用率和更快的数据访问速度。

4. 应用层验证：在应用层设置字段长度限制也是确保数据质量的一个重要手段。使用 VARCHAR(500) 而非 VARCHAR(50) 意味着在应用层也需要相应地处理更长的字符串输入，这可能会增加数据验证的复杂度。

3.查看一下这两段代码有什么区别？

public class Test {
    private double result = 0.0D;

    public  void addAll(double[] values){
        for (double value : values) {
            result+=value;
        }
        System.out.println(result);
    }

    public void addAll01(double[] values){
        double sum = 0.0D;
        for (double value : values) {
            sum += value;
        }
        result += sum;
        System.out.println(result);
    }

}

这两种实现在功能上是相似的，但第二种实现（下部分）使用了一个额外的局部变量 sum 来存储中间累加结果，这在某些情况下可以避免多线程环境下的竞态条件（race condition），因为修改局部变量不会影响到类的状态，直到最后将累加结果赋给 result。然而，如果 Accumulator 类的实例不是被多个线程共享的，那么这种额外的预防措施可能是不必要的。

4.mysql版本？数据库隔离级别用的哪个？

在我的最近一个项目中，我使用的是MySQL 8.0，这是目前的一个稳定版本，它提供了许多改进的功能和性能优化，比如更好的JSON支持、窗口函数、公共表表达式(CTEs)、提高了索引的效率等。我使用 的是mysql的默认隔离级别不可重复读，他可以解决脏读以及不可重复度问题，而且性能也比较好。

5.如何排查慢查询，explain字段的作用？

我们当时做压测的时候有的接口非常的慢，接口的响应时间超过了2秒以上，因为我们当时的系统部署了运维的监控系统Skywalking ，在展示的报表中可以看到是哪一个接口比较慢，并且可以分析这个接口哪部分比较慢，这里可以看到SQL的具体的执行时间，所以可以定位是哪个sql出了问题如果，项目中没有这种运维的监控系统，其实在MySQL中也提供了慢日志查询的功能，可以在MySQL的系统配置文件中开启这个慢日志的功能，并且也可以设置SQL执行超过多少时间来记录到一个日志文件中，我记得上一个项目配置的是2秒，只要SQL执行的时间超过了2秒就会记录到日志文件中，我们就可以在日志文件找到执行比较慢的SQL了。

 如果一条sql执行很慢的话，我们通常会使用mysql自动的执行计划explain来去查看这条sql的执行情况，比如在这里面可以通过key和key_len检查是否命中了索引，如果本身已经添加了索引，也可以判断索引是否有失效的情况，第二个，可以通过type字段查看sql是否有进一步的优化空间，是否存在全索引扫描或全盘扫描，第三个可以通过extra建议来判断，是否出现了回表的情况，如果出现了，可以尝试添加索引或修改返回字段来修复。

6.sql优化如何优化？

嗯，这个也有很多，比如SELECT语句务必指明字段名称，不要直接使用select * ，还有就是要注意SQL语句避免造成索引失效的写法；如果是聚合查询，尽量用union all代替union ，union会多一次过滤，帅选不重复的数据，效率比较低；如果是表关联的话，尽量使用innerjoin ，不要使用用left join right join，如必须使用 一定要以小表为驱动，内连接会对两个表进行优化，优先把小表放在外面，把大表放在里面。插入数据时最好是批量插入和主键顺序插入，尽量降低主键的长度，主键长度越长，那么数据库的磁盘io就消耗越大。最好根据索引去更新，索引更新是加了行锁，否则是表级锁。

7.索引类型？聚集索引和非聚集索引的区别是什么？

索引是数据库管理系统中用于加速数据检索的数据结构。在数据库中，主要有两种类型的索引：聚集索引（Clustered Index）和非聚集索引（Non-Clustered Index）。它们在存储数据和检索效率方面有着根本的区别：

聚簇索引主要是指数据与索引放到一块，B+树的叶子节点保存了整行数据，有且只有一个，一般情况下主键在作为聚簇索引的。
非聚簇索引值的是数据与索引分开存储，B+树的叶子节点保存对应的主键，可以有多个，一般我们自己定义的索引都是非聚簇索引