Z__XY_的博客

场景需求：设计一个咖啡店点餐系统。设计一个咖啡类（Coffee），并定义其两个子类（美式咖啡【AmericanCoffee】和拿铁咖啡【LatteCoffee】）；再设计一个咖啡店类（CoffeeStore），咖啡店具有点咖啡的功能。在不使用工厂模式情况下，类设计如下：泛化关系(继承)实现关系依赖关系。

ps：在看上面的过程的时候，可能对from和to的相关操作有些疑惑（一会儿的是to一会儿又是from的），其实他们只是一个名字而已，实际就是两块内存，我们可以认为，在进行扫描时，内存中带有数据的为from，即将把数据复制到对应的内存为to。将原有的内存空间一分为二，每次只用其中的一块,正在使用的对象复制到另一个内存空间中，然后将该内存空间清空，交换两个内存的角色，完成垃圾的回收;无碎片，内存使用率低。标记清除算法一样，将存活对象都向内存另一端移动，然后清理边界以外的垃圾，无碎片，对象需要移动，效率低。

类从加载到虚拟机中开始，直到卸载为止，它的整个生命周期包括了：加载、验证、准备、解析、初始化、使用和卸载这7个阶段。加载某一个类，先委托上一级的加载器进行加载，如果上级加载器也有上级，则会继续向上委托，如果该类委托上级没有被加载，子加载器尝试加载该类。比如：方法中调用了其他方法，方法名可以理解为符号引用，而直接引用就是使用指针直接指向方法。其中，前三项都是格式检查，如——文件格式是否错误、语法是否错误、字节码是否合规。：JVM只会运行二进制文件，类加载器的作用就是将。把类中的符号引用转换为直接引用。

JVM: Java Virtual Machine Java程序的运行环境（java二进制字节码的运行环境）一次编写，到处运行自动内存管理，垃圾回收机制。

在实现搜索功能的时候，不能让搜索功能受到保存搜索记录的影响，通常采取异步的方式来保存搜索记录，通过异步线程来实现该功能。当用户输入关键字开始搜索后，正常返回用户搜索的相关数据，再开一个线程来记录用户的历史记录，并把这个新开的线程放到线程池中去执行。上图中，给定初始值count = 3，调用await方法来判断count是否为0，若不为0，则将线程挂起等待，当count等于0之后，该线程才能继续执行。T2，T3，T4执行时，它们都调用了countdown()，每一次调用这个方法，都会对count减一。

newSingleThreadExecutor：创建一个单线程化的线程池，它只会用唯一的工作线程来执行任 务，保证所有任务按照指定顺序(FIFO)执行。newCachedThreadPool：创建一个可缓存线程池，如果线程池长度超过处理需要，可灵活回收空闲线程，若无可回收，则新建线程。newFixedThreadPool：创建一个定长线程池，可控制线程最大并发数，超出的线程会在队列中等待。workQueue：当没有空闲核心线程时，新来任务会加入到此队列排队，队列满会创建救急线程执行任务。

简而言之，它是一种资源竞争的情况，其中每个进程或线程都在等待其他资源的释放，而同时也不释放自己的资源，从而导致所有的进程或线程都陷入了僵局，无法继续执行下去。公平锁的效率往往没有非公平锁的效率高，在许多线程访问的情况下，公平锁表现出较低的吞吐量。在很多的情况下，在Java程序运行时，同步块中的代码都是不存在竞争的，不同的线程交替的执行同步块中的代码。如当state的状态还是0，此时多个线程请求该资源，则通过CAS设置state状态，保证操作的原子性，没有抢到资源的线程从尾部添加到FIFO队列中。

操作系统中有一个组件叫做任务调度器，将cpu的时间片（windows下时间片最小约为 15 毫秒）分给不同的程序使用，只是由于cpu在线程间（时间片很短）的切换非常快，人类感觉是同时运行的。wait() ，wait(long) 和 sleep(long) 的效果都是让当前线程暂时放弃 CPU 的使用权，进入阻塞状态；t.join() 阻塞调用此方法的线程进入timed_waiting，直到线程t执行完成后，此线程再继续执行。一个线程就是一个指令流，将指令流中的一条条指令以一定的顺序交给 CPU 执行。

Arrays.asList转换list之后，如果修改了数组的内容，list会受影响，因为它的底层使用的Arrays类中的一个内部类ArrayList来构造的集合，在这个集合的构造器中，把我们传入的这个集合进行了包装而已，最终指向的都是。不过，二叉树并不要求每个节点都有两个子节点，有的节点只有左子节点，有的节点只有右子节点。二叉查找树要求，在树中的任意一个节点，其左子树中的每个节点的值，都要小于这个节点的值，而右子树节点的值都大于这个节点的值。HashMap的数据结构： 底层使用hash表数据结构，即。

是一个持久层框架，用于简化Java 应用程序与数据库之间的交互过程。具体而言，它提供了一种将数据库操作映射到 Java 方法的方式，通过 XML 文件或注解配置 SQL 语句与 Java 方法的映射关系。使用 MyBatis，开发人员可以通过简单的配置文件或注解来管理 SQL 语句，而不需要直接编写 JDBC 代码。

由于一般在spring的bean的中都是注入无状态的对象，没有线程安全问题，如果在bean中定义了可修改的成员变量，是要考虑线程安全问题的，可以使用多例或者加锁来解决。Spring容器在进行实例化时，会将xml配置的的信息封装成一个BeanDefinition对象，Spring根据BeanDefinition来创建Bean对象，里面有很多的属性用来描述Bean。Spring bean并没有可变的状态(比如Service类和DAO类)，所以在某种程度上说Spring的单例bean是线程安全的。

具体的同步流程为：当主库的数据发生变化，会把操作语句写入到binlog的文件中；读取完成之后，就会把数据写入到从库的中继日志Relay log中；再由从库的SQLthread线程读取Relay log，并执行里面的命令；执行完成之后，主库与从库的数据就会保持一致。MySQL主从复制的核心就是二进制日志（BINLOG），它记录了所有的 DDL（数据定义语言）语句和 DML（数据操纵语言）语句，但不包括数据查询（SELECT、SHOW）语句。主从同步结构：主库负责写数据，从库负责读数据，如图——

这种方式也称为WAL。假设事务 A 在执行查询时读取了某一行数据，然后事务 B 修改了这行数据并提交了事务，之后事务 A 再次执行相同的查询，此时得到的数据就可能与之前不同，导致了不一致的读取结果。若数据还未完成同步，而服务器发生宕机，那么内存中的数据就会丢失，已经操作完成的数据（在缓存中）也会丢失，因此违背了事务的持久化的特性。假设有两个事务，事务 A 读取了事务 B 修改但尚未提交的数据，然后事务 B 回滚了修改，那么事务 A 所读取的数据就是不正确的，因为它读取到了未提交的、“脏”的数据。

因为，当在进行分页查询时，如果执行 limit 9000000,10 ，此时需要MySQL排序前9000010 记录，仅仅返回 9000000 - 9000010 的记录，其他记录丢弃，查询排序的代价非常大。是指一个索引包含了查询语句所需的所有列，从而使得查询可以直接从索引中获取所需的数据，而无需回表查询。覆盖索引通常用于查询语句的列与索引列完全匹配的情况。最左前缀法则（或最左前缀匹配）指的是当一个查询包含了多列的复合索引时，查询条件查询从索引的最左前列开始，并且不跳过索引中的列。

如图，若将老的master(左边的redis)强制降为Slave，此时这个Slave就会去新的master中去同步数据，将自己的数据清空，也因此丢掉了脑裂过程中（它还作为master）写入的数据。读写数据：根据key的有效部分计算哈希值，对16384取余（有效部分，如果key前面有大括号，大括号的内容就是有效部分，如果没有，则以key本身做为有效部分）余数做为插槽，寻找插槽所在的实例。每个部分的哨兵节点都会尝试选举新的主节点，导致整个集群中出现多个主节点，这将导致数据不一致和服务不可用。

上图的流程为：首先，8080的线程1尝试获取分布锁，获取锁后，分布式锁中会添加记录“线程1”，证明该线程已经持有锁了，随后执行自己的业务代码；答：根据业务执行时间预估（但是该方式不太靠谱，万一出现抖动或网络卡顿，都会导致执行时间变慢，这个时间是不好控制的）或 采取给锁续期（创建一个新的线程用于监控，若业务执行时间较长时，就增加这个当前业务线程持有锁的时长——通过redisson实现）。此时，若又有一个新的应用获取到分布式锁，则出现了两个线程同时持有同一把锁的情况，丧失了锁的互斥性，有可能出现脏数据的现象。

可以按照不同的规则进行删除，这种删除规则就被称之为数据的删除策略（数据过期策略）——惰性删除、定期删除。当Redis中的内存不够用时，此时在向Redis中添加新的key，那么Redis就会按照某一种规则将内存中的数据删除掉，这种数据的删除规则被称之为内存的淘汰策略。扫描缓存中的数据（从一定数量的数据库中取出一定数量的随机key进行检查），并删除那些已经过期的数据项。缺点 ：对内存不友好，如果一个key已经过期，但是一直没有使用，那么该key就会一直存在内存中，内存永远不会释放。惰性删除+定期删除。

当有数据被写入数据库，会把数据库发生的变化记录到BINLOG（二进制日志）文件中（如DDL【数据定义语言】语句和DML【数据操纵语言】语句），但不包括数据查询语句（如，SELECT、SHOW）。因为是记录命令，AOF文件会比RDB文件大的多。：由于数据库一般采取的是主从模式，当主节点的数据发生改变时，需要一定的时间等待其他的从结点完成数据同步，因此需要延时删除缓存。在执行更新操作之前，先进行一次删除缓存操作（删除旧数据），等数据库修改之后，再进行一次删除缓存操作（确保删除旧数据），降低脏数据的出现。

流程如图：在该例子中，线程1发现数据的逻辑时间过期后，申请获取互斥锁，在申请成功后，重新创建一个线程——线程2用于更新缓存数据，但线程1不必等到线程2执行结束后再继续执行，而是获取缓存中的旧数据（没有到达物理过期时间，因此还可以获取该数据）继续执行；主要作用是监控 Redis 实例的健康状态，当主节点出现故障或不可用时，自动完成故障转移，并选择一个合适的从节点升级为新的主节点，以保证 Redis 服务的可用性，是Redis提供的一种高可用性解决方案。然后，更新逻辑过期时间，同时更新物理过期时间。

这意味着在将数据加载到缓存中的同时，也对这些数据应用布隆过滤器的哈希函数，并将对应的比特位设置为1。因此，在正式使用之前，布隆过滤器已经包含了预先加载的数据集合，从而在后续的查询过程中，可以利用布隆过滤器先行判断一个元素是否可能存在于缓存中，以提高查询效率。因此，在使用布隆过滤器时，通常是在初始化时构建好布隆过滤器，然后对其进行查询操作，而不是对其进行频繁的更新操作。的数据时，缓存系统无法命中缓存，而每次请求都会直接访问底层存储系统，从而绕过了缓存系统，这种情况就称为缓存穿透。