Java程序员11面阿里，错失offer，期间还面了EMC+网易+美团......

一直在面阿里，从提前批投蚂蚁中间件与阿里中间件，最后阿里中间件面完了hr，但是很遗憾最后没能进，被调到了盒马。不过最终还是拿到了盒马的offer。期间还面了EMC、网易、携程（水到不行）、美团、拼多多，目前出了美团跟拼多多没有出结果，其他几家公司也都顺利拿到意向，在此回馈一波大家。

面经部分出自阿里，其他几家公司有少部分补充，内容是个人整理，如有不对，还请纠正，谢谢！

网络编程

ISO模型与协议

应用层:为操作系统或网络应用程序提供访问网络服务的接口。协议Telnet、FTP、HTTP、SNMP、DNS

http1.0：需要使用keep-alive参数来告知服务器端要建立一个长连接

http1.1：默认长连接。支持只发送header信息，可以用作权限请求。支持Host域。

http2.0：多路复用的技术，做到同一个连接并发处理多个请求。HTTP2.0使用HPACK算法对header的数据进行压缩。支持HTTP2.0的web server请求数据的时候，服务器会顺便把一些客户端需要的资源一起推送到客户端，免得客户端再次创建连接发送请求到服务器端获取。这种方式非常合适加载静态资源。

表示层:对上层数据进行变换(加密、解密、压缩、格式转换等)，确保两台主机的应用层程序能过理解。协议ASCII、ASN.1、JPEG、MPEG

会话层:负责管理主机之间的会话进程，负责建立、管理、终止进程之间的会话。

传输层:将上层数据分段并提供端到端的、可靠的或不可靠的传输，还要处理端到端的差错控制和流量控制问题。协议TCP、UDP、SPX

网络层:对子网间的数据包进行路由选择。此外，网络层还可以实现拥塞控制、网际互连等功能。协议IP、IPX、RIP、OSPF

数据链路层:在不可靠的物理介质上提供可靠的传输。该层的作用包括：物理地址寻址、数据的成帧、流量控制、数据的检错、重发等。协议SDLC、HDLC、PPP、STP、帧中继

物理层:为上层协议提供了一个传输数据的物理媒体。

TCP\IP模型与协议

应用层：单位是数据段，协议有FTP、TELNET、HTTP、SMTP、SNMP、TFTP、NTP、DNS

运输层：单位是数据包，协议有TCP、UDP

网络层：单位是数据帧，协议有IP

网络接口层：单位是比特，ARP、RARP

三次握手与四次挥手

tcp拆包粘包

由于一批发送的数据太多或缓冲区太小，将一批数据分成多个segment来发送，叫拆包。

将多批小数据写入一个缓冲区，或读取不及时，一个缓冲区存在多批数据，叫粘包。

解决方式：根据消息头中的长度与偏移量来重组数据。设置定长消息，使得一个缓冲区中的segment总是一批数据的。设置消息边界。

BIO NIO AIO

BIO：同步阻塞IO，每个请求都要一个线程来处理。

NIO：同步非阻塞IO，一个线程可以处理多个请求，适用于短连接、小数据。

AIO：异步非阻塞IO，一个线程处理多个请求，使用回调函数实现，适用于长连接、大数据。

DDOS攻击原理与防御方式

SYN flood:伪造ip地址发送请求，占满半连接队列，导致正常链接被服务器抛弃。攻击方需要很高的带宽资源。

ACK flood：大量ACK连接请求服务器，服务器需要花费CPU资源去查询连接队列并回应。只有当流量很高时才会对服务器造成影响。

Connection Flood：利用真实IP，在服务器上建立大量连接，从而占满服务器连接队列，导致正常连接被丢弃。

HTTP Get Flood：发送大量会产生sql查询的连接，使得数据库负载很高。

CSRF跨站请求伪造原理

攻击者盗用了你的身份，以你的名义发送恶意请求。

CSRF攻击是源于WEB的隐式身份验证机制！WEB的身份验证机制虽然可以保证一个请求是来自于某个用户的浏览器，但却无法保证该请求是用户批准发送的！

防御方式：1.验证码；2. 后台生成token，让前端请求携带。3.使用对称加密，后端随机给前端一个密钥，前端进行加密，后端解密。

会话劫持

通过暴力破解、 预测、窃取（通过XSS攻击）等方式获取到用户session

防御方式

更改Session名称

关闭透明化Session ID。透明化Session ID指当浏览器中的Http请求没有使用Cookie来存放Session ID时，Session ID则使用URL来传递。

设置HttpOnly。通过设置Cookie的HttpOnly为true，可以防止客户端脚本访问这个Cookie，从而有效的防止XSS攻击。

XSS攻击

XSS攻击是Web攻击中最常见的攻击方法之一，它是通过对网页注入可执行代码且成功地被浏览器执行，达到攻击的目的，形成了一次有效XSS攻击，一旦攻击成功，它可以获取用户的联系人列表，然后向联系人发送虚假诈骗信息，可以删除用户的日志等等，有时候还和其他攻击方式同时实施比如SQL注入攻击服务器和数据库、Click劫持、相对链接劫持等实施钓鱼，它带来的危害是巨大的，是web安全的头号大敌。

XSS反射型攻击，恶意代码并没有保存在目标网站，通过引诱用户点击一个链接到目标网站的恶意链接来实施攻击的。

XSS存储型攻击，恶意代码被保存到目标网站的服务器中，这种攻击具有较强的稳定性和持久性，比较常见场景是在博客，论坛等社交网站上，但OA系统，和CRM系统上也能看到它身影，比如：某CRM系统的客户投诉功能上存在XSS存储型漏洞，黑客提交了恶意攻击代码，当系统管理员查看投诉信息时恶意代码执行，窃取了客户的资料，然而管理员毫不知情，这就是典型的XSS存储型攻击。

+解决方法

在表单提交或者url参数传递前，对需要的参数进行过滤

过滤用户输入。检查用户输入的内容中是否有非法内容。如<>（尖括号）、”（引号）、 ‘（单引号）、%（百分比符号）、;（分号）、()（括号）、&（& 符号）、+（加号）等

RPC与HTTP服务的区别

数据库原理

MYISAM与innodb搜索引擎原理

MyISAM引擎使用B+Tree作为索引结构，叶节点的data域存放的是数据记录的地址。其采用索引文件与数据文件，索引文件只存放索引，叶子节点存放数据的物理地址。数据文件存放数据。其索引方式是非聚集的。

InnoDB也使用B+Tree作为索引结构。但是它的主索引与数据都放在一个文件中。这种索引叫做聚集索引，因为InnoDB的数据文件本身要按主键聚集，所以InnoDB要求表必须有主键（MyISAM可以没有），如果没有显式指定，则MySQL系统会自动选择一个可以唯一标识数据记录的列作为主键，如果不存在这种列，则MySQL自动为InnoDB表生成一个隐含字段作为主键，这个字段长度为6个字节，类型为长整形。

区别一：InnoDB的主索引与数据都放在一个文件中。而MYISAM是分开存放的。

区别二：InnoDB的辅助索引data域存储相应记录主键的值而不是地址。

区别三：InnoDB的主键索引是聚集索引，而MYISAM不是聚集索引。

索引，聚簇索引和二级索引的加锁区别

聚集（clustered）索引，也叫聚簇索引。数据行的物理顺序与列值（一般是主键的那一列）的逻辑顺序相同，一个表中只能拥有一个聚集索引。

非聚集（unclustered）索引。该索引中索引的逻辑顺序与磁盘上行的物理存储顺序不同，一个表中可以拥有多个非聚集索引。会发生二次查询。

稠密索引:稠密索引文件中的索引块保持键的顺序与文件中的排序顺序一致。

稀疏索引:稀疏索引没有为每个数据都创建一个索引,它比稠密索引节省了更多的存储空间，但查找给定值的记录需更多的时间。只有当数据文件是按照某个查找键排序时，在该查找键上建立的稀疏索引才能被使用，而稠密索引则可以应用在任何的查找键。

联合索引:将一张表中多个列组成联合索引(col1,col2,col3)，其生效方式满足最左前缀原则。

最左前缀:假如我们创建了联合索引(col1,col2,col3)，那么相当于创建了(col1),(col1,col2),(col1,col2,col3)这3个索引，然后where条件会根据出现的列名挑选最严格的索引。例如where col1=? and col2=? and col3=?，那么就会使用(col1,col2,col3)；如果where col1=? and col3 =?，那么就会使用(col1)；如果where col2=? and col3=?，那么一个都不会使用。因此在创建多列索引时，要根据业务需求，where子句中使用最频繁的一列放在最左边。

选择性:不重复数占所有记录的比例，假如有10w条记录，unique之后有9w条，那么选择性位90%。主要有两个作用：1. 查看某一列是否有必要建立索引；2. 对于String、hash值、日期等字段，应该取多少位来建立索引(即使用前缀索引)，因为主键越短，整个索引表越小。

覆盖索引:对于二级索引而言，在innodb中一般是需要先根据二级索引查询到主键，然后在根据一级索引查询到数据。但是如果select的列都在索引中，就避免进行一级查询。

主键选择

在使用InnoDB存储引擎时，如果没有特别的需要，请永远使用一个与业务无关的自增字段作为主键。

where 1 = 1:能够方便我们拼sql，但是使用了之后就无法使用索引优化策略，因此会进行全表扫描，影响效率。

分表分库

水平拆分：依据表中的数据的逻辑关系，将同一个表中的数据依照某种条件拆分到多台数据库（主机）上面。按照1个或多个字段以及相应的规则，将一张表重的数据分到多张表中去。比如按照id%5的规则，将一张大表拆分成5张小表。适合具有超大表的系统。

垂直拆分：依照不同的表（或者Schema）来切分到不同的数据库（主机）之上。一般按照模块来分库。适合各业务之间耦合度非常低的系统。

validationQuery：用来验证数据库连接的查询语句，这个查询语句必须是至少返回一条数据的SELECT语句。

select锁定记录

select * from table where ?;不加锁

将查询放到事物中

select * from table where ? lock in share mode;加共享锁

select * from table where ? for update;加排它锁

insert, update, delete；加排它锁

隔离级别

read uncommit:读不加锁，写加共享锁。会产生脏读、幻读。

read commit：读加共享锁，写加排它锁，但不加间隙锁。间隙锁的主要作用是防止不可重复读，但会加大锁的范围。

repeatable read(innodb默认):读加共享锁，写加间隙排它锁。注意，Innodb对这个级别进行了特殊处理，使得这个级别能够避免幻读，但不是所有引擎都能够防止幻读！(网易面试官问)

serialization：会给整张表加锁，强一致，但是效率低。

innodb中的锁

MVCC(multi-Version Concurrency Control)：读不加锁，读写不冲突。适合写少读多的场景。读操作分为：快照读（返回记录的可见版本，不加锁）、当前读（记录的最新版本，加锁，保证其它记录不修改）。

LBCC(Lock-Based Concurrency Control)：

join原理

Simple Nested-Loop Join：效率最低，按照join的次序，在join的属性上一个个扫描，并合并结果。

Index Nested-Loop Join：效率最高，join的属性上面有索引，根据索引来匹配。

Block Nested-Loop Join：用于没有索引的列。它会采用join buffer，将外表的值缓存到join buffer中，然后与内表进行批量比较，这样可以降低对外表的访问频率

galera

多主架构：真正的多点读写的集群，在任何时候读写数据，都是最新的。

同步复制，各节点间无延迟且节点宕机不会导致数据丢失。

紧密耦合，所有节点均保持相同状态，节点间无不同数据。

无需主从切换操作。

无需进行读写分离。

并发复制：从节点在APPLY数据时，支持并行执行，有更好的性能表现。

故障切换：在出现数据库故障时，因为支持多点写入，切的非常容易。

热插拔：在服务期间，如果数据库挂了，只要监控程序发现的够快，不可服务时间就会非常少。在节点故障期间，节点本身对集群的影响非常小。

自动节点克隆：在新增节点，或者停机维护时，增量数据或者基础数据不需要人工手动备份提供，Galera Cluster会自动拉取在线节点数据，最终集群会变为一致。

对应用透明：集群的维护，对应用程序是透明的，几乎感觉不到。

以下是缺点

目前的复制仅仅支持InnoDB存储引擎

DELETE操作不支持没有主键的表

在多主环境下LOCK/UNLOCK TABLES不支持以及锁函数GET_LOCK(), RELEASE_LOCK()

由于集群是乐观的并发控制，事务commit可能在该阶段中止。

整个集群的写入吞吐量是由最弱的节点限制，如果有一个节点变得缓慢，那么整个集群将是缓慢的。为了稳定的高性能要求，所有的节点应使用统一的硬件。

LSM Tree，主要应用于nessDB、leveldb、hbase

核心思想的核心就是放弃部分读能力，换取写入的最大化能力。它假设假定内存足够大，因此不需要每次有数据更新就必须将数据写入到磁盘中，而可以先将最新的数据驻留在内存中，等到积累到最后多之后，再使用归并排序的方式将内存内的数据合并追加到磁盘队尾。（使用归并排序是要因为带排序树都是有序树）

LSM具有批量特性，存储延迟。B树在insert的时候可能会造成分裂，可能会造成随机读写。而LSM将多次单页随机写，变成一次多页随机写,复用了磁盘寻道时间，极大提升效率。

LSM Tree放弃磁盘读性能来换取写的顺序性。

一般会使用Bloom Filter来优化LSM。当将内存中的数据与磁盘数据合并的时候，先要判断数据是否有重复，如果不用Bloom Filter就需要在磁盘上一层层地找，而使用了之后就会降低搜索代价。

多线程

synchronized、CAS

Collections

支持高并发的数据结构，如ConcurrentHashMap

基于AQS实现的锁、信号量、计数器原理

Runnable与Callable的区别

线程池

作用

减少在创建和销毁线程上所花的时间以及系统资源的开销 。

当前任务与主线程隔离，能实现和主线程的异步执行，特别是很多可以分开重复执行的任务。

阻塞队列

threadlocal

框架

Spring

IOC/DI Core、Beans、Context、Expression Language JDBC、ORM、OXM、JMS、Transaction AOP Web Test @Autowired原理 工厂模式 反射

自动配置

@ConfigurationProperties(prefix = "hello")：读取以hello为开头的配置，属性类使用

@Configuration：指名当前类为配置类

@EnableConfigurationProperties(Properties)：指名配置属性类

@ConditionalOnClass(Condition.class)：条件类，只有Condition.class存在，当前配置类才生效

Spring Boot在spring.factories配置了很多全限定名的配置类。

Netty架构

Redis

核心原理

常用数据类型

String:二进制安全，可以存任何数据，比如序列化的图片。最大长度位512M.

Hash:是KV对集合，本质是String类型的KV映射，适合存储对象。

List:简单字符串链表，可以在left、right两边插入，本质是双向链表。缓冲区也是用这个实现。

Set:String类型的无序集合,内部实现是一个 value永远为null的HashMap，实际就是通过计算hash的方式来快速排重的，这也是set能提供判断一个成员是否在集合内的原因。

zset:有序集合，每个元素会关联一个double类型的score，然后根据score进行排序。注意：元素不能重复，但是score是可以重复的。使用HashMap和跳跃表(SkipList)来保证数据的存储和有序，HashMap里放的是成员到score的映射，而跳跃表里存放的是所有的成员，排序依据是HashMap里存的score.

pub/sub:在Redis中，你可以设定对某一个key值进行消息发布及消息订阅，当一个key值上进行了消息发布后，所有订阅它的客户端都会收到相应的消息。

持久化

RDB：一种是手动执行持久化命令来持久化快照；另一种是在配置文件中配置策略，来自动持久化。持久化命令有save、bgsave两种，bgsave会调用fork命令，产生子进程来进行持久化，而父进程继续处理数据，但是持久化的快照是fork那一刻的快照，因此这种策略可能会丢失一部分数据。特点：每次都记录所有数据，恢复快，子进程不影响父进程性能。

AOF：append only file，将每条操作命令都记录到appendonly.aof文件中，但是不会立马写入硬盘，我们可以配置always（每有一个命令，都同步）、everysec（每秒同步一次）、no（没30秒同步一次）。往往everysec就够了。aof数据损失要比RDB小。特点：有序记录所有操作，数据丢失更少，会对操作做压缩优化，bgrewriteaof也会fork子进程，不影响父进程性能

事务

Transactions:不是严格的ACID的事务，但是这个Transactions还是提供了基本的命令打包执行的功能（在服务器不出问题的情况下，可以保证一连串的命令是顺序在一起执行的，中间有会有其它客户端命令***来执行）。

Redis还提供了一个Watch功能，你可以对一个key进行Watch，然后再执行Transactions，在这过程中，如果这个Watched的值进行了修改，那么这个Transactions会发现并拒绝执行。

KafKA

topic

broker

partition

consumer

producer

stream

存储机制

网络模型

注意：partition之间是无序的

消息队列的生产者消费者中消费者没有收到消息怎么办，消息有顺序比如1.2.3但是收到的却是1.3.2怎么办？消息发过来的过程中损坏或者出错怎么办

Spring security

拦截器栈

@PreAuthorize

@PostAuthorize

支持Expression Language

jvm原理

内存模型

垃圾收集器,CMS与G1是重点

垃圾收集算法

标记-清除(CMS)容易产生碎片，当碎片太多会提前触发Full GC

复制(年轻代基本用这个算法)会浪费一半的可能感觉

标记-整理(serial Old、Parallel Old)

Serial：采用单线程stop-the-world的方式进行收集。当内存不足时，串行GC设置停顿标识，待所有线程都进入安全点(Safepoint)时，应用线程暂停，串行GC开始工作，采用单线程方式回收空间并整理内存。串行收集器特别适合堆内存不高、单核甚至双核CPU的场合。

ParNew

Parallel Scavenge

CMS：

初始标记(stop of world)

并行标记、预清理

重新标记(stop of world)

并行清理

重置

G1：将堆分成很多region，可以同时堆年轻代与老年代进行收集

初始标记（stop of world）:初始标记(Initial Mark)负责标记所有能被直接可达的根对象(原生栈对象、全局对象、JNI对象)

并行标记:

重新标记（stop of world）:

清理（stop of world）:

重置:

Pause Prediction Model(停顿预测模型)

核心代码MAX2(seq->davg() + sigma() * seq->dsd(),seq->davg() * confidence_factor(seq->num()))；其中seq->davg()表示衰减均值，sigma()返回一个系数，表示信赖度，dsd表示衰减标准偏差，confidence_factor表示可信度相关系数。

gc触发条件

从年轻代分区拷贝存活对象时，无法找到可用的空闲分区，会触发Minor GC

从老年代分区转移存活对象时，无法找到可用的空闲分区，会触发Major GC

分配巨型对象时在老年代无法找到足够的连续分区，会触发Major GC

可达性分析：通过检查一块内存空间能否被root达到，来判断是否对其进行回收。

jdk不同版本新增的部分特性

1.7

switch语句中支持使用字符串了

try catch支持捕获多个异常，竖线分割异常即可

try块中使用的资源可以不用手动在finally中关闭

支持 List tempList = new ArrayList<>()的声明方式，其实是泛型实例化类型自动推断。

提供自定义关闭类的接口，实现AutoCloseable ，就可以在类销毁的时候自动关闭一些资源。

1.8

接口的默认方法

Lambda 表达式，@FunctionInterface注解

允许你使用 :: 关键字来传递方法或者构造函数引用

在包java.time下包含了一组全新的时间日期API。

jvm调优

VisualVM:JDK自带JVM可视化工具，能过对内存、gc、cpu、thread、class、变量等等信息进行可视化。

类加载

类加载器

Bootstrap ClassLoader:由c语言实现，用来加载JVM自身工作需要的类。这个类不在双亲委派体系中。

ExtClassLoader:用于加载java\jre\lib\ext目录下的jar

AppClassLoader:父类加载器为ExtClassLoader，会加载classpath下所有的类。

类加载方式

隐士加载：不通过代码里面调用ClassLoader来加载需要的类，而是通过JVM来自动加载需要的类到内存。

显示加载：通过调用ClassLoader.loadClass或Class.forName()，或自己实现ClassLoader的findClass方法来加载类。

自定义ClassLoader:父类加载器总是getSystemClassLoader()方法获取到的ClassLoader。因为不管调用哪个父类加载器，创建对象最终都会调用getSystemClassLoader作为父加载器，在一般应用中getSystemClassLoader会获取AppClassLoader，但在tomcat中getSystemClassLoader()会返回StandardClassLoader。

流程：加载(调用findClass方法)->验证(各种检查)->准备(将静态属性用零值初始化)->解析(将符号引用替换成直接引用)->初始化(调用clinit方法)

双亲委派：记载一个类的时候，会先递归检查父类是否加载过，避免重加载。如果发生重加载，那原来的类与新加载的类 stanceof判断是false。

热部署：利用判断两个class是否是同一个，需要校验类名与类加载器是否一样的原理。热部署的类都是用完释放，每次使用都先new一个classLoader，然后用这个classLoader来加载这个类，这样生成的类虽然与之前的名称一样，但是实际上不是同一个。

javac编译器

读取源码

词法分析，从原文件的字符开始，按照java语法规范依次找出package、import、类定义、属性、方法、关键词等。

语法分析，形成一颗符合java规范的抽象语法树，它能将主要词法用一个结构化的形式去表达。

语义分析，将一些难懂的、复杂的语法转化为更加简单的语法。比如添加解除语法糖、默认构造方法、检查语句是否可达、检查变量类型是否匹配、检查checked exception 是否捕捉或抛出.

通过字节码生成器生成字节码

interface可以多继承；class只能单继承，多实现

String

无法被继承，因为它是final class，其被设计成final主要出于以下考虑：

字符串常量池的需要。字符串常量池的诞生是为了提升效率和减少内存分配。字符串重复的可能性很高，并且其不可变性能够方便常量池优化。

安全性考虑。正因为使用字符串的场景如此之多，所以设计成不可变可以有效的防止字符串被有意或者无意的篡改。（但是通过反射还是可以入侵的）

作为HashMap、HashTable等hash型数据key的必要。因为不可变的设计，jvm底层很容易在缓存String对象的时候缓存其hashcode，这样在执行效率上会大大提升。

String.equals()是的实现是逐字符比较两个String对象的char，而==是比较引用。

String.intern()会获取在字符串常量池中的字符串对象，如果该字符串不在常量池中，那会将它假如常量池，然后再返回该对象。因此如果连个String的值一样，那么调用intern()方法返回的都是其再常量池中的对象，而常量池中一样的字符串只有一个对象，因此使用==比较也是true。

int的范围-2^32~2^32-1

序列化的底层实现

java深拷贝

实现Cloneable接口的clone方法

通过序列化实现

设计模式

单例

双重检查

静态内部类

枚举(jdk1.8之后支持)

观察者模式

装饰者模式:jdk中输入输出流用到了该模式

适配器模式:jdk中Reader、writer用到了该模式

***模式

静态***

JDK动态***

Cglib到动态***

生产者消费者模式

工厂模式

项目管理与运维工具

git+Jenkins

maven

K8S

pod：Pod是所有业务类型的基础，所有的容器均在Pod中运行,它是一个或多个容器的组合。每一个Pod都会被指派一个唯一的Ip地址，在Pod中的每一个容器共享网络命名空间，包括Ip地址和网络端口。Pod能够被指定共享存储卷的集合，在Pod中所有的容器能够访问共享存储卷，允许这些容器共享数据。

kubelet：kubelet负责管理pods和它们上面的容器，images镜像、volumes、etc。

kube-proxy：为Service提供cluster内部的服务发现和负载均衡；

etcd：所有master的持续状态都存在etcd的一个实例中。这可以很好地存储配置数据。因为有watch(观察者)的支持，各部件协调中的改变可以很快被察觉。

一旦一个Pod被创建，系统就会不停的监控Pod的健康情况以及Pod所在主机的健康情况，如果这个Pod因为软件原因挂掉了或者所在的机器挂掉了，replication controller 会自动在一个健康的机器上创建一个一摸一样的Pod,来维持原来的Pod冗余状态不变，一个应用的多个Pod可以共享一个机器。

ingress，用于负载均衡

docker

docker与虚拟机的区别

数据结构

平衡二叉树AVL

高度log(n)

插入时间复杂度log(n)

红黑树

插入时间复杂度log(n)

查找时间复杂度log(n)

在查找是，红黑树虽然复杂度也是log(n),但是从效率上比要略低于AVL。但是其优势在于插入元素的时候，不会像AVL那样频繁地旋转。

B+Tree：只有叶子节点存值，非叶子节点只存key和child，因此同样大小的物理页上能存放更多的节点。每一层的节点数量越多，意味着层次越少，也就意味着IO次数越少，因此非常适合数据库以及文件系统。

大根堆：采用数组存储树，是一个完全树。先插入到数组最后的位置上，然后采用上浮的思想，将该元素与比它小的父元素调换，直到parent>target，浮到root;然后将root与未排序的最后一个元素交换位置；重复以上步骤，直到所有元素都有序。插入如查找的复杂度都是log(n)。

优先队列PriorityQueue，Java中使用小根堆实现，非线程安全。

优先阻塞队列PriorityBlockQueue，线程安全。

算法

快排

时间复杂度O(nlog(n))

空间复杂度O(log(n))

堆排序

时间复杂度O(nlog(n))

空间复杂度O(1)

归并排序

时间复杂度O(nlog(n))

空间复杂度O(n)

跳表

时间复杂度O(log(n))

空间复杂度O(2n)

高度O(log(n))

分布式

cap理论

可用性

一致性

分区容忍性：对网络断开的容忍度，有点像鲁棒性

拜占庭将军问题

问题描述

拜占庭帝国即中世纪的土耳其，拥有巨大的财富，周围10个邻邦垂诞已久，但拜占庭高墙耸立，固若金汤，没有一个单独的邻邦能够成功入侵。任何单个邻邦入侵的都会失败，同时也有可能自身被其他9个邻邦入侵。拜占庭帝***御能力如此之强，至少要有十个邻邦中的一半以上同时进攻，才有可能攻破。然而，如果其中的一个或者几个邻邦本身答应好一起进攻，但实际过程出现背叛，那么入侵者可能都会被歼灭。于是每一方都小心行事，不敢轻易相信邻国。这就是拜占庭将军问题。这个问题的本质是要达成一致的共识。

Raft 算法

有leader、follower、candidate

选主流程：

在最初，还没有一个主节点的时候，所有节点的身份都是Follower。每一个节点都有自己的计时器，当计时达到了超时时间（Election Timeout），该节点会转变为Candidate。

成为Candidate的节点，会首先给自己投票，然后向集群中其他所有的节点发起请求，要求大家都给自己投票。

其他收到投票请求且还未投票的Follower节点会向发起者投票，发起者收到反馈通知后，票数增加。

当得票数超过了集群节点数量的一半，该节点晋升为Leader节点。Leader节点会立刻向其他节点发出通知，告诉大家自己才是老大。收到通知的节点全部变为Follower，并且各自的计时器清零。

注意:每个节点的超时时间都是不一样的。比如A节点的超时时间是3秒，B节点的超时时间是5秒，C节点的超时时间是4秒。这样一来，A节点将会最先发起投票请求，而不是所有节点同时发起。如果所有节点同时发起投票，必然会导致大家的票数差不多，形成僵局，谁也当不成老大。一旦Leader节点挂掉，发不出通知，那么计时达到了超时时间的Follower节点会转变为Candidate节点，发起选主投票，周而复始。

同步流程

由客户端提交数据到Leader节点。

由Leader节点把数据复制到集群内所有的Follower节点。如果一次复制失败，会不断进行重试。

Follower节点们接收到复制的数据，会反馈给Leader节点。

如果Leader节点接收到超过半数的Follower反馈，表明复制成功。于是提交自己的数据，并通知客户端数据提交成功。

由Leader节点通知集群内所有的Follower节点提交数据，从而完成数据同步流程。

zookeeper，参考博客1，参考博客2

leader:复制进行投票的发起和决议，更新系统状态。

follower:接收client的请求并返回结果，在选主过程中进行投票。

observer:接收client连接，并将请求转发给leader节点。在不参加投票，只是同步leader状态。

client:请求发起方。

Zab（Zookeeper Atomic Broadcast）协议,有两种模式，它们分别是恢复模式（选主）和广播模式（同步）。

选主：有两种算法：1. basic paxos；2. fast paxos（默认）

basicpaxos流程

当前Server担任***线程，其主要功能是对投票结果进行统计，并选出推荐的Server。

***线程首先向所有Server发起一次询问(包括自己)；

***线程收到回复后，验证是否是自己发起的询问(验证zxid是否一致)，然后获取对方的id(myid)，并存储到当前询问对象列表中，最后获取对方提议的leader相关信息(id，zxid)，并将这些信息存储到当次***的投票记录表中；

收到所有Server回复以后，就计算出zxid最大的那个Server，并将这个Server相关信息设置成下一次要投票的Server；

线程将当前zxid最大的Server设置为当前Server要推荐的Leader，如果此时获胜的Server获得n/2 + 1的Server票数， 设置当前推荐的leader为获胜的Server，将根据获胜的Server相关信息设置自己的状态，否则，继续这个过程，直到leader被***出来。

同步流程

leader等待server连接；

Follower连接leader，将最大的zxid发送给leader；

Leader根据follower的zxid确定同步点；

完成同步后通知follower 已经成为uptodate状态；

Follower收到uptodate消息后，又可以重新接受client的请求进行服务了。

事务顺序一致性：采用了递增的事务id号（zxid）来标识事务。所有的提议（proposal）都在被提出的时候加上了zxid。

server的状态

LOOKING：当前Server不知道leader是谁，正在搜寻

LEADING：当前Server即为***出来的leader

FOLLOWING：leader已经***出来，当前Server与之同步

文件系统：zookeeper的通知机制、分布式锁、队列管理、配置管理都是基于文件系统的。文件系统中有一下几种节点：

PERSISTENT-持久化目录节点，客户端与zookeeper断开连接后，该节点依旧存在 。

PERSISTENT_SEQUENTIAL-持久化顺序编号目录节点，客户端与zookeeper断开连接后，该节点依旧存在，只是Zookeeper给该节点名称进行顺序编号。

EPHEMERAL-临时目录节点，客户端与zookeeper断开连接后，该节点被删除。

EPHEMERAL_SEQUENTIAL-临时顺序编号目录节点，客户端与zookeeper断开连接后，该节点被删除，只是Zookeeper给该节点名称进行顺序编号。

通知机制：客户端注册监听它关心的目录节点，当目录节点发生变化（数据改变、被删除、子目录节点增加删除）时，zookeeper会通知客户端。

配置管理：把这些配置全部放到zookeeper上去，保存在 Zookeeper 的某个目录节点中，然后所有相关应用程序对这个目录节点进行监听，一旦配置信息发生变化，每个应用程序就会收到 Zookeeper 的通知，然后从 Zookeeper 获取新的配置信息应用到系统中。

分布式锁：有了zookeeper的一致性文件系统，锁的问题变得容易。锁服务可以分为两类，一个是保持独占，另一个是控制时序。

独占锁：将zookeeper上的一个znode看作是一把锁，通过createznode的方式来实现。所有客户端都去创建 /distribute_lock 节点，最终成功创建的那个客户端也即拥有了这把锁。用完删除掉自己创建的distribute_lock 节点就释放出锁。

控制时序锁：/distribute_lock 已经预先存在，所有客户端在它下面创建临时顺序编号目录节点，和选master一样，编号最小的获得锁，用完删除。

队列管理，分为同步队列、非同步队列

同步队列，当一个队列的成员都聚齐时，这个队列才可用，否则一直等待所有成员到达。 在约定目录下创建临时目录节点，监听节点数目是否是我们要求的数目。

队列按照 FIFO 方式进行入队和出队操作。和分布式锁服务中的控制时序场景基本原理一致，入列有编号，出列按编号。

数据复制的好处

容错：一个节点出错，不致于让整个系统停止工作，别的节点可以接管它的工作；

提高系统的扩展能力 ：把负载分布到多个节点上，或者增加节点来提高系统的负载能力；

提高性能：让客户端本地访问就近的节点，提高用户访问速度。

数据复制集群系统分下面两种：

写主(WriteMaster) ：对数据的修改提交给指定的节点。读无此限制，可以读取任何一个节点。这种情况下客户端需要对读与写进行区别，俗称读写分离；

写任意(Write Any)：对数据的修改可提交给任意的节点，跟读一样。这种情况下，客户端对集群节点的角色与变化透明。

Broker模式

主要有这6个类：Client，Server，Client_Proxy，Server_Proxy，Broker，Bridge。

Server：就是我们根据业务写的服务。

Client：请求发起方，Client发送请求到Broker，并从Broker上接收响应或异常。Client和Server只是逻辑上相关而已，实际上Client并不知道Server的确切位置。

Broker：成消息转发器。Broker也负责一些控制和管理操作。它能够定位服务端的位置，若发生异常，能够将异常捕获传给Client。Broker需要提供注册服务的接口给Server。

Client_Proxy：连系Client和Broker，这一层保证了通讯的透明性，使Client调用远程服务就像调用本地的服务一样。

Server_Proxy：与Client_Proxy相对应的，它接受请求，解包消息，解析出参数并调用服务的实现接口。

Bridge：Bridge用来连接各个Broker，一般这个组件是可选的。

一致性hash算法原理

微服务

Spring cloud

网关：zuul

分布式\版本化配置 config

服务注册和发现：Eureka，配置时需要注意多久刷新列表一次，多久监测心跳等。

service-to-service 调用

负载均衡：Ribbon；在生成RestTemplate的bean时，通过@LoadBalanced注解可以使得RestTemplate的调用

断路器：Hystrix

监控：spring admin。在启动类上加@EnableAdminServer注解。

java web

servlet工作原理

创建：如果load-on-startup>0，那就会在Context容器启动的时候实例化。1、Wrapper.loadServlet获取servletClass。2、传给InstanceManager创建对象。

初始化：即调用Servlet的init方法

tomcat工作原理,好文，强推

service，一个server有多个service，一个service有一个container与多个connector

connector，负责接受请求，并将请求封装成request，同时创建repsonse对象传给container。

container

engine

host，一个端口一个，或tomcat上面一个服务一个

context，管理多个wrapper，是servlet的运行环境

wrapper，一个servlet一个

linux

系统结构，讲得很好，强推

硬链接与软连接

硬链接：数据节点通过引用计数的方式来对指向它的硬链接计数，当计数为0就删除。

软连接：我们可以把它看成是快捷方式，它只是记录了某个文件的硬链接的路径，如果我们把源文件删除，再重新创建一个相同名字的文件，那么软连接指向的就是新创建的文件。

虚拟文件系统(VFS)：文件系统是有很多实现的，比如ext2、ext3、FAT等等，而VFS则是存在于应用程序与文件系统中间，它封装了open、close、read、write等等操作文件系统的接口，为应用程序屏蔽掉不同文件系统之间的差异。

VFS数据结构

其它

bitmap，大文件交集

Elasticsearch索引原理

从内存到屏幕经历了啥

高并发场景的限流，你怎么来确定限流限多少，模拟场景和实际场景有区别怎么解决，

EMC面试

说一下redis与kafka，redis持久化策略

git中rebase与merge区别

docker底层原理，依赖操作系统的什么

ls -l | grep xxx的执行过程，尽可能的细，是多进程还是单进程？

两个有序数组求中位数

算法 3Sum、中序遍历非递归实现、循环打印矩阵

final、finally、finanize

jvm内存模型

垃圾回收器

Spring特点介绍下

Synchronize与ReentrantLock的区别、使用场景

CAS使用场景

聊了下git+jekins+K8S+docker实现自动化部署

innodb原理，使用场景，与MYISAM在场景上的区别

weakReference、softReference等

Hbase的原理，LSM Tree

Linux中，哪种进程可以使用管道

美团

权限模型

介绍下线程池，阻塞队列的用法，***队列真的***吗？

说一下redis

kafka存储模型与网络模型

zookeeper与redis实现分布式锁

乐观锁与悲观锁

算法：有n个人，给你ai与aj的身高关系，如ai比aj高，进行身高排序，如果条件不满足，则输出“不满足”

Spring boot的特性

有什么问题，欢迎留言沟通，在这里也祝大家都能找到一个合适的工作~

特别声明:本文素材来源于网络,仅作为分享学习之用,如有侵权,请联系删除!