阿里11面+EMC+网易+美团面经

从7月初到8月底一直在面阿里，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，在此回馈一波牛客网。
面经不部分出自阿里，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！

1. 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。
     • 例子：假如你去银行网站上通过请求http://www.mybank.com/Transfer.php?toBankId=11&money=1000来消费1000元。然后登陆某个恶意网站，上面有这么一段代码 <img src=http://www.mybank.com/Transfer.php?toBankId=11&money=1000>。由于你没有登出银行网站，因此会再消费1000.
     • 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

2. 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。

3. 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
       1. 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 。
       2. 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

4. 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

5. 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
     • 1. 读取源码
     • 1. 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。
     • 1. 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。
     • 1. 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.
     • 1. 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：
       • 1. 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。
       • 1. 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）
       • 1. 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

6. 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

7. 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

8. 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。

9. 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))

10. 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）
        • basic paxos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。

11. 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

12. 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

13. 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，

14. 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

15. 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