这是之前在处理一个实时流数据上碰到的。 之前背过很多，类似的关于高并发问题的一些官样文章。初读起来，总感觉索然无味。好像和幼儿园里把大象放进冰箱里的故事一样。 在业务中碰到的情况很特别。 同一个用户，会在同一个时间点有多条订单，即使把时间精确到 00:00:00，依然发现无法区分。前辈提醒后，才发现这其实是一种高并发的情况。 在Flink实时流里，通常碰到高并发的情况下，会进行一次打乱操作。在SQL任务中，我忘记进行了这种操作，后来发现其实是有这样的key by 参数。 大约可以这样处理。 在处理的时候，通过key by 的操作，会将并发数据存储同一个kaf...

下学期能找到 golang 实习吗

26届双非本破铜烂铁😢求拷打简历，目前准备猛学一个月八股春节后投递可以吗 #听劝，我这个简历该怎么改？#

1.系统设计题分布式id生成的方案（从单机的counter引导到分布式集群需要分布式锁，然后考虑用类似hashmap分段思想提高并发度）反问有什么缺点？答增加机器需要迁移数据，考虑一致性hash2.算法题编辑距离（不会）换了道lru实现3.八股：（1）hashmap在java里面的实现（2）redis的hash结构与java的不同点（redis扩容有渐进式扩容）（3）redis跳表结构，查询时间复杂度（4）都是log复杂度，redis为什么用跳表而不是二叉树（5）渐进式hash的缺点