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...

这年头吐槽工资低，希望涨薪都要被骂

😅

自我介绍 结合项目问了一些八股：1.AOP2.缓存三问3.分布式锁怎么实现的4.分布式锁有效性怎么保证（答的构建集群，红锁）5.超卖，一人一单6.你的订单超时自动取消是怎么实现的（RabbitMQ，利用死信交换机）下面开始问八股1.JAVA垃圾回收机制2.什么时候进行垃圾回收3.Spring里的IOC和AOP你怎么理解的4.MYSQL事务隔离级别有哪些5.脏读和幻读，介绍一下6.慢SQL优化7.怎么样执行查询计划8.有遇到死锁吗，是什么情况，怎么解决死锁9.https10.HTTP2.011.三次握手，为什么要三次握手12.了解过流量和拥塞控制吗13.HashMap怎么处理哈希冲突的算法题最长...