中级Java开发工程师面经（1）

Java相关



 常⽤的线程池有哪些？使⽤场景分别是什么？你实际⽤过哪些？

 

newFixedThreadPool（固定数目的线程池）

 

 

newCachedThreadPool(可缓存线程的线程池)

 

 

newSingleThreadExecutor(单线程的线程池)

 

 

newScheduledThreadPool（定时及周期执行的线程池）

 

 

实际上使用的是线程池ThreadPoolExecutor的构造方法自定义线程池，避免默认提供的线程池会出现的队列超长、线程过多等场景可能引发的OOM问题

 



说⼀下延迟队列的实现都有哪些⽅式？

 

1、DelayQueue 延时队列：DelayQueue 是一个 BlockingQueue （无界阻塞）队列，它本质就是封装了一个 PriorityQueue（优先队列）， PriorityQueue 内部使用完全二叉堆来实现队列元素排序，我们在向 DelayQueue 队列中添加元素时，会给元素一个 Delay （延迟时间）作为排序条件，队列中最小的元素会优先放在队首。队列中的元素只有到了Delay时间才允许从队列中取出。

 

 

2、Quartz 定时任务：存在处理业务不及时的问题（定时任务是周期性的处理）

 

 

3、Redis sorted set：Redis 的数据结构 Zset ，同样可以实现延迟队列的效果，主要利用它的 score 属性， redis 通过 score 来为集合中的成员进行从小到大的排序。通过 zadd 命令向队列 delayqueue 中添加元素，并设置 score 值表示元素过期的时间；while循环取最第一个元素 判断是否超时、超时（(当前时间-元素过期时间<0)）就移出

 

 

4、Redis 过期回调：监听key的过期事件-修改 redis.conf 文件开启 notify-keyspace-events Ex

 

 

5、kafka 、 netty都有基于时间轮算法实现延时队列，可以更高效的处理延时任务、减少系统消耗

 



 能说⼀下DelayQueue的实现原理吗？

 

内部使用了一个优先级队列（完全二叉堆的数据结构），队列中最小的元素会优先放在队首。队列中的元素只有到了Delay时间才允许从队列中取出。元素必须实现Delay接口（set延迟时间作为排序条件）

 



Kafka中的时间轮和Netty的时间轮有什么区别？

 

netty是用时间间隔+轮数实现时间轮的，有空推进的问题，没到时间就等着。kafka是用多层次时间轮实现的，底层采用 DelayQueue 以槽为单位，用空间换时间解决空推进的问题

 



分别说⼀下，JVM的内存分配、执⾏原理、类加载过程？

 

对象优先在Eden分配、大对象直接进老年代、长期存活的对象将进入老年代、动态对象进行年龄判定再分代

 

 

某个特定的类加载器在接到加载类的请求时，首先将加载任务委托给父类加载器，依次递归，如果父类加载器可以完成类加载任务，就成功返回；只有父类加载器无法完成此加载任务时，才自己去加载。

 



常⽤垃圾收集器有哪些？你们线上⽤的是什么收集器？有对CMS进⾏过优化吗？G1的⼯作原理是什么？

 

ParNew、CMS、G1

 

 

CMS:初始标记阶段-并发标记阶段-重新标记阶段-并发清除阶段，尽可能的减少停止用户线程的时间

 

 

G1:堆内存的布局是把连续的Java堆划分为多个大小相等的独立区域（Region），每个Region都可以扮演Eden空间、Survivor、老年代空间。对于用户线程暂停的时间可控可调，基于模型预测时间

 



如何才能让Metaspace区OOM？

 

Spring、 Hibernate对类进行增强时， 都会使用到CGLib这类字节码技术， 当增强的类越多， 就需要越大的方法区以保证动态生成的新类型可以载入内存 ，如果使用cglib过多导致生产的类没控制好过多后导致Metaspace区域满了，进而引发内存溢出。

 



了解nio的底层原理吗？操作系统epoll是怎样实现的？

 

None Blocking IO（同步非阻塞io）应用程序的线程需要不断的进行 I/O 系统调用，轮询数据是否已经准备好，如果没有准备好，继续轮询，直到完成系统调用为止。

 

 

轮训的过程是判断数据是否在内核空间内加载完成，如果加载完成则通知用户线程可以进行数据传输了（传输过程是阻塞的）

 

 

Java NIO（New IO） 不是IO模型中的NIO模型，而是另外的一种模型，叫做IO多路复用模型（ IO multiplexing ）。

 

 

select:底层使用数组存储socket连接信息，轮训哪些连接的数据在内核空间准备好了，单个进程能够监视的文件描述符的数量存在最大限制，通常是1024，内核 / 用户空间内存拷贝问题，select需要复制大量的句柄数据结构，产生巨大的开销；

 

 

poll:改用链表存储，解决了连接数的限制，但轮训还是cpu资源消耗大

 



epoll:改变了轮训这种cpu消耗大的方式，采用了事件通知模型

 

1、调用epoll_create()建立一个epoll对象(在epoll文件系统中为这个句柄对象分配资源)

 

 

2、调用epoll_ctl向epoll对象中添加这100万个连接的套接字

 

 

3、调用epoll_wait收集发生的事件的连接

 

 

所有添加到epoll中的事件都会与设备(网卡)驱动程序建立回调关系，也就是说，当相应的事件发生时会调用这个回调方法。这个回调方法在内核中叫ep_poll_callback,它会将发生的事件添加到rdlist双链表中。

 

 

调用epoll_wait检查是否有事件发生时，只需要检查eventpoll对象中的rdlist双链表中是否有epitem元素即可。如果rdlist不为空，则把发生的事件复制到用户态，同时将事件数量返回给用户。

 



nio使⽤的是边沿触发，还是⽔平触发？

 

水平触发(level-triggered，也被称为条件触发): 只要满足条件，就触发一个事件(只要有数据没有被获取，内核就不断通你)

 

 

边缘触发(edge-triggered): 每当状态变化时，触发一个事件。

 

 

nio使用的是条件触发

 



nio的epoll实现，是如何去唤醒或打断⼀个正在阻塞的seletor.select()⽅法？

 



什么场景下使⽤DirectBuffer？使⽤HeapBuffer去进⾏IO读写时，为什么会临时申请⼀块 DirectBuffer进⾏数据拷⻉？

 



 nio的零拷⻉是怎么实现的？



mmap内存映射：DMA加载磁盘数据到内核缓冲区（kernel buffer）后，应用程序缓冲区(application buffers)和内核缓冲区(kernel buffer)进行映射，数据再应用缓冲区和内核缓存区的改变就能省略。mmap内存映射将会经历：3次拷贝: 1次cpu拷贝、2次DMA拷贝、4次上下文切换（用户态-内核态之间的切换）

 

 

sendfile：DMA将磁盘数据复制到内核缓冲区（kernel buffer），然后将内核缓冲区（kernel buffer）中数据的直接拷贝到socket缓冲区（socket buffer），代表数据转化的完成。socket buffer里的数据就能在网络传输了。sendfile会经历：3次拷贝：1次CPU拷贝、2次DMA拷贝、以及2次上下文切换

 

 

Sendfile With DMA Scatter/Gather Copy：

 

 

splice：从磁盘读取到内核buffer后，在内核空间直接与socket buffer建立pipe管道。splice会经历 2次拷贝: 0次cpu拷贝、2次DMA拷贝、2次上下文切换

 

 

Linux提供的领拷贝技术 Java并不是全支持，支持2种(内存映射mmap、sendfile)；

 



 单例模式Double check中volatile的作⽤是什么？

 

volatile关键字的一个作用是禁止指令重排，把instance声明为volatile之后，对它的写操作就会有一个内存屏障.这样，在它的赋值完成之前，就不用会调用读操作

 



讲⼀下synchronized的锁升级？

 

无锁

 

 

偏向锁：java对象头和栈帧中记录偏向的锁的threadID

 

 

轻量级锁：LockRecord是线程私有的(TLS)，每个线程有自己的一份锁记录，在创建完锁记录的空间后，会将当前对象的MarkWord拷贝到锁记录中(DisplacedMark Word)。然后使用CAS把对象头中的内容替换为线程1存储的锁记录（DisplacedMarkWord）的地址，完成加锁。如果替换失败-加锁失败->自旋等待到一定次数后升级成为重量级锁

 

 

重量级锁：线程阻塞

 



并发编程时，为什么wait()函数都要放在while循环中，什么情况会造成假唤醒？

 

线程唤醒时需要重新判断下条件是否成立 才执行下面的业务逻辑、如果用if则不会判断，多线程情况下，会造成业务异常，假唤醒

 



HashMap如何解决hash冲突问题的？

 

数组+链表或红黑树

 



微服务



说⼀下Hystrix是如何限流的？

 



 能说⼀下eureka多级缓存导致时效性差的原因吗？

 

eureka多级缓存分可读缓存、读写缓存

 

 

读写缓存的过期时间是180s、又下线、注册事件等直接过期缓存

 

 

可读缓存的同步时间为30s

 

 

再加上心跳过期时间为90s

 

 

各种时间加起来就导致时效性比较差

 

 

解决思路：调整各种缓存的时间

 



 nacos和eureka有什么不同？

 

nacos默认是ap模式，当存在非临时实例时，则采用cp模式

 

 

eureka是ap模式

 

 

Sentinel是如何持久化降级规则的？

 

 

Sentinel的⼯作原理能说⼀下吗？它是否⽀持动态限流？Sentinel和Hystrix的区别是什么？

 



能说⼀下Feign的执⾏流程吗？为什么默认参数有问题？

 

通过feign注解解析到打了@feginClient的接口，在spring容器初始化的过程中，构造动态代理对象，最终通过代理对象请求解析注解方法、通过ribbon获取到负载均衡的请求地址、最后拼装请求发出

 



你熟悉的分布式事务解决⽅案都有哪些？能讲⼀下他们的区别和适⽤场景吗？

 

2pc：两阶段提交，第一阶段：投票阶段 和第二阶段：提交/执行阶段。一般是用在同一个项目中，多数据源的场景，存在单点问题，数据不一致问题

 

 

3pc：CanCommit（询问）-> PreCommit（预提交）-> DoCommit（提交）。相比2pc,进入了超时机制、但是3PC依然没有完全解决数据不一致的问题

 



补偿事务（TCC）：Try阶段主要是对「业务系统做检测及资源预留」-> Confirm 阶段主要是对「业务系统做确认提交」->Cancel 阶段主要是在业务执行错误，需要回滚的状态下执行的业务取消，「预留资源释放」。

 

解决了协调者单点，由主业务方发起并完成这个业务活动。业务活动管理器也变成多点，引入集群。

 

 

同步阻塞：引入超时，超时后进行补偿，并且不会锁定整个资源，将资源转换为业务逻辑形式，粒度变小。

 

 

数据一致性，有了补偿机制之后，由业务活动管理器控制一致性

 

 

缺点，代码量比较多，增加了业务复杂度

 

 

事务消息：多个服务解耦、业务比较复杂、rocketMQ事务消息实现或者写一个独立的可靠事务消息服务

 

 

最大努力通知：非核心业务、及时重试几次后不成功也不影响

 

 

可靠消息服务：rocketMQ事务消息的实现

 



讲⼀下分布式锁的⽅案有哪些和使⽤场景？



redis分布式锁

 

Redission框架

 



zookeeper分布式锁

 

Curator框架

 



Zookeeper分布式锁和Redis分布式锁的区别是什么？

 

Zookeeper采用临时节点和事件监听机制可以实现分布式锁

 

 

Redis主要是通过setnx命令实现分布式锁。

 

 

Redis需要不断的去尝试获取锁，比较消耗性能，Zookeeper是可以通过对锁的监听，自动获取到锁，所以性能开销较小。
另外如果获取锁的jvm出现bug或者挂了，那么只能redis过期删除key或者超时删除key,Zookeeper则不存在这种情况，连接断开节点则会自动删除，这样会即时释放锁。

 

 

Redis如何去保证锁过期后不互斥，或者主从集群锁丢失问题的？

 



MySQL



有没有做分库分表？数据库的主键⽣成策略是什么？

 

数据库自增 id：单库、性能有瓶颈

 

 

UUID：UUID 太长了、占用空间大、作为主键性能太差

 

 

获取系统当前时间：并发很高的时候，主键容易重复

 



snowflake 算法

 

41 bit 作为毫秒数 - 41位的长度可以使用69年

 

 

10 bit 作为机器编号 （5个bit是数据中心，5个bit的机器ID） - 10位的长度最多支持部署1024个点

 

 

12 bit 作为毫秒内序列号 - 12位的计数顺序号支持每个节点每毫秒产生4096个ID序号

 

 

服务器实例时钟回拨的问题，可能会造成主键重复

 

 

可以操作10位机器编号，workerId做多可以部署1024台机器，可以对workerId进行操作，划分为n份（比如4份）那么看可以部署256台机器（0-255），（256-511）（512-767）(768-1023)为备用worderId，如果发生时钟回拨，则采用备用workerId，可以抗住回拨三次，如果回拨三次抛异常 ，例如当前workerId = 0 则对应的备用id为256-512-768.

 



MySQL读写分离⼯作原理有了解吗？什么业务做得读写分离？为啥要读写分离，是遇到了什么瓶颈吗？

 

主库将变更写入 binlog 日志，然后从库连接到主库之后，从库有一个 IO 线程，将主库的 binlog 日志拷贝到自己本地，写入一个 relay 中继日志中。接着从库中有一个 SQL 线程会从中继日志读取 binlog，然后执行 binlog 日志中的内容，也就是在自己本地再次执行一遍 SQL，这样就可以保证自己跟主库的数据是一样的。

 

 

半同步复制（至少一个半从库发送ack）、并行复制（从库 io线程、sql线程并发执行） 来对主从数据延迟的问题优化

 



MySQL的⽇志有哪些？分别有什么⽤？让你去做⼀个MySQL的告警系统应该如何去设计(⽐如索引失 效导致慢sql，⼤事务，死锁等场景)？

 

undolog-回滚日志用来实现事务的原子性

 

 

redolog-重做日志用来实现事务的持久性

 

 

基于undo log多版本链条+ReadView机制实现事务的隔离性

 

 

事务一致性以上三个特性保证

 

 

binglog-mysql全局日志

 



消息队列



 如何保证消息不丢失和不重复消费？



生产者端：

 

kafka：开启ack = all保证成功发送到中间件端

 

 

rabbitMQ：事务消息（吞吐量下降）、confirm机制（异步回调通知消息已被收到、需要在内存维护一个消息id列表）

 

 

rocketMQ：事务消息（吞吐量下降）

 



MQ端：

 

kafka：至少设置两个副本、设置重试、开启ack = all（必须是写入所有 replica 之后，才认为是写成功了）

 

 

rabbitMQ：开启消息持久化、与生产者配合必须持久化消息到磁盘中才算发送成功

 

 

rocketMQ：消息保存机制修改为同步刷盘方式，即消息存储磁盘成功。集群部署同步复制

 



消费者端：

 

手动ack

 



消息队列使⽤场景有哪些？你们是怎样进⾏技术选型的？

 

服务解耦、流量削峰

 

 

吞吐量、社区维护人数、是否满足功能

 



分布式缓存



常⽤的Redis存储结构有哪些？能说⼀下zset的数据结构是什么样的吗？

 

string、hash、list、zset、set

 

 

跳跃表-层级关系-往上提取索引、以时间换空间的做法提升查询、插入效率

 



Redis Cluster hash槽的概念？

 

Redis 集群中内置了 16384 个哈希槽，当需要在 Redis 集群中放置一个 key-value时，redis 先对 key 使用 crc16 算法算出一个结果，然后把结果对 16384 求余数，这样每个 key 都会对应一个编号在 0-16383 之间的哈希槽，redis 会根据节点数量大致均等的将哈希槽映射到不同的节点。

 



Redis Cluster节点之间的通信机制？



Gossip协议的主要职责就是信息交换，信息交换的载体就是节点之间彼此发送的Gossip消息，常用的Gossip消息有ping消息、pong消息、meet消息、fail消息

 

ping：每个节点都会频繁给其他节点发送ping，其中包含自己的状态还有自己维护的集群元数据，互相通过ping交换元数据。

 

 

pong: 返回ping和meet，包含自己的状态和其他信息，也可以用于信息广播和更新。

 

 

fail: 某个节点判断另一个节点fail之后，就发送fail给其他节点，通知其他节点，指定的节点宕机了。

 

 

meet：某个节点发送meet给新加入的节点，让新节点加入集群中，然后新节点就会开始与其他节点进行通信，不需要发送形成网络的所需的所有CLUSTER MEET命令。

 



Redis Cluster 从节点选举流程是怎样的

 

slave发现自己的master不可用

 

 

slave将记录集群的currentEpoch（选举周期）加1，并广播FAILOVER_AUTH_REQUEST 信息进行选举

 

 

其他节点收到FAILOVER_AUTH_REQUEST信息后，只有其他的master可以进行响应，master收到消息后返回FAILOVER_AUTH_ACK信息，对于同一个Epoch，只能响应一次ack

 

 

slave收集maste返回的ack消息

 

 

slave判断收到的ack消息个数是否大于半数的master个数，若是，则变成新的master

 

 

广播Pong消息通知其他集群节点，自己已经成为新的master。

 



 Redis 默认的回收算法是什么？怎么理解它？

 

volatile-ttl：在筛选时，会针对设置了过期时间的键值对，根据过期时间的先后进行删除，越早过期的越先被删除。【删除即将过期的key】

 

 

volatile-random：就像它的名称一样，在设置了过期时间的键值对中，进行随机删除。【随机删除即将过期的key】、

 

 

volatile-lru：会使用 LRU 算法筛选设置了过期时间的键值对删除。【使用LRU算法删除即将过期的key】

 

 

volatile-lfu：会使用 LFU 算法筛选设置了过期时间的键值对删除。【使用LFU算法删除即将过期的key】

 

 

allkeys-random：从所有键值对中随机选择并删除数据。【所有的数据集中随机删除数据,非常不靠谱的方式】

 

 

allkeys-lru：使用 LRU 算法在所有数据中进行筛选删除。【所有的数据集中筛选部分使用LRU算法删除key】

 

 

allkeys-lfu：使用 LFU 算法在所有数据中进行筛选删除。【所有的数据集中筛选部分使用LFU算法删除key】

 

 

noeviction：（默认使用该策略）不会剔除任何数据，拒绝所有写入操作并返回客户端错误信息"(error) OOM command not allowed when used memory"，此时Redis只响应读操作

 

 

LRU 算法（Least Recently Used，最近最少使用）淘汰很久没被访问过的数据，以最近一次访问时间作为参考。
LFU 算法（Least Frequently Used，最不经常使用）淘汰最近一段时间被访问次数最少的数据，以次数作为参考。

 



 Redis 缓存⼀致性⾥Cache Aside Pattern模式的意义是什么?

 

失效：应用程序先从cache取数据，没有得到，则从数据库中取数据，成功后，放到缓存中

 

 

命中：应用程序从cache中取数据，取到后返回

 

 

更新：先把数据存到数据库中，成功后，再让缓存失效

 



Redis ⾼并发情况下解决缓存⼀致性问题的⽅案是什么?

 

延时双删

 



同步biglog异步删除缓存

 

先删除缓存->监听binlog->发送消息队列->删除缓存

 



 Redis ⾼并发的场景下，异步串⾏化解决缓存⼀致性⽅案要注意的问题是什么？

 

MySQL主从这种情况，如果发生同步延迟，那么如何保证一致性

 

 

监听binlog从库

 



为什么会存在bigkey的情况？如何去定义⼀个key是bigkey？

 

bigkey 业务倾斜、会影响redis的性能

 

 

1、社交类：粉丝列表，如果某些明显或大V，一定是bigkey
2、统计类：如果按天存储某项功能或网站的用户集合，除非没几个人用，否则必定是bigkey
3、缓存类：作为数据库数据的冗余存储，这种是redis的最常用场景，但有2点要注意：
1）是不是有必要把所有数据都缓存
2）有没有相关关联的数据

 



多层缓存架构是怎样设计的？多层缓存架构需要注意什么？

 

 

 

 

 

地址：https://www.processon.com/view/link/6264f71c0e3e745194df994f