Java程序員11面阿里，錯失offer，期間還面了EMC+網易+美團......

一直在面阿里，從提早批投螞蟻中間件與阿里中間件，最後阿里中間件面完了hr，可是很遺憾最後沒能進，被調到了盒馬。不過最終仍是拿到了盒馬的offer。期間還面了EMC、網易、攜程（水到不行）、美團、拼多多，目前出了美團跟拼多多沒有出結果，其餘幾家公司也都順利拿到意向，在此回饋一波你們。

面經部分出自阿里，其餘幾家公司有少部分補充，內容是我的整理，若有不對，還請糾正，謝謝！

---

網絡編程

ISO模型與協議

應用層:爲操做系統或網絡應用程序提供訪問網絡服務的接口。協議Telnet、FTP、HTTP、SNMP、DNS

http1.0：須要使用keep-alive參數來告知服務器端要創建一個長鏈接

http1.1：默認長鏈接。支持只發送header信息，能夠用做權限請求。支持Host域。

http2.0：多路複用的技術，作到同一個鏈接併發處理多個請求。HTTP2.0使用HPACK算法對header的數據進行壓縮。支持HTTP2.0的web server請求數據的時候，服務器會順便把一些客戶端須要的資源一塊兒推送到客戶端，省得客戶端再次建立鏈接發送請求到服務器端獲取。這種方式很是合適加載靜態資源。

表示層:對上層數據進行變換(加密、解密、壓縮、格式轉換等)，確保兩臺主機的應用層程序能過理解。協議ASCII、ASN.一、JPEG、MPEG

會話層:負責管理主機之間的會話進程，負責創建、管理、終止進程之間的會話。

傳輸層:將上層數據分段並提供端到端的、可靠的或不可靠的傳輸，還要處理端到端的差錯控制和流量控制問題。協議TCP、UDP、SPX

網絡層:對子網間的數據包進行路由選擇。此外，網絡層還能夠實現擁塞控制、網際互連等功能。協議IP、IPX、RIP、OSPF

數據鏈路層:在不可靠的物理介質上提供可靠的傳輸。該層的做用包括：物理地址尋址、數據的成幀、流量控制、數據的檢錯、重發等。協議SDLC、HDLC、PPP、STP、幀中繼

物理層:爲上層協議提供了一個傳輸數據的物理媒體。

TCP\IP模型與協議

應用層：單位是數據段，協議有FTP、TELNET、HTTP、SMTP、SNMP、TFTP、NTP、DNS

運輸層：單位是數據包，協議有TCP、UDP

網絡層：單位是數據幀，協議有IP

網絡接口層：單位是比特，ARP、RARP

---

三次握手與四次揮手

tcp拆包粘包

因爲一批發送的數據太多或緩衝區過小，將一批數據分紅多個segment來發送，叫拆包。

將多批小數據寫入一個緩衝區，或讀取不及時，一個緩衝區存在多批數據，叫粘包。

解決方式：根據消息頭中的長度與偏移量來重組數據。設置定長消息，使得一個緩衝區中的segment老是一批數據的。設置消息邊界。

BIO NIO AIO

BIO：同步阻塞IO，每一個請求都要一個線程來處理。

NIO：同步非阻塞IO，一個線程能夠處理多個請求，適用於短鏈接、小數據。

AIO：異步非阻塞IO，一個線程處理多個請求，使用回調函數實現，適用於長鏈接、大數據。

DDOS攻擊原理與防護方式

SYN flood:僞造ip地址發送請求，佔滿半鏈接隊列，致使正常連接被服務器拋棄。攻擊方須要很高的帶寬資源。

ACK flood：大量ACK鏈接請求服務器，服務器須要花費CPU資源去查詢鏈接隊列並回應。只有當流量很高時纔會對服務器形成影響。

Connection Flood：利用真實IP，在服務器上創建大量鏈接，從而佔滿服務器鏈接隊列，致使正常鏈接被丟棄。

HTTP Get Flood：發送大量會產生sql查詢的鏈接，使得數據庫負載很高。

CSRF跨站請求僞造原理

攻擊者盜用了你的身份，以你的名義發送惡意請求。

CSRF攻擊是源於WEB的隱式身份驗證機制！WEB的身份驗證機制雖然能夠保證一個請求是來自於某個用戶的瀏覽器，但卻沒法保證該請求是用戶批准發送的！

防護方式：1.驗證碼；2. 後臺生成token，讓前端請求攜帶。3.使用對稱加密，後端隨機給前端一個密鑰，前端進行加密，後端解密。

會話劫持

經過暴力破解、 預測、竊取（經過XSS攻擊）等方式獲取到用戶session

防護方式

更改Session名稱

關閉透明化Session ID。透明化Session ID指當瀏覽器中的Http請求沒有使用Cookie來存放Session ID時，Session ID則使用URL來傳遞。

設置HttpOnly。經過設置Cookie的HttpOnly爲true，能夠防止客戶端腳本訪問這個Cookie，從而有效的防止XSS攻擊。

XSS攻擊

XSS攻擊是Web攻擊中最多見的攻擊方法之一，它是經過對網頁注入可執行代碼且成功地被瀏覽器執行，達到攻擊的目的，造成了一次有效XSS攻擊，一旦攻擊成功，它能夠獲取用戶的聯繫人列表，而後向聯繫人發送虛假詐騙信息，能夠刪除用戶的日誌等等，有時候還和其餘攻擊方式同時實施好比SQL注入攻擊服務器和數據庫、Click劫持、相對連接劫持等實施釣魚，它帶來的危害是巨大的，是web安全的頭號大敵。

XSS反射型攻擊，惡意代碼並無保存在目標網站，經過引誘用戶點擊一個連接到目標網站的惡意連接來實施攻擊的。

XSS存儲型攻擊，惡意代碼被保存到目標網站的服務器中，這種攻擊具備較強的穩定性和持久性，比較常見場景是在博客，論壇等社交網站上，但OA系統，和CRM系統上也能看到它身影，好比：某CRM系統的客戶投訴功能上存在XSS存儲型漏洞，黑客提交了惡意攻擊代碼，當系統管理員查看投訴信息時惡意代碼執行，竊取了客戶的資料，然而管理員絕不知情，這就是典型的XSS存儲型攻擊。

+解決方法

在表單提交或者url參數傳遞前，對須要的參數進行過濾

過濾用戶輸入。檢查用戶輸入的內容中是否有非法內容。如<>（尖括號）、」（引號）、 ‘（單引號）、%（百分比符號）、;（分號）、()（括號）、&（& 符號）、+（加號）等

RPC與HTTP服務的區別

數據庫原理

MYISAM與innodb搜索引擎原理

MyISAM引擎使用B+Tree做爲索引結構，葉節點的data域存放的是數據記錄的地址。其採用索引文件與數據文件，索引文件只存放索引，葉子節點存放數據的物理地址。數據文件存放數據。其索引方式是非彙集的。

InnoDB也使用B+Tree做爲索引結構。可是它的主索引與數據都放在一個文件中。這種索引叫作彙集索引，由於InnoDB的數據文件自己要按主鍵彙集，因此InnoDB要求表必須有主鍵（MyISAM能夠沒有），若是沒有顯式指定，則MySQL系統會自動選擇一個能夠惟一標識數據記錄的列做爲主鍵，若是不存在這種列，則MySQL自動爲InnoDB表生成一個隱含字段做爲主鍵，這個字段長度爲6個字節，類型爲長整形。

區別一：InnoDB的主索引與數據都放在一個文件中。而MYISAM是分開存放的。

區別二：InnoDB的輔助索引data域存儲相應記錄主鍵的值而不是地址。

區別三：InnoDB的主鍵索引是彙集索引，而MYISAM不是彙集索引。

索引，聚簇索引和二級索引的加鎖區別

彙集（clustered）索引，也叫聚簇索引。數據行的物理順序與列值（通常是主鍵的那一列）的邏輯順序相同，一個表中只能擁有一個彙集索引。

非彙集（unclustered）索引。該索引中索引的邏輯順序與磁盤上行的物理存儲順序不一樣，一個表中能夠擁有多個非彙集索引。會發生二次查詢。

稠密索引:稠密索引文件中的索引塊保持鍵的順序與文件中的排序順序一致。

稀疏索引:稀疏索引沒有爲每一個數據都建立一個索引,它比稠密索引節省了更多的存儲空間，但查找給定值的記錄需更多的時間。只有當數據文件是按照某個查找鍵排序時，在該查找鍵上創建的稀疏索引才能被使用，而稠密索引則能夠應用在任何的查找鍵。

聯合索引:將一張表中多個列組成聯合索引(col1,col2,col3)，其生效方式知足最左前綴原則。

最左前綴:假如咱們建立了聯合索引(col1,col2,col3)，那麼至關於建立了(col1),(col1,col2),(col1,col2,col3)這3個索引，而後where條件會根據出現的列名挑選最嚴格的索引。例如where col1=? and col2=? and col3=?，那麼就會使用(col1,col2,col3)；若是where col1=? and col3 =?，那麼就會使用(col1)；若是where col2=? and col3=?，那麼一個都不會使用。所以在建立多列索引時，要根據業務需求，where子句中使用最頻繁的一列放在最左邊。

選擇性:不重複數佔全部記錄的比例，假若有10w條記錄，unique以後有9w條，那麼選擇性位90%。主要有兩個做用：1. 查看某一列是否有必要創建索引；2. 對於String、hash值、日期等字段，應該取多少位來創建索引(即便用前綴索引)，由於主鍵越短，整個索引表越小。

覆蓋索引:對於二級索引而言，在innodb中通常是須要先根據二級索引查詢到主鍵，而後在根據一級索引查詢到數據。可是若是select的列都在索引中，就避免進行一級查詢。

主鍵選擇

在使用InnoDB存儲引擎時，若是沒有特別的須要，請永遠使用一個與業務無關的自增字段做爲主鍵。

where 1 = 1:可以方便咱們拼sql，可是使用了以後就沒法使用索引優化策略，所以會進行全表掃描，影響效率。

分表分庫

水平拆分：依據表中的數據的邏輯關係，將同一個表中的數據依照某種條件拆分到多臺數據庫（主機）上面。按照1個或多個字段以及相應的規則，將一張表重的數據分到多張表中去。好比按照id%5的規則，將一張大表拆分紅5張小表。適合具備超大表的系統。

垂直拆分：依照不一樣的表（或者Schema）來切分到不一樣的數據庫（主機）之上。通常按照模塊來分庫。適合各業務之間耦合度很是低的系統。

validationQuery：用來驗證數據庫鏈接的查詢語句，這個查詢語句必須是至少返回一條數據的SELECT語句。

select鎖定記錄

select * from table where ?;不加鎖

將查詢放到事物中

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

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

insert, update, delete；加排它鎖

隔離級別

read uncommit:讀不加鎖，寫加共享鎖。會產生髒讀、幻讀。

read commit：讀加共享鎖，寫加排它鎖，但不加間隙鎖。間隙鎖的主要做用是防止不可重複讀，但會加大鎖的範圍。

repeatable read(innodb默認):讀加共享鎖，寫加間隙排它鎖。注意，Innodb對這個級別進行了特殊處理，使得這個級別可以避免幻讀，但不是全部引擎都可以防止幻讀！(網易面試官問)

serialization：會給整張表加鎖，強一致，可是效率低。

innodb中的鎖

MVCC(multi-Version Concurrency Control)：讀不加鎖，讀寫不衝突。適合寫少讀多的場景。讀操做分爲：快照讀（返回記錄的可見版本，不加鎖）、當前讀（記錄的最新版本，加鎖，保證其它記錄不修改）。

LBCC(Lock-Based Concurrency Control)：

join原理

Simple Nested-Loop Join：效率最低，按照join的次序，在join的屬性上一個個掃描，併合並結果。

Index Nested-Loop Join：效率最高，join的屬性上面有索引，根據索引來匹配。

Block Nested-Loop Join：用於沒有索引的列。它會採用join buffer，將外表的值緩存到join buffer中，而後與內表進行批量比較，這樣能夠下降對外表的訪問頻率

galera

多主架構：真正的多點讀寫的集羣，在任什麼時候候讀寫數據，都是最新的。

同步複製，各節點間無延遲且節點宕機不會致使數據丟失。

緊密耦合，全部節點均保持相同狀態，節點間無不一樣數據。

無需主從切換操做。

無需進行讀寫分離。

併發複製：從節點在APPLY數據時，支持並行執行，有更好的性能表現。

故障切換：在出現數據庫故障時，由於支持多點寫入，切的很是容易。

熱插拔：在服務期間，若是數據庫掛了，只要監控程序發現的夠快，不可服務時間就會很是少。在節點故障期間，節點自己對集羣的影響很是小。

自動節點克隆：在新增節點，或者停機維護時，增量數據或者基礎數據不須要人工手動備份提供，Galera Cluster會自動拉取在線節點數據，最終集羣會變爲一致。

對應用透明：集羣的維護，對應用程序是透明的，幾乎感受不到。

如下是缺點

目前的複製僅僅支持InnoDB存儲引擎

DELETE操做不支持沒有主鍵的表

在多主環境下LOCK/UNLOCK TABLES不支持以及鎖函數GET_LOCK(), RELEASE_LOCK()

因爲集羣是樂觀的併發控制，事務commit可能在該階段停止。

整個集羣的寫入吞吐量是由最弱的節點限制，若是有一個節點變得緩慢，那麼整個集羣將是緩慢的。爲了穩定的高性能要求，全部的節點應使用統一的硬件。

LSM Tree，主要應用於nessDB、leveldb、hbase

核心思想的核心就是放棄部分讀能力，換取寫入的最大化能力。它假設假定內存足夠大，所以不須要每次有數據更新就必須將數據寫入到磁盤中，而能夠先將最新的數據駐留在內存中，等到積累到最後多以後，再使用歸併排序的方式將內存內的數據合併追加到磁盤隊尾。（使用歸併排序是要由於帶排序樹都是有序樹）

LSM具備批量特性，存儲延遲。B樹在insert的時候可能會形成分裂，可能會形成隨機讀寫。而LSM將屢次單頁隨機寫，變成一次多頁隨機寫,複用了磁盤尋道時間，極大提高效率。

LSM Tree放棄磁盤讀性能來換取寫的順序性。

通常會使用Bloom Filter來優化LSM。當將內存中的數據與磁盤數據合併的時候，先要判斷數據是否有重複，若是不用Bloom Filter就須要在磁盤上一層層地找，而使用了以後就會下降搜索代價。

多線程

synchronized、CAS

Collections

支持高併發的數據結構，如ConcurrentHashMap

基於AQS實現的鎖、信號量、計數器原理

Runnable與Callable的區別

線程池

做用

減小在建立和銷燬線程上所花的時間以及系統資源的開銷 。

當前任務與主線程隔離，能實現和主線程的異步執行，特別是不少能夠分開重複執行的任務。

阻塞隊列

threadlocal

框架

Spring

IOC/DI

Core、Beans、Context、Expression Language

JDBC、ORM、OXM、JMS、Transaction

AOP

Web

Test

@Autowired原理

工廠模式

反射

自動配置

@ConfigurationProperties(prefix = "hello")：讀取以hello爲開頭的配置，屬性類使用

@Configuration：指名當前類爲配置類

@EnableConfigurationProperties(Properties)：指名配置屬性類

@ConditionalOnClass(Condition.class)：條件類，只有Condition.class存在，當前配置類才生效

Spring Boot在spring.factories配置了不少全限定名的配置類。

Netty架構

Redis

核心原理

經常使用數據類型

String:二進制安全，能夠存任何數據，好比序列化的圖片。最大長度位512M.

Hash:是KV對集合，本質是String類型的KV映射，適合存儲對象。

List:簡單字符串鏈表，能夠在left、right兩邊插入，本質是雙向鏈表。緩衝區也是用這個實現。

Set:String類型的無序集合,內部實現是一個 value永遠爲null的HashMap，實際就是經過計算hash的方式來快速排重的，這也是set能提供判斷一個成員是否在集合內的緣由。

zset:有序集合，每一個元素會關聯一個double類型的score，而後根據score進行排序。注意：元素不能重複，可是score是能夠重複的。使用HashMap和跳躍表(SkipList)來保證數據的存儲和有序，HashMap裏放的是成員到score的映射，而跳躍表裏存放的是全部的成員，排序依據是HashMap裏存的score.

pub/sub:在Redis中，你能夠設定對某一個key值進行消息發佈及消息訂閱，當一個key值上進行了消息發佈後，全部訂閱它的客戶端都會收到相應的消息。

持久化

RDB：一種是手動執行持久化命令來持久化快照；另外一種是在配置文件中配置策略，來自動持久化。持久化命令有save、bgsave兩種，bgsave會調用fork命令，產生子進程來進行持久化，而父進程繼續處理數據，可是持久化的快照是fork那一刻的快照，所以這種策略可能會丟失一部分數據。特色：每次都記錄全部數據，恢復快，子進程不影響父進程性能。

AOF：append only file，將每條操做命令都記錄到appendonly.aof文件中，可是不會立馬寫入硬盤，咱們能夠配置always（每有一個命令，都同步）、everysec（每秒同步一次）、no（沒30秒同步一次）。每每everysec就夠了。aof數據損失要比RDB小。特色：有序記錄全部操做，數據丟失更少，會對操做作壓縮優化，bgrewriteaof也會fork子進程，不影響父進程性能

事務

Transactions:不是嚴格的ACID的事務，可是這個Transactions仍是提供了基本的命令打包執行的功能（在服務器不出問題的狀況下，能夠保證一連串的命令是順序在一塊兒執行的，中間有會有其它客戶端命令***來執行）。

Redis還提供了一個Watch功能，你能夠對一個key進行Watch，而後再執行Transactions，在這過程當中，若是這個Watched的值進行了修改，那麼這個Transactions會發現並拒絕執行。

KafKA

topic

broker

partition

consumer

producer

stream

存儲機制

網絡模型

注意：partition之間是無序的

消息隊列的生產者消費者中消費者沒有收到消息怎麼辦，消息有順序好比1.2.3可是收到的倒是1.3.2怎麼辦？消息發過來的過程當中損壞或者出錯怎麼辦

Spring security

攔截器棧

@PreAuthorize

@PostAuthorize

支持Expression Language

jvm原理

內存模型

垃圾收集器,CMS與G1是重點

垃圾收集算法

標記-清除(CMS)容易產生碎片，當碎片太多會提早觸發Full GC

複製(年輕代基本用這個算法)會浪費一半的可能感受

標記-整理(serial Old、Parallel Old)

Serial：採用單線程stop-the-world的方式進行收集。當內存不足時，串行GC設置停頓標識，待全部線程都進入安全點(Safepoint)時，應用線程暫停，串行GC開始工做，採用單線程方式回收空間並整理內存。串行收集器特別適合堆內存不高、單核甚至雙核CPU的場合。

ParNew

Parallel Scavenge

CMS：

初始標記(stop of world)

並行標記、預清理

從新標記(stop of world)

並行清理

重置

G1：將堆分紅不少region，能夠同時堆年輕代與老年代進行收集

初始標記（stop of world）:初始標記(Initial Mark)負責標記全部能被直接可達的根對象(原生棧對象、全局對象、JNI對象)

並行標記:

從新標記（stop of world）:

清理（stop of world）:

重置:

Pause Prediction Model(停頓預測模型)

核心代碼MAX2(seq->davg() + sigma() * seq->dsd(),seq->davg() * confidence_factor(seq->num()))；其中seq->davg()表示衰減均值，sigma()返回一個係數，表示信賴度，dsd表示衰減標準誤差，confidence_factor表示可信度相關係數。

gc觸發條件

從年輕代分區拷貝存活對象時，沒法找到可用的空閒分區，會觸發Minor GC

從老年代分區轉移存活對象時，沒法找到可用的空閒分區，會觸發Major GC

分配巨型對象時在老年代沒法找到足夠的連續分區，會觸發Major GC

可達性分析：經過檢查一塊內存空間可否被root達到，來判斷是否對其進行回收。

jdk不一樣版本新增的部分特性

1.7

switch語句中支持使用字符串了

try catch支持捕獲多個異常，豎線分割異常便可

try塊中使用的資源能夠不用手動在finally中關閉

支持 List tempList = new ArrayList<>()的聲明方式，實際上是泛型實例化類型自動推斷。

提供自定義關閉類的接口，實現AutoCloseable ，就能夠在類銷燬的時候自動關閉一些資源。

1.8

接口的默認方法

Lambda 表達式，@FunctionInterface註解

容許你使用 :: 關鍵字來傳遞方法或者構造函數引用

在包java.time下包含了一組全新的時間日期API。

jvm調優

VisualVM:JDK自帶JVM可視化工具，能過對內存、gc、cpu、thread、class、變量等等信息進行可視化。

類加載

類加載器

Bootstrap ClassLoader:由c語言實現，用來加載JVM自身工做須要的類。這個類不在雙親委派體系中。

ExtClassLoader:用於加載java\jre\lib\ext目錄下的jar

AppClassLoader:父類加載器爲ExtClassLoader，會加載classpath下全部的類。

類加載方式

隱士加載：不經過代碼裏面調用ClassLoader來加載須要的類，而是經過JVM來自動加載須要的類到內存。

顯示加載：經過調用ClassLoader.loadClass或Class.forName()，或本身實現ClassLoader的findClass方法來加載類。

自定義ClassLoader:父類加載器老是getSystemClassLoader()方法獲取到的ClassLoader。由於無論調用哪一個父類加載器，建立對象最終都會調用getSystemClassLoader做爲父加載器，在通常應用中getSystemClassLoader會獲取AppClassLoader，但在tomcat中getSystemClassLoader()會返回StandardClassLoader。

流程：加載(調用findClass方法)->驗證(各類檢查)->準備(將靜態屬性用零值初始化)->解析(將符號引用替換成直接引用)->初始化(調用clinit方法)

雙親委派：記載一個類的時候，會先遞歸檢查父類是否加載過，避免重加載。若是發生重加載，那原來的類與新加載的類 stanceof判斷是false。

熱部署：利用判斷兩個class是不是同一個，須要校驗類名與類加載器是否同樣的原理。熱部署的類都是用完釋放，每次使用都先new一個classLoader，而後用這個classLoader來加載這個類，這樣生成的類雖然與以前的名稱同樣，可是實際上不是同一個。

javac編譯器

讀取源碼

詞法分析，從原文件的字符開始，按照java語法規範依次找出package、import、類定義、屬性、方法、關鍵詞等。

語法分析，造成一顆符合java規範的抽象語法樹，它能將主要詞法用一個結構化的形式去表達。

語義分析，將一些難懂的、複雜的語法轉化爲更加簡單的語法。好比添加解除語法糖、默認構造方法、檢查語句是否可達、檢查變量類型是否匹配、檢查checked exception 是否捕捉或拋出.

經過字節碼生成器生成字節碼

interface能夠多繼承；class只能單繼承，多實現

String

沒法被繼承，由於它是final class，其被設計成final主要出於如下考慮：

字符串常量池的須要。字符串常量池的誕生是爲了提高效率和減小內存分配。字符串重複的可能性很高，而且其不可變性可以方便常量池優化。

安全性考慮。正由於使用字符串的場景如此之多，因此設計成不可變能夠有效的防止字符串被有意或者無心的篡改。（可是經過反射仍是能夠入侵的）

做爲HashMap、HashTable等hash型數據key的必要。由於不可變的設計，jvm底層很容易在緩存String對象的時候緩存其hashcode，這樣在執行效率上會大大提高。

String.equals()是的實現是逐字符比較兩個String對象的char，而==是比較引用。

String.intern()會獲取在字符串常量池中的字符串對象，若是該字符串不在常量池中，那會將它假如常量池，而後再返回該對象。所以若是連個String的值同樣，那麼調用intern()方法返回的都是其再常量池中的對象，而常量池中同樣的字符串只有一個對象，所以使用==比較也是true。

int的範圍-2^32~2^32-1

序列化的底層實現

java深拷貝

實現Cloneable接口的clone方法

經過序列化實現

設計模式

單例

雙重檢查

靜態內部類

枚舉(jdk1.8以後支持)

觀察者模式

裝飾者模式:jdk中輸入輸出流用到了該模式

適配器模式:jdk中Reader、writer用到了該模式

***模式

靜態***

JDK動態***

Cglib到動態***

生產者消費者模式

工廠模式

項目管理與運維工具

git+Jenkins

maven

K8S

pod：Pod是全部業務類型的基礎，全部的容器均在Pod中運行,它是一個或多個容器的組合。每個Pod都會被指派一個惟一的Ip地址，在Pod中的每個容器共享網絡命名空間，包括Ip地址和網絡端口。Pod可以被指定共享存儲卷的集合，在Pod中全部的容器可以訪問共享存儲卷，容許這些容器共享數據。

kubelet：kubelet負責管理pods和它們上面的容器，images鏡像、volumes、etc。

kube-proxy：爲Service提供cluster內部的服務發現和負載均衡；

etcd：全部master的持續狀態都存在etcd的一個實例中。這能夠很好地存儲配置數據。由於有watch(觀察者)的支持，各部件協調中的改變能夠很快被察覺。

一旦一個Pod被建立，系統就會不停的監控Pod的健康狀況以及Pod所在主機的健康狀況，若是這個Pod由於軟件緣由掛掉了或者所在的機器掛掉了，replication controller 會自動在一個健康的機器上建立一個一摸同樣的Pod,來維持原來的Pod冗餘狀態不變，一個應用的多個Pod能夠共享一個機器。

ingress，用於負載均衡

docker

docker與虛擬機的區別

數據結構

平衡二叉樹AVL

高度log(n)

插入時間複雜度log(n)

紅黑樹

插入時間複雜度log(n)

查找時間複雜度log(n)

在查找是，紅黑樹雖然複雜度也是log(n),可是從效率上比要略低於AVL。可是其優點在於插入元素的時候，不會像AVL那樣頻繁地旋轉。

B+Tree：只有葉子節點存值，非葉子節點只存key和child，所以一樣大小的物理頁上能存放更多的節點。每一層的節點數量越多，意味着層次越少，也就意味着IO次數越少，所以很是適合數據庫以及文件系統。

大根堆：採用數組存儲樹，是一個徹底樹。先插入到數組最後的位置上，而後採用上浮的思想，將該元素與比它小的父元素調換，直到parent>target，浮到root;而後將root與未排序的最後一個元素交換位置；重複以上步驟，直到全部元素都有序。插入如查找的複雜度都是log(n)。

優先隊列PriorityQueue，Java中使用小根堆實現，非線程安全。

優先阻塞隊列PriorityBlockQueue，線程安全。

算法

快排

時間複雜度O(nlog(n))

空間複雜度O(log(n))

堆排序

時間複雜度O(nlog(n))

空間複雜度O(1)

歸併排序

時間複雜度O(nlog(n))

空間複雜度O(n)

跳錶

時間複雜度O(log(n))

空間複雜度O(2n)

高度O(log(n))

分佈式

cap理論

可用性

一致性

分區容忍性：對網絡斷開的容忍度，有點像魯棒性

拜占庭將軍問題

問題描述

拜占庭帝國即中世紀的土耳其，擁有巨大的財富，周圍10個鄰邦垂誕已久，但拜占庭高牆聳立，固若金湯，沒有一個單獨的鄰邦可以成功入侵。任何單個鄰邦入侵的都會失敗，同時也有可能自身被其餘9個鄰邦入侵。拜占庭帝***御能力如此之強，至少要有十個鄰邦中的一半以上同時進攻，纔有可能攻破。然而，若是其中的一個或者幾個鄰邦自己答應好一塊兒進攻，但實際過程出現背叛，那麼入侵者可能都會被殲滅。因而每一方都當心行事，不敢輕易相信鄰國。這就是拜占庭將軍問題。這個問題的本質是要達成一致的共識。

Raft 算法

有leader、follower、candidate

選主流程：

在最初，尚未一個主節點的時候，全部節點的身份都是Follower。每個節點都有本身的計時器，當計時達到了超時時間（Election Timeout），該節點會轉變爲Candidate。

成爲Candidate的節點，會首先給本身投票，而後向集羣中其餘全部的節點發起請求，要求你們都給本身投票。

其餘收到投票請求且還未投票的Follower節點會向發起者投票，發起者收到反饋通知後，票數增長。

當得票數超過了集羣節點數量的一半，該節點晉升爲Leader節點。Leader節點會馬上向其餘節點發出通知，告訴你們本身才是老大。收到通知的節點所有變爲Follower，而且各自的計時器清零。

注意:每一個節點的超時時間都是不同的。好比A節點的超時時間是3秒，B節點的超時時間是5秒，C節點的超時時間是4秒。這樣一來，A節點將會最早發起投票請求，而不是全部節點同時發起。若是全部節點同時發起投票，必然會致使你們的票數差很少，造成僵局，誰也當不成老大。一旦Leader節點掛掉，發不出通知，那麼計時達到了超時時間的Follower節點會轉變爲Candidate節點，發起選主投票，周而復始。

同步流程

由客戶端提交數據到Leader節點。

由Leader節點把數據複製到集羣內全部的Follower節點。若是一次複製失敗，會不斷進行重試。

Follower節點們接收到複製的數據，會反饋給Leader節點。

若是Leader節點接收到超過半數的Follower反饋，代表複製成功。因而提交本身的數據，並通知客戶端數據提交成功。

由Leader節點通知集羣內全部的Follower節點提交數據，從而完成數據同步流程。

zookeeper，參考博客1，參考博客2

leader:複製進行投票的發起和決議，更新系統狀態。

follower:接收client的請求並返回結果，在選主過程當中進行投票。

observer:接收client鏈接，並將請求轉發給leader節點。在不參加投票，只是同步leader狀態。

client:請求發起方。

Zab（Zookeeper Atomic Broadcast）協議,有兩種模式，它們分別是恢復模式（選主）和廣播模式（同步）。

選主：有兩種算法：1. basic paxos；2. fast paxos（默認）

basicpaxos流程

當前Server擔任***線程，其主要功能是對投票結果進行統計，並選出推薦的Server。

***線程首先向全部Server發起一次詢問(包括本身)；

***線程收到回覆後，驗證是不是本身發起的詢問(驗證zxid是否一致)，而後獲取對方的id(myid)，並存儲到當前詢問對象列表中，最後獲取對方提議的leader相關信息(id，zxid)，並將這些信息存儲到當次***的投票記錄表中；

收到全部Server回覆之後，就計算出zxid最大的那個Server，並將這個Server相關信息設置成下一次要投票的Server；

線程將當前zxid最大的Server設置爲當前Server要推薦的Leader，若是此時獲勝的Server得到n/2 + 1的Server票數， 設置當前推薦的leader爲獲勝的Server，將根據獲勝的Server相關信息設置本身的狀態，不然，繼續這個過程，直到leader被***出來。

同步流程

leader等待server鏈接；

Follower鏈接leader，將最大的zxid發送給leader；

Leader根據follower的zxid肯定同步點；

完成同步後通知follower 已經成爲uptodate狀態；

Follower收到uptodate消息後，又能夠從新接受client的請求進行服務了。

事務順序一致性：採用了遞增的事務id號（zxid）來標識事務。全部的提議（proposal）都在被提出的時候加上了zxid。

server的狀態

LOOKING：當前Server不知道leader是誰，正在搜尋

LEADING：當前Server即爲***出來的leader

FOLLOWING：leader已經***出來，當前Server與之同步

文件系統：zookeeper的通知機制、分佈式鎖、隊列管理、配置管理都是基於文件系統的。文件系統中有一下幾種節點：

PERSISTENT-持久化目錄節點，客戶端與zookeeper斷開鏈接後，該節點依舊存在 。

PERSISTENT_SEQUENTIAL-持久化順序編號目錄節點，客戶端與zookeeper斷開鏈接後，該節點依舊存在，只是Zookeeper給該節點名稱進行順序編號。

EPHEMERAL-臨時目錄節點，客戶端與zookeeper斷開鏈接後，該節點被刪除。

EPHEMERAL_SEQUENTIAL-臨時順序編號目錄節點，客戶端與zookeeper斷開鏈接後，該節點被刪除，只是Zookeeper給該節點名稱進行順序編號。

通知機制：客戶端註冊監聽它關心的目錄節點，當目錄節點發生變化（數據改變、被刪除、子目錄節點增長刪除）時，zookeeper會通知客戶端。

配置管理：把這些配置所有放到zookeeper上去，保存在 Zookeeper 的某個目錄節點中，而後全部相關應用程序對這個目錄節點進行監聽，一旦配置信息發生變化，每一個應用程序就會收到 Zookeeper 的通知，而後從 Zookeeper 獲取新的配置信息應用到系統中。

分佈式鎖：有了zookeeper的一致性文件系統，鎖的問題變得容易。鎖服務能夠分爲兩類，一個是保持獨佔，另外一個是控制時序。

獨佔鎖：將zookeeper上的一個znode看做是一把鎖，經過createznode的方式來實現。全部客戶端都去建立 /distribute_lock 節點，最終成功建立的那個客戶端也即擁有了這把鎖。用完刪除掉本身建立的distribute_lock 節點就釋放出鎖。

控制時序鎖：/distribute_lock 已經預先存在，全部客戶端在它下面建立臨時順序編號目錄節點，和選master同樣，編號最小的得到鎖，用完刪除。

隊列管理，分爲同步隊列、非同步隊列

同步隊列，當一個隊列的成員都聚齊時，這個隊列纔可用，不然一直等待全部成員到達。 在約定目錄下建立臨時目錄節點，監聽節點數目是不是咱們要求的數目。

隊列按照 FIFO 方式進行入隊和出隊操做。和分佈式鎖服務中的控制時序場景基本原理一致，入列有編號，出列按編號。

數據複製的好處

容錯：一個節點出錯，不致於讓整個系統中止工做，別的節點能夠接管它的工做；

提升系統的擴展能力 ：把負載分佈到多個節點上，或者增長節點來提升系統的負載能力；

提升性能：讓客戶端本地訪問就近的節點，提升用戶訪問速度。

數據複製集羣系統分下面兩種：

寫主(WriteMaster) ：對數據的修改提交給指定的節點。讀無此限制，能夠讀取任何一個節點。這種狀況下客戶端須要對讀與寫進行區別，俗稱讀寫分離；

寫任意(Write Any)：對數據的修改可提交給任意的節點，跟讀同樣。這種狀況下，客戶端對集羣節點的角色與變化透明。

Broker模式

主要有這6個類：Client，Server，Client_Proxy，Server_Proxy，Broker，Bridge。

Server：就是咱們根據業務寫的服務。

Client：請求發起方，Client發送請求到Broker，並從Broker上接收響應或異常。Client和Server只是邏輯上相關而已，實際上Client並不知道Server的確切位置。

Broker：成消息轉發器。Broker也負責一些控制和管理操做。它可以定位服務端的位置，若發生異常，可以將異常捕獲傳給Client。Broker須要提供註冊服務的接口給Server。

Client_Proxy：連繫Client和Broker，這一層保證了通信的透明性，使Client調用遠程服務就像調用本地的服務同樣。

Server_Proxy：與Client_Proxy相對應的，它接受請求，解包消息，解析出參數並調用服務的實現接口。

Bridge：Bridge用來鏈接各個Broker，通常這個組件是可選的。

一致性hash算法原理

微服務

Spring cloud

網關：zuul

分佈式\版本化配置 config

服務註冊和發現：Eureka，配置時須要注意多久刷新列表一次，多久監測心跳等。

service-to-service 調用

負載均衡：Ribbon；在生成RestTemplate的bean時，經過@LoadBalanced註解可使得RestTemplate的調用

斷路器：Hystrix

監控：spring admin。在啓動類上加@EnableAdminServer註解。

java web

servlet工做原理

建立：若是load-on-startup>0，那就會在Context容器啓動的時候實例化。一、Wrapper.loadServlet獲取servletClass。二、傳給InstanceManager建立對象。

初始化：即調用Servlet的init方法

tomcat工做原理,好文，強推

service，一個server有多個service，一個service有一個container與多個connector

connector，負責接受請求，並將請求封裝成request，同時建立repsonse對象傳給container。

container

engine

host，一個端口一個，或tomcat上面一個服務一個

context，管理多個wrapper，是servlet的運行環境

wrapper，一個servlet一個

linux

系統結構，講得很好，強推

硬連接與軟鏈接

硬連接：數據節點經過引用計數的方式來對指向它的硬連接計數，當計數爲0就刪除。

軟鏈接：咱們能夠把它當作是快捷方式，它只是記錄了某個文件的硬連接的路徑，若是咱們把源文件刪除，再從新建立一個相同名字的文件，那麼軟鏈接指向的就是新建立的文件。

虛擬文件系統(VFS)：文件系統是有不少實現的，好比ext二、ext三、FAT等等，而VFS則是存在於應用程序與文件系統中間，它封裝了open、close、read、write等等操做文件系統的接口，爲應用程序屏蔽掉不一樣文件系統之間的差別。

VFS數據結構

其它

bitmap，大文件交集

Elasticsearch索引原理

從內存到屏幕經歷了啥

高併發場景的限流，你怎麼來肯定限流限多少，模擬場景和實際場景有區別怎麼解決，

EMC面試

說一下redis與kafka，redis持久化策略

git中rebase與merge區別

docker底層原理，依賴操做系統的什麼

ls -l | grep xxx的執行過程，儘量的細，是多進程仍是單進程？

兩個有序數組求中位數

算法 3Sum、中序遍歷非遞歸實現、循環打印矩陣

final、finally、finanize

jvm內存模型

垃圾回收器

Spring特色介紹下

Synchronize與ReentrantLock的區別、使用場景

CAS使用場景

聊了下git+jekins+K8S+docker實現自動化部署

innodb原理，使用場景，與MYISAM在場景上的區別

weakReference、softReference等

Hbase的原理，LSM Tree

Linux中，哪一種進程可使用管道

美團

權限模型

介紹下線程池，阻塞隊列的用法，***隊列真的***嗎？

說一下redis

kafka存儲模型與網絡模型

zookeeper與redis實現分佈式鎖

樂觀鎖與悲觀鎖

算法：有n我的，給你ai與aj的身高關係，如ai比aj高，進行身高排序，若是條件不知足，則輸出「不知足」

Spring boot的特性

---

有什麼問題，歡迎留言溝通，在這裏也祝你們都能找到一個合適的工做~

特別聲明:本文素材來源於網絡,僅做爲分享學習之用,若有侵權,請聯繫刪除!