二级域名查询网站,ps做网页,明星网页制作模板,网站网址模板前言
最近有很多朋友去目前主流的大型互联网公司面试#xff08;阿里巴巴、京东、字节跳动、蚂蚁金服、滴滴#xff09;#xff0c;面试回来之后会发给我一些面试题。有些朋友轻松过关#xff0c;拿到offer#xff0c;但是有一些是来询问我答案的。
我特意整理了一下阿里巴巴、京东、字节跳动、蚂蚁金服、滴滴面试回来之后会发给我一些面试题。有些朋友轻松过关拿到offer但是有一些是来询问我答案的。
我特意整理了一下有很多问题不是靠几句话能讲清楚所以整理了一些资料来解答这些面试题。很多问题其实答案很简单但是背后的思考和逻辑不简单要做到知其然还要知其所以然。
阻塞IO 我们知道在调用某个函数的时候无非就是两种情况要么马上返回然后根据返回值进行接下来的业务处理。当在使用阻塞IO的时候应用程序会被无情的挂起等待内核完成操作因为此时的内核可能将CPU时间切换到了其他需要的进程中在我们的应用程序看来感觉被卡主(阻塞)了。 非阻塞IO 当使用非阻塞函数的时候和阻塞IO类比内核会立即返回返回后获得足够的CPU时间继续做其他的事情。 IO复用模型 当使用fgets等待标准输入的时候如果此时套接字有数据但不能读出。IO多路复用意味着可以将标准输入、套接字等都当做IO的一路任何一路IO有事件发生都将通知相应的应用程序去处理相应的IO事件在我们看来就反复同时可以处理多个事情。这就是IO复用。 信号驱动IO 在信号驱动式 I/O 模型中应用程序使用套接口进行信号驱动 I/O并安装一个信号处理函数进程继续运行并不阻塞。当数据准备好时进程会收到一个 SIGIO 信号可以在信号处理函数中调用 I/O 操作函数处理数据。 异步IO 用程序告知内核启动某个操作并让内核在整个操作包括将数据从内核拷贝到应用程序的缓冲区完成后通知应用程序。那么和信号驱动有啥不一样? 讲讲select和epoll的区别 这里一样的套路先说出两者的用途然后两者的优缺点。 select的缺点 select返回的是含有整个句柄的数组应用程序需要遍历整个数组才能发现哪些句柄发生了事件 select的触发方式是水平触发应用程序如果没有完成对一个已经就绪的文件描述符进行IO操作那么之后每次select调用还是会将这些文件描述符通知进程 内核 / 用户空间内存拷贝问题select每次都会改变内核中的句柄数据结构集因而每次select调用时都需要从用户空间向内核空间复制所有的句柄数据结构产生巨大的开销 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当然可以更改数量
epoll实现 epoll在内核中会维护一个红黑树和一个双向链表红黑树存放通过epoll_ctl方法向epoll对象中添加进来的事件所以不需要每次调用epoll_wait都全量复制所有的事件结构。双向链表存放就绪的事件所有添加到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就会直接返回链表中的就绪事件效率高。 select适合少量活跃连接一般几千。 epoll适合大量不太活跃的连接。 乐观锁和悲观锁了解吗 这个问题延伸的问题会很多比如线程安全CAS原理优缺点等。 啥是悲观和乐观咋们面试的时候不得乐观一些。想给面试来一波官方解释然后大白话解释一波就差不多了。
官方悲观锁是总是假设最坏的情况每次那数据都认为别人会修改它所以每次去那数据都要上锁这样别人去拿这个数据就会阻塞。乐观锁就不一样了总是觉得一切都是最好的安排每次拿数据都认为别人不会修改所以也就不上锁但是在更新的时候会判断这个期间别人有没有更新这个数据。
什么是缓存穿透如何避免什么是缓存雪崩何如避免
缓存穿透 一般来说缓存系统会通过key去缓存查询如果不存在对应的value就应该去后端系统查找比如DB。这个时候如果一些恶意的请求到来就会故意查询不存在的key,当某一时刻的请求量很大就会对后端系统造成很大的压力。这就叫做缓存穿透。 如何避免 对查询结果为空的情况也进行缓存缓存时间设置短一点或者该key对应的数据insert了之后清理缓存。对一定不存在的key进行过滤。可以把所有的可能存在的key放到一个大的Bitmap中查询时通过该bitmap过滤。 缓存雪崩 当缓存服务器重启或者大量缓存集中在某一个时间段失效这样在失效的时候会给后端系统带来很大压力。导致系统崩溃。 如何避免 在缓存失效后通过加锁或者队列来控制读数据库写缓存的线程数量。比如对某个key只允许一个线程查询数据和写缓存其他线程等待。 做二级缓存A1为原始缓存A2为拷贝缓存A1失效时可以访问A2A1缓存失效时间设置为短期A2设置为长期。
不同的key设置不同的过期时间让缓存失效的时间点尽量均匀。
2 redis相关 如果是后端/服务端面试的同学怎么说都的去找一本redis书来看看其出现的概率只有那么大了切记切记。看看B站问了哪几个问题。 redis的淘汰删除策略了解吗
能说不了解吗就算是没有听说过咋们也可以来一句“不好意思面试官这一块还不怎么深入但是从字面意思来理解巴拉巴拉”不至于一脸懵逼。下面我们看看redis的缓存策略
Redis中通过maxmemory参数来设定内存的使用上限如果Redis所使用内存超过设定的最大值那么会根据配置文件中的策略选取要删除的key来删除从而留出新的键值空间。主要的六种淘汰key策略
volatile-lru 在键空间中设置过期时间移除哪些最近最少使用的key占着茅坑不拉屎的key allkeys-lru 移除最近最少使用的key volatile-random 在键空间中设置过期时间随机移除一个key allkeys-random 随机移除一个key noeviction 当内存使用达到阀值的时候所有引起申请内存的命令会报错 ok现在知道了需要淘汰哪些key那我们如何去淘汰这些key
定时删除 很简单设置一个闹钟闹钟响了就删除即可。这种方式对于内存来说还是比较友好内存不需要啥额外的操作直接通过定时器就可保证尽快的删除。对于CPU来说就有点麻烦了如果过期键比较多那么定时器也就多这删除操作就会占用太多的CPU资源 惰性删除 每次从键空间获取键的时候检查键的过期时间如果过期了删除完事。 定期删除 每隔一段时间就去数据库检查删除过期的键 这种方案是定时删除和惰性删除的中和方法既通过限制删除操作执行的时长来减少对CPU时间的影响也能减少内存的浪费。但是难点在于间隔时长需要根据业务情况而定。
3 mysql
mysql中使用的锁有哪些什么时候使用行锁什么时候会使用表锁
InnoDB中的行锁是通过索引上的索引项实现主要特点是只有通过索引条件检索数据InnoDB才会使用行级锁否则InnoDB将使用表锁。
这里注意在Mysql中行级锁不是锁记录而是锁索引。索引又分为主键索引和非主键索引两种。如果在一条语句中操作了非主键索引Mysql会锁定该非主键索引再锁定相关的主键索引。 了解过间隙锁吗间隙锁的加锁范围是怎么确定的 了解B树吗B树什么时候会出现结点分裂 这个回答在上一篇的B树已经详细说了。这里简述一下 将已满结点进行分裂将已满节点后M/2节点生成一个新节点将新节点的第一个元素指向父节点。 父节点出现已满将父节点继续分裂。 一直分裂如果根节点已满则需要分类根节点此时树的高度增加。 事务还没执行完数据库挂了重启的时候会发生什么 undo日志和redo日志分别是干嘛的
redo log重做日志是InnDB存储引擎层的用来保证事务安全。在事务提交之前每个修改操作都会记录变更后的数据保存的是物理日志-数据防止发生故障的时间点有脏页未写入磁盘在重启mysql的时候根据redo log进行重做从而达到事务的持久性
undo log回滚日志保存了事务发生之前的数据的一个版本可以用于回滚同时也提供多版本并发控制下的读。
简单讲讲数据库的MVCC的实现原理 细说太多了几个大写字母代表啥这几个大写字母又是如何关联起来完事。细问再深究 mysql的binlog日志什么时候会使用
首先应该知道binlog是一个二进制文件记录所有增删改操作节点之间的复制都会依靠binlog来完成。从底层原理来说binlog有三个模式
模式1–row模式 每一行的数据被修改就会记录在日志中然后在slave段对相同的数据进行修改。比如说update xx where id in(1,2,3,4,5)使用此模式就会记录5条记录 模式2–statement模式 修改数据的sql会记录到master的binlog中。slave在复制的时候sql thread会解析成和原来maseter端执行过的相同的sql在此执行 模式3–mixed模式 mixed模式即混合模式Mysql会根据执行的每一条具体sql区分对待记录的日志形式。那么binlog的主从同步流程到底是咋样的 流程简述
Master执行完增删改操作后都会记录binlog日志,当需要同步的时候会主动通知slave节点slave收到通知后使用IO THREAD主动去master读取binlog写入relay日志(中转日志),然后使 SQL THREAD完成对relay日志的解析然后入库操作,完成同步。
4 基本数据结构 使用LRU时如果短时间内会出现大量只会使用一次的数据可能导致之前大量高频使用的缓存被删除请问有什么解决办法? 了解过循环链表吗他的长度怎么计算 他的主要特点是链表中的最后一个节点的指针域指向头结点整个链表形成一个环。****这里循环链表判断链表结束的标志是判断尾节点是不是指向头结点 哪种数据结构可以支持快速插入删除查找等操作
思考这个问题的时候我们不凡复习下不错的二分查找它依赖数组随机访问的特性其查找时间复杂度为O(log n)。如果我们将元素放入链表中二分查找还好使吗这就是今天和大家分享的跳表
理解跳表 假设使用单链表存储n个元素其中元素有序如下图所示 从链表中查找一个元素自然从头开始遍历找到需要查找的元素此时的时间复杂度为O(n)。那采用什么方法可以提高查询的效率呢问就是加索引如何加我们从这部分数据中抽取几个元素出来作为单独的一个链表如下图所示]
假设此时咋们查找元素16首先一级索引处寻找当找到元素14的时候下一个节点的值为18意味着我们寻找的数在这两个数的中间。此时直接从14节点指针下移到下面的原始链表中继续遍历正好下一个元素就是我们寻找的16。好了我们小结一下如果从原始链表中寻找元素16需要遍历比较8次如果通过索引链表寻找我们只需要5次即可。 我们继续查找元素16此时比较次数变为4次。这样看来加一层索引查找的次数就变少如果有n个元素到底有多少索引
假设我们按照每两个结点就抽出一个结点作为上一层的索引节点第一层所以节点个数n/2第二层为n/4,第x级索引的结点个数是第x-1级索引的结点个数的1/2那第x级索引结点的个数就是n/(2x)。假设索引有y级我们可以得到n/(2y)2从而求得ylog2n-1。 这么多索引是不是就很浪费内存嘞 假设原始链表大小为n那第一级索引大约有 n/2 个结点第二级索引大约有 n/4 个结点以此类推每上升一级就减少一半直到剩下 2 个结点。如果我们把每层索引的结点数写出来就是一个等比数列。这几级索引的结点总和就是 n/2n/4n/8…842n-2 。所以跳表的空间复杂度是 O(n) 。那还能不能降低一些呢。机智的你应该就考虑到假设每三个结点抽取一个节点作为索引链表的节点。
跳表与二叉查找树 两者其查找的时间复杂度均为O(logn) 那跳表还有哪些优势 先看二叉查找树 这种结构会导致二叉查找树的查找效率变为 O(n),。
跳表与红黑树 说实话红黑树确实比较复杂面试的时候让你写红黑树你就给他大嘴巴子 红黑树需要通过左右旋的方式去维持树大小平衡。而跳表是通过随机函数来维护前面提到的 “ 平衡性 ” 。当我们往跳表中插入数据的时候我们可以选择同时将这个数据插入到部分索引层中。如何选择加入哪些索引层呢 我们通过一个随机函数来决定将这个结点插入到哪几级索引中比如随机函数生成了值 K 那我们就将这个结点添加到第一级到第 K 级这 K 级索引中。当我们往跳表中插入数据的时候我们可以选择同时将这个数据插入到部分索引层中。
小结 Redis中的有序集合采用了跳表的方式来实现其实还采用了散列表等数据结构进行融合。它在插入删除等都有比较快的速度虽然红黑树也可以做到但是红黑树对于按照区间查找数据这个操作跳表可以做到 O(logn) 的时间复杂度定位区间的起点然后在原始链表中顺序往后遍历就可以了 5 总结 请记下以下几点: 公司招你去是干活了不会因为你怎么怎么的而降低对你的要求标准。 工具上面写代码和手撕代码完全不一样。 珍惜每一次面试机会并学会复盘。 对于应届生主要考察的还是计算机基础知识的掌握项目要求没有那么高是自己做的就使劲抠细节做测试只有这样才知道会遇到什么问题遇到什么难点如何解决的。从而可以侃侃而谈了。 非科班也不要怕怕了你就输了一定要多尝试。
最后
各位读者由于本篇幅度过长为了避免影响阅读体验下面我就大概概括了整理了需要的话请**点赞后点击这里免费下载文章资料** 了你就输了一定要多尝试。
最后
各位读者由于本篇幅度过长为了避免影响阅读体验下面我就大概概括了整理了需要的话请**点赞后点击这里免费下载文章资料**
[外链图片转存中…(img-hQXjXD6n-1622525782118)]
[外链图片转存中…(img-SBwMS9mX-1622525782118)]
[外链图片转存中…(img-WarLj4pc-1622525782119)]
