我好像没投实习，捞起来面实习了，喵喵喵？来了就面！（还在实习，跟面试官说找时间出去，五分钟之后来电话） 实习介绍，收获 实习项目难点解决方案（行级锁、分布式锁），再优化。 现在手里的项目，之前工厂模式，现在建造者模式 秒杀系统设计 怎么学习，项目中学习还是学自己喜欢的技术 最近在学什么东西 用过哪些中间件 分布式的东西有学过用过吗（使用到的中间件，分布式问题的处理） 分布式通信的中间件  dubbo和springcloud哪个熟 说说dubbo理解 dubbo为什么比springcloud快 从网络角度分析dubbo为什么比springcloud快 dubbo服务注册怎么做,过程。如果几万...

大量消息在 mq 里积压了几个小时了还没解决 几千万条数据在 MQ 里积压了七八个小时，从下午 4 点多，积压到了晚上 11 点多。这个是我们真实遇到过的一个场景，确实是线上故障了，这个时候要不然就是修复 consumer 的问题，让它恢复消费速度，然后傻傻的等待几个小时消费完毕。这个肯定不能在面试的时候说吧。 一个消费者一秒是 1000 条，一秒 3 个消费者是 3000 条，一分钟就是 18 万条。所以如果你积压了几百万到上千万的数据，即使消费者恢复了，也需要大概 1 小时的时间才能恢复过来。 一般这个时候，只能临时紧急扩容了，具体操作步骤和思路如下： 先修复 consumer 的问题，...

先看看顺序会错乱的俩场景： RabbitMQ：一个 queue，多个 consumer。比如，生产者向 RabbitMQ 里发送了三条数据，顺序依次是 data1/data2/data3，压入的是 RabbitMQ 的一个内存队列。有三个消费者分别从 MQ 中消费这三条数据中的一条，结果消费者2先执行完操作，把 data2 存入数据库，然后是 data1/data3。这不明显乱了。 Kafka：比如说我们建了一个 topic，有三个 partition。生产者在写的时候，其实可以指定一个 key，比如说我们指定了某个订单 id 作为 key，那么这个订单相关的数据，一定会被分发到同一...

数据的丢失问题，可能出现在生产者、MQ、消费者中，咱们从 RabbitMQ 和 Kafka 分别来分析一下吧。 RabbitMQ 生产者弄丢了数据 生产者将数据发送到 RabbitMQ 的时候，可能数据就在半路给搞丢了，因为网络问题啥的，都有可能。 此时可以选择用 RabbitMQ 提供的事务功能，就是生产者发送数据之前开启 RabbitMQ 事务channel.txSelect，然后发送消息，如果消息没有成功被 RabbitMQ 接收到，那么生产者会收到异常报错，此时就可以回滚事务channel.txRollback，然后重试发送消息；如果收到了消息，那么可以提交事务channel.tx...

说一说可能会有哪些重复消费的问题。 首先，比如 RabbitMQ、RocketMQ、Kafka，都有可能会出现消息重复消费的问题，正常。因为这问题通常不是 MQ 自己保证的，是由我们开发来保证的。挑一个 Kafka 来举个例子，说说怎么重复消费吧。 Kafka 实际上有个 offset 的概念，就是每个消息写进去，都有一个 offset，代表消息的序号，然后 consumer 消费了数据之后，每隔一段时间（定时定期），会把自己消费过的消息的 offset 提交一下，表示“我已经消费过了，下次我要是重启啥的，你就让我继续从上次消费到的 offset 来继续消费吧”。 但是凡事总有意外，比如我们之...

如果有人问到你 MQ 的知识，高可用是必问的。 RabbitMQ 的高可用性 RabbitMQ 是比较有代表性的，因为是基于主从（非分布式）做高可用性的，我们就以 RabbitMQ 为例子讲解第一种 MQ 的高可用性怎么实现。 RabbitMQ 有三种模式：单机模式、普通集群模式、镜像集群模式。 单机模式 单机模式，就是 Demo 级别的，一般就是你本地启动了玩玩儿的，没人生产用单机模式。 普通集群模式（无高可用性） 普通集群模式，意思就是在多台机器上启动多个 RabbitMQ 实例，每个机器启动一个。你创建的 queue，只会放在一个 RabbitMQ 实例上，但是每个实例都同步 queue...

为什么使用消息队列 使用消息队列的场景有很多，比较核心的有3个：解耦、异步、削峰。 解耦 如下场景，A系统要发送数据给BCD三个系统。如果新增E系统要调用A系统呢？如果过一段时间C系统不需要了呢？A系统负责人几乎要崩溃了... 在这个场景中，A 系统跟其它各种乱七八糟的系统严重耦合，A 系统产生一条比较关键的数据，很多系统都需要 A 系统将这个数据发送过来。A 系统要时时刻刻考虑 BCDE 四个系统如果挂了该咋办？要不要重发，要不要把消息存起来？头发都白了啊！ 如果使用 MQ，A 系统产生一条数据，发送到 MQ 里面去，哪个系统需要数据自己去 MQ 里面消费。如果新系统需要数据，直...

简介 LRU即(Least Recent Used)最近最少使用。缓存可以用HashMap去模拟，用String作为key去访问数据，当缓存满了的时候，我们就需要将最近最少使用的删掉。如果额外开辟空间去标记最近使用就很麻烦了，我们可以用双向链表去进行模拟。 当缓存新增节点时：该节点放到链表最前面。当缓存数据被访问时：节点放到最前面当缓存满时：将最后面的节点删除 基于HashMap 代码如下: public class LRUNode { String key; Object value; LRUNode prev; LRUNode next; public LRUNod...

进程与线程 进程是系统进行资源分配和调度的基本单位，一个进程可以包括多个线程 线程是是CPU调度和分派的基本单位，是比进程更小的能独立运行的基本单位 进程与线程的区别 线程不能看作独立应用，而进行可以看作独立应用 进程有独立的地址空间，相互不影响，线程只是进程的不同执行路径 线程没有独立的地址空间，多进程程序比多线程程序更加健壮 进程的切换比线程的切换开销更大 进程与线程的关系（Java） Java对操作系统提供的功能进行封装，包括进程和线程 运行一个程序会产生一个进程，进程包含至少一个线程 每个进程对应一个JVM实例，多个线程共享JVM里的堆 Java采用单线程编...

前言： Java和C++之间有一堵由内存管理和垃圾收集技术所围成的“高墙”，墙外的人想进去，墙内的人真会玩～ 哪些内存需要回收？ 大家都知道JVM内存结构分别为程序计数器、虚拟机栈、本地方法栈、堆区、方法区。其中程序计数器、虚拟机栈和本地方法栈随线程而生。而方法区和堆区则是垃圾回收器所关注的部分了。 那么，怎么确定一个对象是否需要回收呢？这就要用到垃圾回收算法了，主要的垃圾回收算法有两种： 1、引用计数法 引用计数是垃圾收集器中的早期策略。在这种方法中，堆中每个对象实例都有一个引用计数。当一个对象被创建时，就将该对象实例分配给一个变量，该变量计数设置为1。当任何其它变量被赋值为这个对象的引用时...

功能点 因为这是公司的一个项目，不方便透露具体题目。有一个功能点大体上是这样的，这个功能会经常被用户用，我需要做的是每次用户使用我都要对其计数 性能问题 每次访问都需要对其计数+1，多个任务竞争同一条数据，会引起事务行级锁，造成性能及其低下 优化策略及其原理 1、异步处理。 可以对计数操作进行异步处理，考虑到这种情况下会引起大量等待行级锁，用异步处理方式可以优化性能。我使用ActiveMQ处理，但是大家知道，MQ会消息重发出现问题。（这个业务场景下其实不用处理，因为并不需要那么精确的数字），常用的消息重发解决方案是给消息一个编号，已经处理过的编号不再处理 2、分表 很多人可能会问，...

Spring整体架构 Core Container Core Container（核心容器）包含Beans、Core、Context、EspL四个模块 Core和Beans是Spring的基础部分，提供IOC（控制反转）和DI（依赖注入） Core模块 该模块主要包含Spring基本的核心工具类，Spring的其他组件都要使用其中的类，Core模块是其他组件的基本核心。 Beans模块 Beans是所有应用都要用到的，它包含访问配置文件，创建和管理bean以及进行（IOC/DI）操作相关的类。 Context模块 C...

单链表反转 链表中环的检测 两个有序链表合并 删除链表中倒数第n个结点 求链表的中间结点 封装的Node信息如下:后面代码不再给出 package cn.wangbo.list; /* * 这是链表类， * 封装了链表节点信息 * */ public class Node<T> { T val; //值 Node next; //next指针 public Node() { } public Node(T val, Node next) { this.val = val; ...

题目 请实现一个函数，将一个字符串中的每个空格替换成“%20”。例如，当字符串为We Are Happy.则经过替换之后的字符串为We%20Are%20Happy。 题目分析 从前往后遍历，每次遇到空格都需要将后面的后移。时间复杂度较高。 先扩容到对应的长度，也就是原来的长度+空格数*2. 从后往前遍历（用两个指针一个指向新数组，一个指向现遍历到哪个字符） 如果不为空格直接移到后面那个指针的位置。 如果为空格，将%20移到后面的位置（顺序是0 2 %） 代码 public String replaceSpace(StringBuffer str) { ...