牛客在线求职答疑中心

前言这是我集百家之所长和几十次面试千锤百炼最后自己整理得到的话术文档。为什么我要开源出来呢？当然是我自己秋招不会用苍穹外卖了觉得有用的欢迎关注我，点赞本文章和送小红花。打个小广告：我手上有个7000多字的轮子项目的话术，需要的可以和我交流学习下超详细八股笔记和外卖项目话术专栏：https://www.nowcoder.com/creation/manager/columnDetail/j8ZZ 我的八股速成和架构设计专栏：https://www.nowcoder.com/creation/manager/columnDetail/0ybvLm我的胡言乱语专栏，里面有我想写的小说素材：https...

不是哥们这也能过？？？？？居然约二面了？？？？1.自我介绍2.mysql引擎了解吗3.你觉得不同引擎有什么区别？我们经常用innodb，innodb好好在哪里？我们一般什么时候不用innodb？4.mysql死锁了解吗？-5.自己建张表，写两个事务，写出死锁的例子。6.你觉得有个服务有2个接口，调用这两个事务，这会发生什么？业务层上监控的指标会有什么变化，能想到啥说啥？你觉得XX指标变化的量级会是多少？7.业务上一般怎么处理mysql死锁？8.现在有一个服务，有10个接口，其中2个高qps（1w）的接口分布调了上面的两个事务，其他8个接口（qps1k）也读这个库，那8个接口你觉得监控指标会发生什么变化？你觉得XX指标变化的量级会是多少？9.它在mysql底层是为什么呢？10.mysql一般我们用事务用什么隔离级别？11.可重复读和可串行化的区别是啥？12.它在mysql底层是为什么呢？换句话说可重复读的实现原理是什么？可串行化的实现原理是什么？是什么导致了它们的区别13.讲讲mysql下索引。14.聚簇索引底层和非聚簇索引底层是什么？15.现在我们有张表用uuid建表，有张表用自增id建表，1kw行记录，添加数据的效率谁更高？为什么？16.接着15的场景，我们建完表了，其他数据都一样，只是一张表是uuid作为主键，一张表是自增主键，谁的查询效率高？为什么？17.讲讲你对一般怎么排查慢查询sql。18.你提到了一个阈值，阈值一般怎么设置？慢查询优化阈值一般设定死的吗？19.你在other提到了临时表，你觉得临时表什么时候会出现？-20.自己建张表，写个sql，写出单表查询的场景下出行临时表的例子。21.你用过redis吗？你一般用redis干什么？22.redis的数据结构你了解多少？24.你如何利用redis实现个分布式锁？现成的可以讲讲原理？用原生的redis怎么做，讲讲加解锁的逻辑？25.为什么跳表时间复杂度是log(N)？-26.自己举个跳表的例子，来说明他平均查询复杂度是log(N)，最好直接公式推导。27.redis里面我们经常提有大key和热key，你分别讲讲大key是啥，热key是啥？28.大key会导致什么，热key会导致什么29.你觉得有个服务有1个接口，调用这个redis的大key/热key，这会发生什么？业务层上监控的指标会有什么变化，能想到啥说啥？你觉得XX指标变化的量级会是多少？30.现在有一个服务，有10个接口，其中1个低qps（100）的接口调用了大key/热key，其他9个接口（qps1k）也读这个库，那8个接口你觉得监控指标会发生什么变化？你觉得XX指标变化的量级会是多少？31.redis支持持久化吗？32.AOF在文件里面存什么？RDB在文件里面存什么？33.你觉得AOFRDB混合持久化会丢数据吗？会在哪个范围丢数据，为什么？一个redis实例一般会丢失多少数据，这个数量级是多少？34.AOF持久化的时间有哪些？35.现在有个redis cluster，8个主，有个宕机了，缓存命中率会下降多少，为什么？36.你了解一致性哈希吗？37.一致性哈希的话，有个宕机了，缓存命中率会下降多少，为什么？38.一般一致性哈希中会提到一个虚拟节点，虚拟节点是用来干什么？39.加了虚拟节点的一致性哈希，有个宕机了，缓存命中率和不加虚拟节点一不一样，为什么？40.你一般用kakfa干什么41.kafka如何实现顺序消费？kafka本身内部实现讲讲？业务层有什么保证顺序的手段讲讲？42.现在有一个kafka，消息堆积了，你觉得为什么会消息堆积？业务层一般会怎么处理消息堆积问题？43.接着42，它消息堆积，我把它扩容了，原来20台机器我扩容成40台，但是消费者的tps没变，这是为什么呢？想想所有可能的原因，能讲多少是多少？44.kafka一个分区可以被多少一个消费者组内不同消费者消费吗？一个消费者可以同时消费多个topic吗？45.你讲讲对线程安全的理解吧。46.比如说现在有个concurrenthashmap，你不对他加锁就进行一些叠加操作，这个可能会有问题吗？为什么？47.你用过哪些锁？48.reentlock相比于syn在使用上有哪些更优秀的地方？49.reentlock底层原理展开讲讲。50.讲讲reentlock支持可重入锁特性的源码是怎么设计的？51.讲讲reentlock支持区分公平和非公平特性的源码是怎么设计的？52.由你设计一个动态线程池，你会怎么设计？53.java线程池过程？java线程池原理？54.threadlocal，怎么用？什么东西在栈上？什么东西在堆上？为什么设计成弱引用，不是容易内存泄漏吗？55.mybatis星号和井号有什么区别？-56.自己写个sql，能实现sql注入。

一堆人在骂中国年轻人失业率高，他们各种用苹果手机、驾特斯拉汽车、喝可口可乐，中国年轻人能不失业率高吗？他们还有脸骂中国！买100台华为MATE60 养活5个中国人买100台苹果 养活1个中国人骂我的你说说哪不对？华为用国产芯片 国产配件，苹果用美国芯片韩国屏幕，知道这意味着多少开发设计的工程师工作岗位不？多少制造相关工人职位不？

分库分表的常用中间件有哪些？有哪些问题中间件无法提供帮助、只能改写业务代码的场景？使用了什么中间件？分库分表的实现场景和方式有哪些？分表之后，要查询两个表的数据要怎么查？分库分表的优缺点是什么？分库分表业界有哪些替代方案？（提示：分布式文件系统，因为分库分表会出现降低QPS，比如range查询失效）为什么做了分库分表后分页比较困难了？如果10亿数据要分表，要怎么分？业务怎么切？分库分表怎么保证数据一致性？选的什么分片键？什么分片算法？分库分表后的分布式ID怎么做？（2025年目前为止的牛客面经关于分库分表的问题收集）总结：分布式事务一致性问题跨节点关联查询JOIN问题（解决方案：1.全局表 2.冗余字段 3.建立1：1的ER实体关系分片）非分片键的查询问题（1.创建映射表 2.  前缀分片法  3.使用ES搜索引擎（最后才说要抬高立意）全局分布式ID问题（1.UUID 2.雪花算法 3.mysql/Redis 4.美团Leaf（1.Leaf-segment 2.Leaf-snowflake）跨库跨节点分页查询问题（不会）与朋友合作的开源Go KV项目路过可以的话帮我们点个star✨🌟https://github.com/FinnTew/FincasKV参考面试回答：（吟唱）<strong>面试官：分库分表后、如何解决跨节点JOIN查询问题</strong><span> <code><参考回答：></code></span>分库分表后、跨节点 JOIN 查询会带来性能问题。 为了解决这个问题主要有以下几种方案：1. 全局表： 如果是一些数据量小、变动不频繁的基础数据（比如权限表、配置表、商品分类表）可以将它们复制到每个数据库节点。 这样查询时可以直接在本地 JOIN、避免跨库。 但需要保证全局表的数据同步。2. 冗余字段： 如果经常需要 JOIN 某些字段、可以将这些字段冗余存储到需要查询的表中。 比如在订单表中冗余存储用户的姓名和地址。 这样查询订单信息时、就不用 JOIN 用户表了。 但需要保证冗余字段的数据一致性。3. ER 分片： 如果表之间存在很强的关联关系、比如订单表和订单详情表、可以按照相同的规则进行分片、保证它们在同一个数据库节点上。 这样就可以避免跨库 JOIN。（ER: 例如将订单表 和订单详情表按照 订单ID进行分片）使用一致性哈希算法、将 订单ID映射到不同的数据库节点上。关键： 保证具有相同 订单ID 的订单表记录和订单详情表记录、始终被分配到同一个数据库节点上。)<strong>面试官：非分片键的字段如何查询问题</strong><span> <code><参考回答：></code></span>问题背景：我们选择分片键的时候都是选用查询场景最多的字段来做分片键、但是可能需要查询非分片键下的所有所有数据。例如电商用(订单ID) 做分片但是我们可能会查询订单类型、这些数据可能被分到了不同的库、我们需要聚合所有库的查询、然后返回给前端。导致效率低下回答参考方案：<strong>1.关系映射表：映射关系表就是存储待查询字段和分片键映射关系的一张表、当要使用非分片键查询的时候、先到映射关系表中查询字段所对应的所有分片键、再根据分片键查询所有信息。</strong>（例如创建一个额外的映射表Map、包含 订单ID 和 订单类型 的对应关系。当插入新订单时、同时更新这个映射表。查询时先查映射表获取所有的 订单ID、再根据 订单ID列表查询分片表。总结一下就是用映射去查询我们就可以得到了 缺点是要维护新的Map 适用于对实时性要求不高的情况）<strong>2.  前缀分片法：利用（订单ID）的某些特征来决定数据存储在哪个分片上，并将这个嵌入到主键中。 这样既可以通过主键进行分片、又可以通过UID进行分片。</strong>（例如在生成 订单时，嵌入 用户ID 的某些特征 例如 用户ID的最后一位。然后使用包含这个 订单ID进行分片。这样既可以通过 订单分片，也可以通过 用户ID的特征进行路由。优点不需要额外的存储空间 缺点是可能会产生如果 用户ID分布不均匀、可能会导致数据倾斜）<strong>3.ES: 将所有订单数据同步到ES中、利用 ES 的全文检索和聚合分析能力、进行多条件查询</strong><strong>面试官：分库分表后的分布式ID怎么做？</strong><span> <code><参考回答：></code></span>问题背景：分库分表后需要一个唯一ID来标识一条数据或消息。回答参考方案：说一下各大方案及优缺点就行。1. UUID（优点本地生成、缺点是16字节128位存储成本高以及会产生页分裂问题2.雪花算法（优点生成性能高、可以根据业务特征分配Bit位、缺点是依赖强时间回钟）3.MySQL自增主键和Redis的Incr命令（不做探讨）3. 分布式ID生成服务、如美团的leaf算法（Leaf-segment和Leaf-snowflake）大家这里可以去看美团技术文章 这里引导一下思路就好<strong>面试官：如果要你选择一个分布式ID生成方案你会选什么</strong><span> <code><参考回答：></code></span>1.如果 对 ID 的有序性有要求、且需要高性能的 ID 生成服务、我会优先选择雪花或者 Leaf-snowflake 。 雪花的优点是生成速度快、ID 趋势递增、有利于数据库索引的性能优化。Leaf-snowflake 在雪花的基础上、对时钟回拨问题进行了优化2.如果 对 ID 的有序性没有要求、且可以容忍一定的存储空间浪费、我会选择 UUID。 优点是本地生成、不需要依赖外部服务、生成速度快。3.如果 业务规模较大、对 ID 的全局唯一性、高性能和可扩展性有较高要求、我会选择构建一个专门的分布式 ID 生成服、例如使用 Leaf-segment 算法。 的优点是统一管理、方便维护和扩展、可以根据业务需求定制 ID 生成规则。更新一下CSDN： https://blog.csdn.net/wy990880?type=blog大家copy内容背诵就好了在我看来这个就是点到为止说出自己能知道多少就说多少 不要一点不知道 说多少都是缘分而且我觉得面试官自己也没做过分库分表具体的技术深度大家看看别的

从小到大成长顺风顺水，大学大幅度扩招考学也容易了。。。。。眼瞅着父母这些年越来越有钱，家里资产越来越多。结果大学一毕业遇到这么一个经济状态，连工作都找不着，连自己都养不活。每年毕业1,000万大学生，超过一半找不着工作。现在在北京，一个月六七千块钱就能招到一个正规本科一本大学生，我说的是睡前啊，实际到手可能就5000块钱。不知道这些00后打算怎么应付这个开局？😴😴😴😴😴