百度提前批一面（已凉，共享中）20220721

40min+📍面试公司：神策数据👜面试岗位：Java开发春招一面4/1 16:40📖面试问题：自我介绍为什么每段实习三个月？期望什么样公司？拷打实习实习引出场景拷打很多数据导出，实现多线程并行？不使用CompletableFuture？不考虑复杂情况拷打rpc项目如何保证能读取到序列化数据的最后位置和其他位置（大致意思）TCP三次握手、四次挥手问netty底层、组件作用netty底层通过什么连接，客户端、服务端cannel是什么抽象成的，对应网络中是抽象成那一层？还有一些忘记了算法二道，撕出一道hot100，还有一道非hot100反问：面试反馈：算法很重要，计算机底层需要加强（netty底层）反问业务面试流程：两轮技术一轮hr🙌面试体验：体验很好 面试官很好#软件开发笔面经#

为什么不去做大模型算法手撕*2，二叉树z字遍历+链表部分反转库存超卖，把数据库这个字段设为非0不能解决吗？ThreadLocal为什么会产生内存泄漏如果主线程ThreadLocal存了一个变量，向线程池提交一个线程，这个线程能读到主线程里的ThreadLocal变量吗如果需要让线程池中的线程能够访问主线程的ThreadLocal变量怎么做线程池execute()和submit()有什么区别线程池什么情况能返回值，什么情况下不能线程池+CompletableFuture用过吗Redis生成全局唯一ID是怎么做的了解雪花算法吗为什么时钟回拨会产生重复ID为什么会发生时钟回拨背的一堆面经缓存命中率极低总结：需全面加强

今天遇到很牛逼的面试官？ 怎么做上的技术主管 ？        #安硕信息        西安         枚举不是引用类型？Service层 不是处理业务逻辑的？rabbitamq 不是做异步解耦的？我用redission+sse做消息推送怎么了----------还说正常人都不会这么做（我说了可以用其他消息队列替代）我用redission做分布式锁怎么了，还说我这并发量多高呀，还用redission分布式锁。？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？

在分布式系统中，事务需要跨多个服务或数据库执行，传统的ACID事务（单机数据库事务）无法直接适用，因此需要**分布式事务**机制来保证数据一致性。以下是分布式事务的核心概念、挑战及主流解决方案。---##**# deepseek#1. 什么是分布式事务？****定义**：分布式事务是指事务的参与者（如多个微服务、数据库、消息队列等）分布在不同的节点上，需要协调这些节点共同完成一个全局事务，保证所有操作要么全部成功，要么全部失败。### **典型场景**- **跨行转账**：A银行扣款，B银行加款。- **订单支付**：扣减库存 + 创建订单 + 支付。- **跨服务调用**：用户注册（用户服务 + 积分服务）。---## **2. 分布式事务的挑战（CAP理论）**在分布式系统中，无法同时满足 **CAP**（一致性 Consistency、可用性 Availability、分区容错性 Partition Tolerance）三个特性，必须权衡取舍：| **特性**       | **说明**                                                                 ||----------------|-------------------------------------------------------------------------|| **一致性 (C)** | 所有节点在同一时间的数据完全一致（强一致性）。                           || **可用性 (A)** | 每个请求都能得到响应（不保证最新数据）。                                 || **分区容错 (P)** | 系统在部分节点故障时仍能继续运行（分布式系统必须满足）。                 |**结论**：- **CP系统**（如ZooKeeper）：保证一致性，牺牲可用性（如选举期间不可用）。- **AP系统**（如Cassandra）：保证可用性，牺牲强一致性（最终一致性）。- **CA系统**（如单机MySQL）：不适用于分布式环境（无法容忍网络分区）。---## **3.1 2PC（两阶段提交）****原理**：1. **准备阶段（Prepare）**：协调者询问所有参与者是否可以提交。2. **提交阶段（Commit/Rollback）**：如果所有参与者都同意，则提交；否则回滚。**优点**：- 强一致性（所有节点要么全部提交，要么全部回滚）。  **缺点**：- **同步阻塞**：参与者必须等待协调者决策，性能低。- **单点故障**：协调者宕机会导致事务阻塞。- **数据不一致风险**：第二阶段部分参与者可能未收到提交指令。**适用场景**：- 传统数据库（如XA协议），适用于短事务、低并发场景。---### **3.2 3PC（三阶段提交）****改进点**：1. **CanCommit**（询问阶段）：检查参与者是否可执行事务。2. **PreCommit**（预提交）：锁定资源，但不提交。3. **DoCommit**（最终提交）：确认提交或回滚。**优点**：- 减少阻塞时间（相比2PC）。  **缺点**：- 仍然存在单点故障问题。- 实现复杂，实际应用较少。---### **3.3 TCC（Try-Confirm-Cancel）****原理**：- **Try**：预留资源（如冻结库存）。- **Confirm**：确认执行（如扣减库存）。- **Cancel**：失败时回滚（如解冻库存）。**优点**：- 无阻塞，适用于高并发。- 最终一致性较好。**缺点**：- 业务侵入性强（需手动实现Try/Confirm/Cancel）。- 需处理空回滚、幂等性问题。**适用场景**：- 金融支付、电商订单等高一致性要求的业务。---### **3.4 Saga模式****原理**：- 将长事务拆分为多个本地事务，每个事务提交后触发下一个事务。- 失败时执行补偿事务（反向操作）。**优点**：- 适用于长事务（如跨服务业务流程）。- 无全局锁，性能较高。**缺点**：- 不保证强一致性（可能出现脏数据）。- 补偿逻辑复杂。**适用场景**：- 订单流程、物流跟踪等最终一致性场景。---### **3.5 本地消息表（异步确保）****原理**：1. 业务数据 + 消息表（同库事务）。2. 定时任务轮询消息表，发送MQ。3. 消费者处理消息，失败重试。**优点**：- 实现简单，无额外组件依赖。- 保证最终一致性。**缺点**：- 依赖数据库（可能成为瓶颈）。- 延迟较高。**适用场景**：- 订单状态同步、日志处理等低延迟容忍场景。---### **3.6 最大努力通知****原理**：- 系统A执行本地事务后，异步通知系统B。- 系统B收到后处理，失败则重试（可设置最大重试次数）。**优点**：- 实现简单，适合跨系统调用。**缺点**：- 不保证100%一致性（最终可能人工介入）。**适用场景**：- 支付结果通知、第三方回调等。---## **4. 如何选择合适的方案？**| **方案**       | **一致性** | **性能** | **复杂度** | **适用场景**                     ||----------------|-----------|----------|------------|----------------------------------|| **2PC**        | 强一致    | 低       | 中         | 传统数据库（XA）                 || **TCC**        | 最终一致  | 高       | 高         | 金融、电商支付                   || **Saga**       | 最终一致  | 高       | 中         | 长事务（订单、物流）             || **本地消息表** | 最终一致  | 中       | 低         | 异步任务（库存扣减、日志）       || **最大努力通知**| 弱一致    | 高       | 低         | 跨系统通知（支付回调）           |--- ## **Q1：2PC和TCC的区别？**- **2PC**：数据库层实现，强一致，阻塞式，性能低。- **TCC**：业务层实现，最终一致，非阻塞，性能高。### **Q2：如何避免Saga模式的脏读？**- 采用**业务锁**或**版本号控制**，确保补偿事务正确执行。### **Q3：本地消息表如何保证消息不丢失？**- 消息表和业务数据在同一个事务中插入，确保原子性。- 定时任务 + 重试机制保证消息最终投递。---## **6. 总结**- **强一致性**：2PC（牺牲性能）。- **高并发+最终一致**：TCC、Saga、本地消息表。- **简单可靠**：最大努力通知。**实际应用**：电商系统通常组合使用：- **库存扣减**：TCC/Saga。- **订单支付**：本地消息表 + 异步通知。- **物流跟踪**：Saga模式。 理解这些方案的优缺点，能帮助你在架构设计时做出合理选择。