面试总结：总体不难，算法题脑抽了只过了一半，面试官点出了问题说时间到了，反问一点点，感觉五五开，许愿一个二面1.Java中的锁机制，什么是可重入锁Java中的机制主要包括synchronized关键字Lock接口及其实现类(如ReentrantLock)原子类(如AtomicInteger)volatile关键字，仅保证可见性和有序性可重入锁可重入锁是指同一个线程在外层方法获取锁的时候,再进入该线程的内层方法会自动获取锁,不会因为之前已经获取过还没释放而阻塞。Java中ReentrantLock和synchronized都是可重入锁。可重入锁的实现原理:记录锁的持有线程维护一个计数器当计数器为0时,表示锁没有被任何线程持有当持有锁的线程再次请求锁时,计数器+1当线程退出同步代码块时,计数器-1计数器为0时释放锁可重入锁的优点:避免死锁提高了锁的灵活性2.AQS (AbstractQueuedSynchronizer)AQS是Java并发包中的核心基础组件,用于构建锁或者其他同步组件。AQS使用一个int成员变量表示同步状态,通过内置的FIFO队列来完成资源获取线程的排队工作。AQS的核心思想:如果被请求的共享资源空闲,则将当前请求资源的线程设置为有效的工作线程,并且将共享资源设置为锁定状态。如果被请求的共享资源被占用,那么就需要一套线程阻塞等待以及被唤醒时锁分配的机制。AQS的主要方法:acquire(int): 独占式获取同步状态release(int): 独占式释放同步状态acquireShared(int): 共享式获取同步状态releaseShared(int): 共享式释放同步状态AQS的实现:使用一个volatile的int类型的成员变量来表示同步状态使用一个FIFO队列来完成资源获取的排队工作使用CAS来原子性地修改同步状态值AQS的应用:ReentrantLockSemaphoreCountDownLatchReentrantReadWriteLockThreadPoolExecutor3.Redis相关数据结构,为什么每种数据类型一般都有两种数据结构?Redis的主要数据结构String: 简单动态字符串(SDS)List: 双向链表和压缩列表(ziplist)Hash: 哈希表和压缩列表Set: 哈希表和整数集合(intset)Sorted Set: 跳表(skiplist)和压缩列表每种数据类型一般都有两种数据结构的原因空间和时间的权衡数据量小的时候使用更加紧凑的数据结构,节省内存数据量大的时候转换为普通数据结构,提高操作效率以Hash为例:当field-value长度较短且个数较少时,使用压缩列表当数据量增大时,转换为哈希表这种设计能够在内存使用和性能之间取得很好的平衡。4.JVM相关内存结构,GCJVM内存结构堆(Heap)年轻代(Young Generation)Eden空间Survivor空间(From和To)老年代(Old Generation)方法区(Method Area)永久代(JDK 8之前)/元空间(JDK 8及以后)程序计数器(Program Counter Register)虚拟机栈(VM Stack)本地方法栈(Native Method Stack)GC(垃圾回收)垃圾回收算法:标记-清除算法复制算法标记-整理算法分代收集算法垃圾收集器:Serial收集器ParNew收集器Parallel Scavenge收集器Serial Old收集器Parallel Old收集器CMS收集器G1收集器GC触发时机:Minor GC：清理新生代。Major GC：清理老年代。Full GC：清理整个堆，包括新生代和老年代。5.HashMap底层原理HashMap的底层数据结构是数组+链表+红黑树(JDK 1.8及以后)。主要属性:Node<K,V>[] table: 存储数据的数组int size: 实际存储的键值对数量int threshold: 扩容阈值float loadFactor: 负载因子put操作流程:对key的hashCode()进行hash操作计算index = (n - 1) & hash如果没碰撞,直接放到bucket里如果碰撞,以链表的形式存在buckets后如果链表长度超过8,转换为红黑树如果size超过threshold,进行扩容get操作流程:对key的hashCode()进行hash操作计算index = (n - 1) & hash遍历该位置上的链表或红黑树扩容机制:当size超过threshold时进行扩容扩容时,容量变为原来的2倍重新计算每个元素在数组中的位置(再散列)6.MySQL索引类型,索引失效,覆盖索引,hash索引MySQL索引类型B+树索引(默认)Hash索引Full-text全文索引索引失效的情况使用!=或<>操作符使用函数或表达式类型隐式转换使用OR连接条件like以%开头不满足最左前缀原则覆盖索引查询的数据列恰好是索引的一部分,可以直接从索引中获取数据,不需要回表查询。Hash索引基于哈希表实现,只有精确匹配才有效不支持范围查询不支持排序不支持部分索引列匹配查找Hash索引 vs B+树索引:Hash索引只支持等值查询,B+树索引支持范围查询Hash索引不支持排序,B+树索引天然支持排序Hash索引不支持最左前缀匹配,B+树索引支持7.Spring IOC AOP原理,循环依赖解决IOC(控制反转)核心是BeanFactory和ApplicationContext通过反射机制实例化bean并建立bean之间的依赖关系管理bean的生命周期AOP(面向切面编程)核心是ProxyFactory两种代理方式:JDK动态代理和CGLIB通过织入切面来实现功能的统一维护循环依赖解决Spring通过三级缓存解决循环依赖一级缓存，singletonObjects: 完全初始化好的bean二级缓存，earlySingletonObjects: 实例化但未初始化的bean三级缓存，singletonFactories: 存放BeanFactory的实例解决流程:创建bean实例将创建的bean实例放入三级缓存填充属性如果发现循环依赖,尝试从三级缓存中获取没有循环依赖,将bean放入一级缓存构造函数的循环依赖无法解决,因为实例化和初始化是一体的。8.MyBatis相关,#和$区别MyBatis是一个优秀的持久层框架,它支持定制化SQL、存储过程以及高级映射。#{}和${}的区别:#{}是预编译处理,会将参数替换为?${}是字符串替换,直接将参数值拼接到SQL中使用场景:#{}用于SQL语句中的值${}用于动态表名、列名等安全性:#{}可以防止SQL注入${}不能防止SQL注入9.线程池相关,流程,拒绝策略,如何设计线程池最大线程数和核心线程数线程池执行流程如果运行的线程少于corePoolSize,则创建新线程来处理请求如果运行的线程等于或多于corePoolSize,则将请求加入队列如果无法将请求加入队列,则创建新的线程来处理请求如果创建新线程使当前运行的线程超出maximumPoolSize,任务将被拒绝拒绝策略AbortPolicy: 丢弃任务并抛出RejectedExecutionException异常(默认)DiscardPolicy: 丢弃任务,但是不抛出异常DiscardOldestPolicy: 丢弃队列最前面的任务,然后重新尝试执行任务CallerRunsPolicy: 由调用线程处理该任务如何设计线程池最大线程数和核心线程数CPU密集型任务: 线程数 = CPU核心数 + 1IO密集型任务: 线程数 = CPU核心数 * (1 + 平均等待时间/平均工作时间)一般而言:核心线程数 = CPU核心数最大线程数 = CPU核心数 * 2实际应用中,可以通过压测来确定最优的线程池参数。10.HashMap和ConcurrentHashMapHashMap:非线程安全允许null键和null值初始容量16,负载因子0.75JDK 1.8后,链表长度超过8会转换为红黑树ConcurrentHashMap:线程安全不允许null键和null值JDK 1.7使用分段锁(Segment)JDK 1.8使用CAS+SynchronizedConcurrentHashMap的实现(JDK 1.8):使用volatile数组保存Node使用CAS操作保证数组的原子性使用Synchronized锁定链表或红黑树的首节点put操作:如果bucket为空,使用CAS操作放入如果bucket非空,使用Synchronized锁定首节点执行链表或红黑树的插入操作get操作:不需要加锁,利用volatile的可见性保证11.红黑树,二叉查找树,红黑树高度差二叉查找树:左子树所有节点的值均小于根节点的值右子树所有节点的值均大于根节点的值左右子树也分别为二叉查找树时间复杂度: 平均O(logn),最坏O(n)红黑树:每个节点要么是红色,要么是黑色根节点是黑色每个叶子节点(NIL)是黑色如果一个节点是红色的,则它的子节点必须是黑色的从一个节点到该节点的子孙节点的所有路径上包含相同数目的黑节点红黑树的高度:最短路径: 全黑节点最长路径: 红黑相间最长路径的长度不会超过最短路径的2倍红黑树 vs 平衡二叉树:红黑树牺牲了部分平衡性以换取插入/删除操作时少量的旋转操作红黑树的统计性能要好于平衡二叉树12.MySQL索引MySQL索引类型普通索引唯一索引主键索引联合/组合索引全文索引B+树索引的特点:所有数据都存储在叶子节点叶子节点形成一个单向链表非叶子节点只存储键值信息索引的优点:加快数据检索速度唯一索引可以保证数据的唯一性加快表与表之间的连接索引的缺点:占用额外的存储空间降低更新表的速度13.如何判断链表有环,如何判断树是二叉查找树判断链表是否有环快慢指针法定义两个指针,快指针每次移动两步,慢指针每次移动一步如果存在环,两个指针最终会相遇时间复杂度O(n),空间复杂度O(1)哈希表法遍历链表,将每个节点存入哈希表如果当前节点已在哈希表中,说明存在环时间复杂度O(n),空间复杂度O(n)判断树是否为二叉搜索树:中序遍历法对二叉树进行中序遍历,结果应该是升序的递归法递归判断，利用二叉搜索树的性质，对于每个节点，它的左子节点值必须小于当前节点值，右子节点的值必须大于当前节点值，并且所有节点需要满足这个条件。14.Redis分布式锁Redis分布式锁的实现原理加锁: 使用SETNX命令设置一个键值对,如果键不存在则设置成功并获得锁解锁: 删除该键值对超时: 设置键的过期时间,防止死锁实现细节使用Lua脚本保证加锁操作的原子性使用唯一标识符(如UUID)作为值,防止误删其他客户端的锁考虑Redis主从复制的延迟问题,使用Redlock算法15.限流算法计数器算法：基于时间窗口的请求数统计。滑动窗口：将计数器细分成多个更小的时间窗口。令牌桶算法：维持一个令牌桶，系统请求需拿到令牌。漏桶算法：确保请求处理的稳定速率，通过漏水的速率控制请求速率。