一场哔哩哔哩 Java 开发面试之旅，分享面试经历及复习资料

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，

【一线大厂Java面试题解析+核心总结学习笔记+最新架构讲解视频+实战项目源码讲义】
浏览器打开：qq.cn.hn/FTf 免费领取

A1 失效时，可以访问 A2，A1 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。

操作系统复习资料

========

给大家分享一份阿里 P8Java 大牛呕心沥血整理的《程序员必知的操作系统》PDF 文档学习资料

先来看下这份资料的目录

内容涉及

• 认识操作系统

• 进程和线程

• 内存管理

• 文件管理

• I/O

• 死锁

• 操作系统面试题

• 操作系统核心概念

字是一个一个敲的，图是一笔一笔画的。

可以看到图非常清晰，而且排版样式非常好

还为你汇总了操作系统面试题

还有所有操作系统名词汇总

这份 PDF 一共是 306 页，17w 字，我想这应该是全网第一份操作系统知识的 PDF 了吧，希望大家能够珍藏。

转发+关注，然后添加 VX（tkzl6666）即可获得《程序员必知的操作系统》PDF 文档学习资料的免费领取方式。

redis 相关

=======

如果是后端/服务端面试的同学，怎么说都得去找一本 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，咱们也可以来一句：“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：

1. volatile-lru

在键空间中设置过期时间，移除那些最近最少使用的 key，占着茅坑不拉屎的 key

1. allkeys-lru

移除最近最少使用的 key

1. volatile-random

在键空间中设置过期时间，随机移除一个 key

1. allkeys-random

随机移除一个 key

1. 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？

1. 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。

1. 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。

1. 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。

redis 复习资料

=========

一位有着十年经验的互联网分布式高并发技术老兵，梳理自己多年 Redis 实践经验，写了这本书《Redis 深度历险：核心原理与应用实战》，以帮助更多工程师更快，更深入的了解 Redis 。

书籍内容分为五大部分：

===========

**一、Redis 应用：**分布式锁、延时队列、位图、HyperLogLog、布隆过滤器、限流、GeoHash、Scan

**二、Redis 原理：**IO 现场模型、通信协议、持久化、管道、事务、PubSub、对象压缩、主从同步

**三、Redis 集群：**Sentinel、Codis、Cluster

**四、Reids 拓展知识：**Stream、Info 命令、分布式锁、过期策略、LRU、懒删除、Jedis

**五、Redis 源码剖析：**字符串、字典、压缩列表、快速列表、跳跃列表、紧凑列表、基数树

全书图文并茂，通俗易懂，看看下面的动图感受一下：

转发+关注，然后然后添加 VX（tkzl6666）即可获得《Redis 深度历险》PDF 文档学习资料的免费领取方式。

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+树什么时候会出现节点分裂？

这个回答在上一篇的 B+树已经详细说了。这里简述一下：

1. 将已满节点进行分裂，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。

2. 父节点出现已满，将父节点继续分裂。

3. 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

1. 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

1. 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

1. 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怎样的

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。

mysql 复习资料

=========

《高性能 MySql（第 3 版）》MySql 领域经典之作，“不敢自诩为 MySql 专家，岂敢错过这本神书”

本书是 MySQL 领域的经典之作,拥有广泛的影响力。第 3 版更新了大量的内容,不但涵盖了最新 MySQL5.5 版本的新特性，也讲述了关于固态盘、高可扩展性设计和云计算环境下的数据库相关的新内容，原有的基准测试和性能优化部分也做了大量的扩展和补充。全书共分为 16 章和 6 个附录，内容涵盖 MySQL 架构和历史，基准测试和性能剖析,数据库软硬件性能优化，复制、备份和恢复,高可用与高可扩展性，以及云端的 MySQL 和 MySQL 相关工具等方面的内容。每一章都是相对独立的主题，读者可以有选择性地单独阅读。

转发+关注，然后添加 VX（tkzl6666）即可获得《高性能 MySql（第 3 版）》PDF 文档学习资料的免费领取方式。

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？它的长度怎么计算？

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/(2^x)。假设索引有 y 级，我们可以得到 n/(2^y)=2，从而求得 y=log2n-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/2+n/4+n/8…+8+4+2=n-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？