一份热乎乎的字节面试真题

说说Redis为什么快

• 

基于内存存储实现

• 内存读写是比在磁盘快很多的，Redis基于内存存储实现的数据库，相对于数据存在磁盘的MySQL数据库，省去磁盘I/O的消耗。

高效的数据结构

• Mysql索引为了提高效率，选择了B+树的数据结构。其实合理的数据结构，就是可以让你的应用/程序更快。先看下Redis的数据结构&内部编码图：
• 

SDS简单动态字符串

• 字符串长度处理：Redis获取字符串长度，时间复杂度为O(1)，而C语言中，需要从头开始遍历，复杂度为O（n）;
• 空间预分配：字符串修改越频繁的话，内存分配越频繁，就会消耗性能，而SDS修改和空间扩充，会额外分配未使用的空间，减少性能损耗。
• 惰性空间释放：SDS 缩短时，不是回收多余的内存空间，而是free记录下多余的空间，后续有变更，直接使用free中记录的空间，减少分配。

字典

• Redis 作为 K-V 型内存数据库，所有的键值就是用字典来存储。字典就是哈希表，比如HashMap，通过key就可以直接获取到对应的value。而哈希表的特性，在O（1）时间复杂度就可以获得对应的值。

跳跃表

• 

• 跳跃表是Redis特有的数据结构，就是在链表的基础上，增加多级索引提升查找效率。

• 跳跃表支持平均 O（logN）,最坏 O（N）复杂度的节点查找，还可以通过顺序性操作批量处理节点。

合理的数据编码

Redis 支持多种数据类型，每种基本类型，可能对多种数据结构。什么时候,使用什么样数据结构，使用什么样编码，是redis设计者总结优化的结果。

• String：如果存储数字的话，是用int类型的编码;如果存储非数字，小于等于39字节的字符串，是embstr；大于39个字节，则是raw编码。
• List：如果列表的元素个数小于512个，列表每个元素的值都小于64字节（默认），使用ziplist编码，否则使用linkedlist编码
• Hash：哈希类型元素个数小于512个，所有值小于64字节的话，使用ziplist编码,否则使用hashtable编码。
• Set：如果集合中的元素都是整数且元素个数小于512个，使用intset编码，否则使用hashtable编码。
• Zset：当有序集合的元素个数小于128个，每个元素的值小于64字节时，使用ziplist编码，否则使用skiplist（跳跃表）编码

合理的线程模型

• I/O 多路复用

• 

• 多路I/O复用技术可以让单个线程高效的处理多个连接请求，而Redis使用用epoll作为I/O多路复用技术的实现。并且，Redis自身的事件处理模型将epoll中的连接、读写、关闭都转换为事件，不在网络I/O上浪费过多的时间。

Redis有几种数据结构，底层分别是怎么存储的

• 常用的，Redis有以下这五种基本类型：
  • String（字符串）
  • Hash（哈希）
  • List（列表）
  • Set（集合）
  • zset（有序集合） 它还有三种特殊的数据结构类型
  • Geospatial
  • Hyperloglog
  • Bitmap

Redis 的五种基本数据类型

• 

String（字符串）

• 简介:String是Redis最基础的数据结构类型，它是二进制安全的，可以存储图片或者序列化的对象，值最大存储为512M
• 简单使用举例: set key value、get key等
• 应用场景：共享session、分布式锁，计数器、限流。
• 内部编码有3种，int（8字节长整型）/embstr（小于等于39字节字符串）/raw（大于39个字节字符串）

Hash（哈希）

• 简介：在Redis中，哈希类型是指v（值）本身又是一个键值对（k-v）结构
• 简单使用举例：hset key field value 、hget key field
• 内部编码：ziplist（压缩列表） 、hashtable（哈希表）
• 应用场景：缓存用户信息等。

List（列表）

• 简介：列表（list）类型是用来存储多个有序的字符串，一个列表最多可以存储2^32-1个元素。
• 简单实用举例：lpush key value [value ...] 、lrange key start end
• 内部编码：ziplist（压缩列表）、linkedlist（链表）
• 应用场景：消息队列，文章列表

Set（集合）

• 简介：集合（set）类型也是用来保存多个的字符串元素，但是不允许重复元素
• 简单使用举例：sadd key element [element …]、smembers key
• 内部编码：intset（整数集合）、hashtable（哈希表）
• 应用场景：用户标签,生成随机数抽奖、社交需求。

有序集合（zset）

• 简介：已排序的字符串集合，同时元素不能重复
• 简单格式举例：zadd key score member [score member ...]，zrank key member
• 底层内部编码：ziplist（压缩列表）、skiplist（跳跃表）
• 应用场景：排行榜，社交需求（如用户点赞）。

Redis 的三种特殊数据类型

• Geo：Redis3.2推出的，地理位置定位，用于存储地理位置信息，并对存储的信息进行操作。
• HyperLogLog：用来做基数统计算法的数据结构，如统计网站的UV。
• Bitmaps ：用一个比特位来映射某个元素的状态，在Redis中，它的底层是基于字符串类型实现的，可以把bitmaps成作一个以比特位为单位的数组

Redis有几种持久化方式

• Redis是基于内存的非关系型K-V数据库，既然它是基于内存的，如果Redis服务器挂了，数据就会丢失。为了避免数据丢失了，Redis提供了持久化，即把数据保存到磁盘。
• Redis提供了RDB和AOF两种持久化机制，它持久化文件加载流程如下：
• 

RDB

• RDB，就是把内存数据以快照的形式保存到磁盘上。
• 什么是快照?可以这样理解，给当前时刻的数据，拍一张照片，然后保存下来。
• RDB持久化，是指在指定的时间间隔内，执行指定次数的写操作，将内存中的数据集快照写入磁盘中，它是Redis默认的持久化方式。执行完操作后，在指定目录下会生成一个dump.rdb文件，Redis 重启的时候，通过加载dump.rdb文件来恢复数据。RDB触发机制主要有以下几种：
• 

RDB 的优点

• 适合大规模的数据恢复场景，如备份，全量复制等

RDB缺点

• 没办法做到实时持久化/秒级持久化。
• 新老版本存在RDB格式兼容问题

AOF

• AOF（append only file） 持久化，采用日志的形式来记录每个写操作，追加到文件中，重启时再重新执行AOF文件中的命令来恢复数据。它主要解决数据持久化的实时性问题。默认是不开启的。
• AOF的工作流程如下：
• [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-18gBwIEZ-1690762827026)(C:\Users\quyanliang\AppData\Roaming\Typora\typora-user-images\1690761995811.png)]

AOF的优点

• 数据的一致性和完整性更高

AOF的缺点

• AOF记录的内容越多，文件越大，数据恢复变慢。

多线程情况下,如何保证线程安全？

• 加锁，比如悲观锁select for update，sychronized等，如，乐观锁，乐观锁如CAS等，还有redis分布式锁等等。

用过volatile吗？它是如何保证可见性的，原理是什么

• volatile关键字是Java虚拟机提供的的最轻量级的同步机制，它作为一个修饰符， 用来修饰变量。它保证变量对所有线程可见性，禁止指令重排，但是不保证原子性。

• 我们先来看下java内存模型（jmm）：

  • Java虚拟机规范试图定义一种Java内存模型,来屏蔽掉各种硬件和操作系统的内存访问差异，以实现让Java程序在各种平台上都能达到一致的内存访问效果。

  • Java内存模型规定所有的变量都是存在主内存当中，每个线程都有自己的工作内存。这里的变量包括实例变量和静态变量，但是不包括局部变量，因为局部变量是线程私有的。

  • 线程的工作内存保存了被该线程使用的变量的主内存副本，线程对变量的所有操作都必须在工作内存中进行，而不能直接操作操作主内存。并且每个线程不能访问其他线程的工作内存。

  • 

  • volatile变量，保证新值能立即同步回主内存，以及每次使用前立即从主内存刷新，所以我们说volatile保证了多线程操作变量的可见性。

  • volatile保证可见性跟内存屏障有关。我们来看一段volatile使用的demo代码：

  • public class Singleton {  
        private volatile static Singleton instance;  
        private Singleton (){}  
        public static Singleton getInstance() {  
        if (instance == null) {  
            synchronized (Singleton.class) {  
            if (instance == null) {  
                instance = new Singleton();  
            }  
            }  
        }  
        return instance;  
        }  
    }  
    

  • 编译后，对比有volatile关键字和没有volatile关键字时所生成的汇编代码，发现有volatile关键字修饰时，会多出一个lock addl $0x0,(%esp)，即多出一个lock前缀指令，lock指令相当于一个内存屏障

    lock指令相当于一个内存屏障，它保证以下这几点：

    1. 重排序时不能把后面的指令重排序到内存屏障之前的位置
    2. 将本处理器的缓存写入内存
    3. 如果是写入动作，会导致其他处理器中对应的缓存无效。

    第2点和第3点就是保证volatile保证可见性的体现嘛

  MySQL的索引结构，聚簇索引和非聚簇索引的区别

  • 一个表中只能拥有一个聚集索引，而非聚集索引一个表可以存在多个。
  • 索引是通过二叉树的数据结构来描述的，我们可以这么理解聚簇索引：索引的叶节点就是数据节点。而非聚簇索引的叶节点仍然是索引节点，只不过有一个指针指向对应的数据块。
  • 聚集索引：物理存储按照索引排序；非聚集索引：物理存储不按照索引排序

  MySQL有几种高可用方案，你们用的是哪一种

  • 主从或主主半同步复制
  • 半同步复制优化
  • 高可用架构优化
  • 共享存储
  • 分布式协议

主从或主主半同步复制

• 用双节点数据库，搭建单向或者双向的半同步复制。架构如下：

• 

• 通常会和proxy、keepalived等第三方软件同时使用，即可以用来监控数据库的健康，又可以执行一系列管理命令。如果主库发生故障，切换到备库后仍然可以继续使用数据库。

• 这种方案优点是架构、部署比较简单，主机宕机直接切换即可。缺点是完全依赖于半同步复制，半同步复制退化为异步复制，无法保证数据一致性；另外，还需要额外考虑haproxy、keepalived的高可用机制。

半同步复制优化

• 半同步复制机制是可靠的，可以保证数据一致性的。但是如果网络发生波动，半同步复制发生超时会切换为异步复制，异复制是无法保证数据的一致性的。因此，可以在半同复制的基础上优化一下，尽可能保证半同复制。如双通道复制方案

• 

• 优点：这种方案架构、部署也比较简单，主机宕机也是直接切换即可。比方案1的半同步复制，更能保证数据的一致性。

• 缺点：需要修改内核源码或者使用mysql通信协议，没有从根本上解决数据一致性问题。

高可用架构优化

• 保证高可用，可以把主从双节点数据库扩展为数据库集群。Zookeeper可以作为集群管理，它使用分布式算法保证集群数据的一致性，可以较好的避免网络分区现象的产生。

• 

• 优点：保证了整个系统的高可用性，扩展性也较好，可以扩展为大规模集群。

• 缺点：数据一致性仍然依赖于原生的mysql半同步复制；引入Zookeeper使系统逻辑更复杂。

共享存储

• 共享存储实现了数据库服务器和存储设备的解耦，不同数据库之间的数据同步不再依赖于MySQL的原生复制功能，而是通过磁盘数据同步的手段，来保证数据的一致性。

DRBD磁盘复制

• DRBD是一个用软件实现的、无共享的、服务器之间镜像块设备内容的存储复制解决方案。主要用于对服务器之间的磁盘、分区、逻辑卷等进行数据镜像，当用户将数据写入本地磁盘时，还会将数据发送到网络中另一台主机的磁盘上，这样的本地主机(主节点)与远程主机(备节点)的数据就可以保证实时同步。常用架构如下：

• 

• 当本地主机出现问题，远程主机上还保留着一份相同的数据，即可以继续使用，保证了数据的安全

• 优点：部署简单，价格合适，保证数据的强一致性

• 缺点：对IO性能影响较大，从库不提供读操作

分布式协议

• 分布式协议可以很好解决数据一致性问题。常见的部署方案就是MySQL cluster，它是官方集群的部署方案，通过使用NDB存储引擎实时备份冗余数据，实现数据库的高可用性和数据一致性。如下：

• 

• 优点：不依赖于第三方软件，可以实现数据的强一致性；

• 缺点：配置较复杂；需要使用NDB储存引擎；至少三节点；

说说你做过最有挑战性的项目, 你负责那个模块,哪些最有挑战性，说说你做了哪些优化

• 项目这块的话，大家可以结合自己实际做的项目说哈。也可以加我微信，跟我一起交流哈，加油加油。

秒杀采用什么方案。

• 设计一个秒杀系统，需要考虑这些问题：
• 

如何解决这些问题呢？

• 页面静态化
• 按钮至灰控制
• 服务单一职责
• 秒杀链接加盐
• 限流
• 分布式锁
• MQ异步处理
• 限流&降级&熔断

页面静态化

• 秒杀活动的页面，大多数内容都是固定不变的，如商品名称，商品图片等等，可以对活动页面做静态化处理，减少访问服务端的请求。秒杀用户会分布在全国各地，有的在上海，有的在深圳，地域相差很远，网速也各不相同。为了让用户最快访问到活动页面，可以使用CDN（Content Delivery Network，内容分发网络）。CDN可以让用户就近获取所需内容。

按钮至灰控制

• 秒杀活动开始前，按钮一般需要置灰的。只有时间到了，才能变得可以点击。这是防止，秒杀用户在时间快到的前几秒，疯狂请求服务器，然后秒杀时间点还没到，服务器就自己挂了。

服务单一职责

• 我们都知道微服务设计思想，也就是把各个功能模块拆分，功能那个类似的放一起，再用分布式的部署方式。
• 如用户登录相关的，就设计个用户服务，订单相关的就搞个订单服务，再到礼物相关的就搞个礼物服务等等。那么，秒杀相关的业务逻辑也可以放到一起，搞个秒杀服务，单独给它搞个秒杀数据库。” 服务单一职责有个好处：如果秒杀没抗住高并发的压力，秒杀库崩了，服务挂了，也不会影响到系统的其他服务。

秒杀链接加盐

• 链接如果明文暴露的话，会有人获取到请求Url，提前秒杀了。因此，需要给秒杀链接加盐。可以把URL动态化，如通过MD5加密算法加密随机的字符串去做url。

限流

• 一般有两种方式限流：nginx限流和redis限流。
  • 为了防止某个用户请求过于频繁，我们可以对同一用户限流；
  • 为了防止黄牛模拟几个用户请求，我们可以对某个IP进行限流；
  • 为了防止有人使用代理，每次请求都更换IP请求，我们可以对接口进行限流。
  • 为了防止瞬时过大的流量压垮系统，还可以使用阿里的Sentinel、Hystrix组件进行限流。

分布式锁

• 可以使用redis分布式锁解决超卖问题。

• 使用Redis的SET EX PX NX + 校验唯一随机值,再删除释放锁。

• if（jedis.set(key_resource_id, uni_request_id, "NX", "EX", 100s) == 1）{ //加锁
      try {
          do something  //业务处理
      }catch(){
    }
    finally {
         //判断是不是当前线程加的锁,是才释放
         if (uni_request_id.equals(jedis.get(key_resource_id))) {
          jedis.del(lockKey); //释放锁
          }
      }
  }
  

• 在这里，判断是不是当前线程加的锁和释放锁不是一个原子操作。如果调用jedis.del()释放锁的时候，可能这把锁已经不属于当前客户端，会解除他人加的锁。

• 

• 为了更严谨，一般也是用lua脚本代替。lua脚本如下：

• if redis.call('get',KEYS[1]) == ARGV[1] then 
     return redis.call('del',KEYS[1]) 
  else
     return 0
  end;
  

MQ异步处理

• 如果瞬间流量特别大，可以使用消息队列削峰，异步处理。用户请求过来的时候，先放到消息队列，再拿出来消费。

限流&降级&熔断

• 限流，就是限制请求，防止过大的请求压垮服务器；
• 降级，就是秒杀服务有问题了，就降级处理，不要影响别的服务；
• 熔断，服务有问题就熔断，一般熔断降级是一起出现。

聊聊分库分表,分表为什么要停服这种操作，如果不停服可以怎么做

分库分表方案

• 水平分库：以字段为依据，按照一定策略（hash、range等），将一个库中的数据拆分到多个库中。
• 水平分表：以字段为依据，按照一定策略（hash、range等），将一个表中的数据拆分到多个表中。
• 垂直分库：以表为依据，按照业务归属不同，将不同的表拆分到不同的库中。
• 垂直分表：以字段为依据，按照字段的活跃性，将表中字段拆到不同的表（主表和扩展表）中。

常用的分库分表中间件：

• sharding-jdbc（当当）
• Mycat
• TDDL（淘宝）
• Oceanus(58同城数据库中间件)
• vitess（谷歌开发的数据库中间件）
• Atlas(Qihoo 360)

分库分表可能遇到的问题

• 事务问题：需要用分布式事务啦
• 跨节点Join的问题：解决这一问题可以分两次查询实现
• 跨节点的count,order by,group by以及聚合函数问题：分别在各个节点上得到结果后在应用程序端进行合并。
• 数据迁移，容量规划，扩容等问题
• ID问题：数据库被切分后，不能再依赖数据库自身的主键生成机制啦，最简单可以考虑UUID
• 跨分片的排序分页问题（后台加大pagesize处理？）

分表要停服嘛？不停服怎么做？

• 不用。不停服的时候，应该怎么做呢，分五个步骤：
  1. 编写代理层，加个开关（控制访问新的DAO还是老的DAO，或者是都访问），灰度期间，还是访问老的DAO。
  2. 发版全量后，开启双写，既在旧表新增和修改，也在新表新增和修改。日志或者临时表记下新表ID起始值，旧表中小于这个值的数据就是存量数据，这批数据就是要迁移的。
  3. 通过脚本把旧表的存量数据写入新表。
  4. 停读旧表改读新表，此时新表已经承载了所有读写业务，但是这时候不要立刻停写旧表，需要保持双写一段时间。
  5. 当读写新表一段时间之后，如果没有业务问题，就可以停写旧表啦

redis挂了怎么办？

• Redis是基于内存的非关系型K-V数据库，既然它是基于内存的，如果Redis服务器挂了，数据就会丢失。为了避免数据丢失了，Redis提供了持久化，即把数据保存到磁盘。
• Redis提供了RDB和AOF两种持久化机制，它持久化文件加载流程如下：
• 

你怎么防止优惠券有人重复刷？

• 对于重复请求，要考虑接口幂等和接口防重。

  防刷的话，可以限流以及加入黑名单处理。

  • 为了防止某个用户请求优惠券过于频繁，我们可以对同一用户限流。
  • 为了防止黄牛等模拟几个用户请求，我们可以对某个IP进行限流。
  • 为了防止有人使用代理，每次请求都更换IP请求，我们可以对接口进行限流。

抖音评论系统怎么设计，如果加入好友关系呢？

• 需要考虑性能，以及可扩展性。大家平时有没有做过评论、好友关注等项目需求呀，发挥你聪明的小脑袋瓜，怎么去回答好这道题吧。

怎么设计一个短链地址，要考虑跨机房部署问题

为什么需要短连接？

• 为什么需要短连接呢？长链接不香吗？因为有些平台有长度限制，并且链接太长容易被识别为超链接等等。

短链接的原理

• 其实就是一个302重定向而已。

• 

• 302状态码表示临时重定向。

短链接生成的方法

• 可以用哈希算法生成短链，但是会存在哈希冲突。怎么解决呢？可以用布隆过滤器。
• 有没有别的方案？自增序列算法，每次收到一个长链时，就分配一个ID，并转成62进制拼接到短域后面。因为高并发下，ID 自增生成器可能成为瓶颈。
• 一般有四种分布式ID生成方法：
  1. uuid，它保证对在同一时空中的所有机器都是唯一的，但是这种方式生成的id比较长，并且是无序的，插入浪费空间。
  2. Snowflake雪花算法，这种方案不错，但是如果某台机器的系统时钟回拨，有可能造成ID冲突重复，或者ID乱序（考虑跨机房部署问题）
  3. Mysql 自增主键，在高并发下，db的写压力会很大
  4. 用Redis做自增id生成器，性能高，但要考虑持久性的问题；或者改造雪花算法，通过改造workId解决时钟回拨的问题）

有一个整型数组，数组元素不重复，数组元素先升序后降序，找出最大值。

• class Solution {
  
      public static void main(String[] args) {
  
          int[] nums = {1,3,5,7,9,8,6,4,2};
          System.out.println(getLargestNumInArray(nums));
      }
  
      private static int getLargestNumInArray(int[] nums) {
          if (nums == null || nums.length == 0) {
              return -1;
          }
  
          int left = 0, right = nums.length - 1;
          while (left <= right) {
              int mid = left + ((right - left) / 2);
              if (nums[mid] < nums[mid + 1]) {
                  left = mid + 1;
              } else {
                  right = mid - 1;
              }
          }
  
          return nums[left];
      }
  }
  

• 这道题大家都会觉得很简单，因为用快速排序排一下，时间复杂是O(nlgn)，面试官可能不是很满意。其实可以用二分查找法，只要找到升序最后一个元素即可。