15个经典⾯试问题，java需要的所有单词
前⾔
看⽇期，今天都是4⽉了，这春招也差不多进⼊尾声了。
近期任有不少朋友都在⼯作，很多⼈开始抱怨，⼯作可真难啊！⾝边不少朋友问我咋搞呀，秋招都要结束了，⼯作还没着落呢…额…这个…今年是有点难啊。说实话，⾯试只是对个⼈技术及应变能⼒的⼀次考验。只有解决了⼀个问题，你才有机会遇见下⼀个问题。
这不，今天我总结了饿了么4⾯（Java岗）⾯经，问题如下，都是真真的经历，准备⾯试⼯作的朋友可⾃⾏检测⼀下。
⾯试题
如何保证缓存与数据库的双写⼀致性？
⾯试官⼼理分析
你只要⽤缓存，就可能会涉及到缓存与数据库双存储双写，你只要是双写，就⼀定会有数据⼀致性的问题，那么你如何解决⼀致性问题？⾯试题剖析
⼀般来说，如果允许缓存可以稍微的跟数据库偶尔有不⼀致的情况，也就是说如果你的系统不是严格要求 “缓存+数据库” 必须保持⼀致性的话，最好不要做这个⽅案，即：读请求和写请求串⾏化，串到⼀个内存队列⾥去。
串⾏化可以保证⼀定不会出现不⼀致的情况，但是它也会导致系统的吞吐量⼤幅度降低，⽤⽐正常情况下多⼏倍的机器去⽀撑线上的⼀个请求。
Cache Aside Pattern
最经典的缓存+数据库读写的模式，就是 Cache Aside Pattern。
读的时候，先读缓存，缓存没有的话，就读数据库，然后取出数据后放⼊缓存，同时返回响应。
更新的时候，先更新数据库，然后再删除缓存。
为什么是删除缓存，⽽不是更新缓存？
原因很简单，很多时候，在复杂点的缓存场景，缓存不单单是数据库中直接取出来的值。
⽐如可能更新了某个表的⼀个字段，然后其对应的缓存，是需要查询另外两个表的数据并进⾏运算，才能计算出缓存最新的值的。
另外更新缓存的代价有时候是很⾼的。是不是说，每次修改数据库的时候，都⼀定要将其对应的缓存更新⼀份？也许有的场景是这样，但是对于⽐较复杂的缓存数据计算的场景，就不是这样了。如果你频繁修改⼀个缓存涉及的多个表，缓存也频繁更新。但是问题在于，这个缓存到底会不会被频繁访问到？
举个栗⼦，⼀个缓存涉及的表的字段，在 1 分钟内就修改了 20 次，或者是 100 次，那么缓存更新 20 次、100 次；但是这个缓存在 1分钟内只被读取了 1 次，有⼤量的冷数据。实际上，如果你只是删除缓存的话，那么在 1 分钟内，这个缓存不过就重新计算⼀次⽽已，开销⼤幅度降低。⽤到缓存才去算缓存。
其实删除缓存，⽽不是更新缓存，就是⼀个 lazy 计算的思想，不要每次都重新做复杂的计算，不管它
会不会⽤到，⽽是让它到需要被使⽤的时候再重新计算。像 mybatis，hibernate，都有懒加载思想。查询⼀个部门，部门带了⼀个员⼯的 list，没有必要说每次查询部门，都把⾥⾯的 1000 个员⼯的数据也同时查出来啊。80% 的情况，查这个部门，就只是要访问这个部门的信息就可以了。先查部门，同时要访问⾥⾯的员⼯，那么这个时候只有在你要访问⾥⾯的员⼯的时候，才会去数据库⾥⾯查询 1000 个员⼯。
最初级的缓存不⼀致问题及解决⽅案
问题：先更新数据库，再删除缓存。如果删除缓存失败了，那么会导致数据库中是新数据，缓存中是旧数据，数据就出现了不⼀致。
解决思路：先删除缓存，再更新数据库。如果数据库更新失败了，那么数据库中是旧数据，缓存中是空的，那么数据不会不⼀致。因为读的时候缓存没有，所以去读了数据库中的旧数据，然后更新到缓存中。
⽐较复杂的数据不⼀致问题分析
数据发⽣了变更，先删除了缓存，然后要去修改数据库，此时还没修改。⼀个请求过来，去读缓存，发现缓存空了，去查询数据库，查到了修改前的旧数据，放到了缓存中。随后数据变更的程序完成了数据库的修改。完了，数据库和缓存中的数据不⼀样了…
为什么上亿流量⾼并发场景下，缓存会出现这个问题？
只有在对⼀个数据在并发的进⾏读写的时候，才可能会出现这种问题。其实如果说你的并发量很低的话，特别是读并发很低，每天访问量就1 万次，那么很少的情况下，会出现刚才描述的那种不⼀致的场景。但是问题是，如果每天的是上亿的流量，每秒并发读是⼏万，每秒只要有数据更新的请求，就可能会出现上述的数据库+缓存不⼀致的情况。
解决⽅案如下：
更新数据的时候，根据数据的唯⼀标识，将操作路由之后，发送到⼀个 jvm 内部队列中。读取数据的
时候，如果发现数据不在缓存中，那么将重新读取数据+更新缓存的操作，根据唯⼀标识路由之后，也发送同⼀个 jvm 内部队列中。
⼀个队列对应⼀个⼯作线程，每个⼯作线程串⾏拿到对应的操作，然后⼀条⼀条的执⾏。这样的话，⼀个数据变更的操作，先删除缓存，然后再去更新数据库，但是还没完成更新。此时如果⼀个读请求过来，没有读到缓存，那么可以先将缓存更新的请求发送到队列中，此时会在队列中积压，然后同步等待缓存更新完成。
mysql存储数据过程这⾥有⼀个优化点，⼀个队列中，其实多个更新缓存请求串在⼀起是没意义的，因此可以做过滤，如果发现队列中已经有⼀个更新缓存的请求了，那么就不⽤再放个更新请求操作进去了，直接等待前⾯的更新操作请求完成即可。
待那个队列对应的⼯作线程完成了上⼀个操作的数据库的修改之后，才会去执⾏下⼀个操作，也就是缓存更新的操作，此时会从数据库中读取最新的值，然后写⼊缓存中。
如果请求还在等待时间范围内，不断轮询发现可以取到值了，那么就直接返回；如果请求等待的时间超过⼀定时长，那么这⼀次直接从数据库中读取当前的旧值。
深圳php网站开发⾼并发的场景下，该解决⽅案要注意的问题：
读请求长时阻塞access数据库好学吗
由于读请求进⾏了⾮常轻度的异步化，所以⼀定要注意读超时的问题，每个读请求必须在超时时间范围内返回。
该解决⽅案，最⼤的风险点在于说，可能数据更新很频繁，导致队列中积压了⼤量更新操作在⾥⾯，然后读请求会发⽣⼤量的超时，最后导致⼤量的请求直接⾛数据库。务必通过⼀些模拟真实的测试，看看更新数据的频率是怎样的。
另外⼀点，因为⼀个队列中，可能会积压针对多个数据项的更新操作，因此需要根据⾃⼰的业务情况进⾏测试，可能需要部署多个服务，每个服务分摊⼀些数据的更新操作。如果⼀个内存队列⾥居然会挤压 100 个商品的库存修改操作，每个库存修改操作要耗费 10ms 去完成，那么最后⼀个商品的读请求，可能等待 10 * 100 = 1000ms = 1s 后，才能得到数据，这个时候就导致读请求的长时阻塞。
⼀定要做根据实际业务系统的运⾏情况，去进⾏⼀些压⼒测试，和模拟线上环境，去看看最繁忙的时候，内存队列可能会挤压多少更新操作，可能会导致最后⼀个更新操作对应的读请求，会 hang 多少时间，如果读请求在 200ms 返回，如果你计算过后，哪怕是最繁忙的时候，积压 10 个更新操作，最多等待 200ms，那还可以的。
如果⼀个内存队列中可能积压的更新操作特别多，那么你就要加机器，让每个机器上部署的服务实例处理更少的数据，那么每个内存队列中积压的更新操作就会越少。
其实根据之前的项⽬经验，⼀般来说，数据的写频率是很低的，因此实际上正常来说，在队列中积压的更新操作应该是很少的。像这种针对读⾼并发、读缓存架构的项⽬，⼀般来说写请求是⾮常少的，每秒的 QPS 能到⼏百就不错了。
我们来实际粗略测算⼀下。
如果⼀秒有 500 的写操作，如果分成 5 个时间⽚，每 200ms 就 100 个写操作，放到 20 个内存队列中，每个内存队列，可能就积压 5个写操作。每个写操作性能测试后，⼀般是在 20ms 左右就完成，那么针对每个内存队列的数据的读请求，也就最多 hang ⼀会
arrow of the moon⼉，200ms 以内肯定能返回了。
mysql面试题常问
经过刚才简单的测算，我们知道，单机⽀撑的写 QPS 在⼏百是没问题的，如果写 QPS 扩⼤了 10 倍，那么就扩容机器，扩容 10 倍的机器，每个机器 20 个队列。
读请求并发量过⾼
这⾥还必须做好压⼒测试，确保恰巧碰上上述情况的时候，还有⼀个风险，就是突然间⼤量读请求会在⼏⼗毫秒的延时 hang 在服务上，看服务能不能扛的住，需要多少机器才能扛住最⼤的极限情况的峰值。
但是因为并不是所有的数据都在同⼀时间更新，缓存也不会同⼀时间失效，所以每次可能也就是少数数据的缓存失效了，然后那些数据对应的读请求过来，并发量应该也不会特别⼤。
多服务实例部署的请求路由
可能这个服务部署了多个实例，那么必须保证说，执⾏数据更新操作，以及执⾏缓存更新操作的请求，都通过 Nginx 服务器路由到相同的服务实例上。
⽐如说，对同⼀个商品的读写请求，全部路由到同⼀台机器上。可以⾃⼰去做服务间的按照某个请求参数的 hash 路由，也可以⽤ Nginx 的 hash 路由功能等等。kafka是干什么的
热点商品的路由问题，导致请求的倾斜
万⼀某个商品的读写请求特别⾼，全部打到相同的机器的相同的队列⾥⾯去了，可能会造成某台机器的压⼒过⼤。就是说，因为只有在商品数据更新的时候才会清空缓存，然后才会导致读写并发，所以其实要根据业务系统去看，如果更新频率不是太⾼的话，这个问题的影响并不是特别⼤，但是的确可
能某些机器的负载会⾼⼀些。
⾯试结束复盘查漏补缺
每次⾯试都是检验⾃⼰知识与技术实⼒的⼀次机会，⾯试结束后建议⼤家及时总结复盘，查漏补缺，然后有针对性地进⾏学习，既能提⾼下⼀场⾯试的成功概率，还能增加⾃⼰的技术知识栈储备，可谓是⼀举两得。
以下最新总结的阿⾥P6资深Java必考题范围和答案，包含最全MySQL、Redis、Java并发编程等等⾯试题和答案，⽤于参考~
资料免费领取⽅式：点赞关注后，
重要的事说三遍，关注+关注+关注！
更多笔记分享
重要的事说三遍，关注+关注+关注！
[外链图⽚转存中…(img-uUlLHidd-1622776670651)] [外链图⽚转存中…(img-CZeACqi2-1622776670652)]更多笔记分享

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。