Java分布式面試題集合（收藏篇）
你知道的越多，不知道的就越多，業(yè)余的像一棵小草！
你來，我們一起精進(jìn)！你不來，我和你的競爭對手一起精進(jìn)！
編輯：業(yè)余草
cnblogs.com/expiator/p/10201004.html
推薦：https://www.xttblog.com/?p=5178
分布式分為分布式緩存（Redis）、分布式鎖（Redis 或 Zookeeper）、分布式服務(wù)（Dubbo 或 SpringCloud）、分布式服務(wù)協(xié)調(diào)（Zookeeper）、分布式消息隊列（Kafka 、RabbitMq）、分布式 Session 、分布式事務(wù)、分布式搜索（Elasticsearch）等。不可能所有分布式內(nèi)容都熟悉，一定要在某個領(lǐng)域有所專長。
分布式理論
問：分布式有哪些理論？
CAP 、BASE。分布式 CAP 理論，任何一個分布式系統(tǒng)都無法同時滿足 Consistency（一致性）、Availability（可用性）、Partition tolerance（分區(qū)容錯性） 這三個基本需求。最多只能滿足其中兩項。而 Partition tolerance（分區(qū)容錯性） 是必須的，因此一般是 CP ，或者 AP。
問：你怎么理解分布式一致性？
數(shù)據(jù)一致性通常指關(guān)聯(lián)數(shù)據(jù)之間的邏輯關(guān)系是否正確和完整。在分布式系統(tǒng)中，數(shù)據(jù)一致性往往指的是由于數(shù)據(jù)的復(fù)制，不同數(shù)據(jù)節(jié)點中的數(shù)據(jù)內(nèi)容是否完整并且相同。
一致性還分為強(qiáng)一致性，弱一致性，還有最終一致性。強(qiáng)一致性就是馬上就保持一致。
最終一致性是指經(jīng)過一段時間后，可以保持一致。
分布式事務(wù)
問：你怎么理解分布式事務(wù)？分布式事務(wù)的協(xié)議有哪些？
分布式事務(wù)是指會涉及到操作多個數(shù)據(jù)庫的事務(wù)。目的是為了保證分布式系統(tǒng)中的數(shù)據(jù)一致性。分布式事務(wù)類型：二階段提交 2PC ，三階段提交 3PC。
2PC ：第一階段：準(zhǔn)備階段（投票階段）和第二階段：提交階段（執(zhí)行階段）。
3PC ：三個階段：CanCommit 、PreCommit 、DoCommit。
問：分布式事務(wù)的解決方案有哪些？
分布式事務(wù)解決方案：補(bǔ)償機(jī)制 TCC 、XA 、消息隊列 MQ。
問：講一下 TCC。
T（Try）鎖資源：鎖定某個資源，設(shè)置一個預(yù)備類的狀態(tài)，凍結(jié)部分?jǐn)?shù)據(jù)。
比如，訂單的支付狀態(tài)，先把狀態(tài)修改為"支付中（PAYING）"。
比如，本來庫存數(shù)量是 100 ，現(xiàn)在賣出了 2 個，不要直接扣減這個庫存。在一個單獨的凍結(jié)庫存的字段，比如 prepare _ remove _ stock 字段，設(shè)置一個 2。也就是說，有 2 個庫存是給凍結(jié)了。
積分服務(wù)的也是同理，別直接給用戶增加會員積分。你可以先在積分表里的一個預(yù)增加積分字段加入積分。
比如：用戶積分原本是 1190 ，現(xiàn)在要增加 10 個積分，別直接 1190 + 10 = 1200 個積分啊！你可以保持積分為 1190 不變，在一個預(yù)增加字段里，比如說 prepare _ add _ credit 字段，設(shè)置一個 10 ，表示有 10 個積分準(zhǔn)備增加。
C（Confirm）：在各個服務(wù)里引入了一個 TCC 分布式事務(wù)的框架，事務(wù)管理器可以感知到各個服務(wù)的 Try 操作是否都成功了。假如都成功了， TCC 分布式事務(wù)框架會控制進(jìn)入 TCC 下一個階段，第一個 C 階段，也就是 Confirm 階段。此時，需要把 Try 階段鎖住的資源進(jìn)行處理。
比如，把訂單的狀態(tài)設(shè)置為“已支付（Payed）”。
比如，扣除掉相應(yīng)的庫存。
比如，增加用戶積分。
C（Cancel）：在 Try 階段，假如某個服務(wù)執(zhí)行出錯，比如積分服務(wù)執(zhí)行出錯了，那么服務(wù)內(nèi)的 TCC 事務(wù)框架是可以感知到的，然后它會決定對整個 TCC 分布式事務(wù)進(jìn)行回滾。
TCC 分布式事務(wù)框架只要感知到了任何一個服務(wù)的 Try 邏輯失敗了，就會跟各個服務(wù)內(nèi)的 TCC 分布式事務(wù)框架進(jìn)行通信，然后調(diào)用各個服務(wù)的 Cancel 邏輯。也就是說，會執(zhí)行各個服務(wù)的第二個 C 階段， Cancel 階段。
比如，訂單的支付狀態(tài)，先把狀態(tài)修改為" closed "狀態(tài)。
比如，凍結(jié)庫存的字段， prepare _ remove _ stock 字段，將凍結(jié)的庫存 2 清零。
比如，預(yù)增加積分的字段， prepare _ add _ credit 字段，將準(zhǔn)備增加的積分 10 清零。
問：事務(wù)管理器宕掉了，怎么辦？
做冗余，設(shè)置多個事務(wù)管理器，一個宕掉了，其他的還可以用。
問：怎么保證分布式系統(tǒng)的冪等性？
狀態(tài)機(jī)制。版本號機(jī)制。
Redis
問：Redis 有哪些優(yōu)勢？
速度快，因為數(shù)據(jù)存在內(nèi)存中。
支持豐富數(shù)據(jù)類型，支持 string、list、set 、sorted set、hash。
支持事務(wù)，操作都是原子性，所謂的原子性就是對數(shù)據(jù)的更改要么全部執(zhí)行，要么全部不執(zhí)行。
豐富的特性：可用于緩存，消息，按 key 設(shè)置過期時間，過期后將會自動刪除。
單線程，單進(jìn)程，采用 IO 多路復(fù)用技術(shù)。
問：Redis 的存儲結(jié)構(gòu)是怎樣的？
key-value 鍵值對。
問：Redis 支持哪些數(shù)據(jù)結(jié)構(gòu)？
string（字符串）, hash（哈希）, list（隊列）, set（集合）及 zset（sorted set 有序集合）。
問：Redis 的數(shù)據(jù)結(jié)構(gòu)，有哪些應(yīng)用場景？
string：簡單地 get / set 緩存。
hash：可以緩存用戶資料。比如命令：hmset user1 name "lin" sex "male" age "25" ，緩存用戶 user1 的資料，姓名為 lin ，性別為男，年齡 25。
list：可以做隊列。往 list 隊列里面 push 數(shù)據(jù)，然后再 pop 出來。
zset：可以用來做排行榜。
問：Redis 的數(shù)據(jù)結(jié)構(gòu)，底層分別是由什么實現(xiàn)的？
Redis 字符串，卻不是 C 語言中的字符串（即以空字符 ’\0’ 結(jié)尾的字符數(shù)組），它是自己構(gòu)建了一種名為 簡單動態(tài)字符串（simple dynamic string , SDS）的抽象類型，并將 SDS 作為 Redis 的默認(rèn)字符串表示。
Redi List ，底層是 ZipList ，不滿足 ZipList 就使用雙向鏈表。ZipList 是為了節(jié)約內(nèi)存而開發(fā)的。和各種語言的數(shù)組類似，它是由連續(xù)的內(nèi)存塊組成的，這樣一來，由于內(nèi)存是連續(xù)的，就減少了很多內(nèi)存碎片和指針的內(nèi)存占用，進(jìn)而節(jié)約了內(nèi)存。
問：Redis 怎么保證可靠性？Redis 的持久化方式有哪些？有哪些優(yōu)缺點？
一個可靠安全的系統(tǒng)，肯定要考慮數(shù)據(jù)的可靠性，尤其對于內(nèi)存為主的 Redis ，就要考慮一旦服務(wù)器掛掉，啟動之后，如何恢復(fù)數(shù)據(jù)的問題，也就是說數(shù)據(jù)如何持久化的問題。
AOF 就是備份操作記錄。AOF 由于是備份操作命令，備份快、恢復(fù)慢。
AOF 的優(yōu)點：AOF 更好保證數(shù)據(jù)不會被丟失，最多只丟失一秒內(nèi)的數(shù)據(jù)。另外重寫操作保證了數(shù)據(jù)的有效性，即使日志文件過大也會進(jìn)行重寫。AOF 的日志文件的記錄可讀性非常的高。
AOF 的缺點：對于相同數(shù)量的數(shù)據(jù)集而言， AOF 文件通常要大于 RDB 文件。
RDB 就是備份所有數(shù)據(jù)，使用了快照。RDB 恢復(fù)數(shù)據(jù)比較快。
問：AOF 文件過大，怎么處理？
會進(jìn)行 AOF 文件重寫。
隨著 AOF 文件越來越大，里面會有大部分是重復(fù)命令或者可以合并的命令。
重寫的好處：減少 AOF 日志尺寸，減少內(nèi)存占用，加快數(shù)據(jù)庫恢復(fù)時間。
執(zhí)行一個 AOF 文件重寫操作，重寫會創(chuàng)建一個當(dāng)前 AOF 文件的體積優(yōu)化版本。
問：講一下 Redis 的事務(wù)。
先以 MULTI 開始一個事務(wù)， 然后將多個命令入隊到事務(wù)中， 最后由 EXEC 命令觸發(fā)事務(wù)， 一并執(zhí)行事務(wù)中的所有命令。如果想放棄這個事務(wù)，可以使用 DISCARD 命令。
問：Redis 事務(wù)無法回滾，那怎么處理？
問：怎么設(shè)置 Redis 的 key 過期時間？
key 的的過期時間通過 EXPIRE key seconds 命令來設(shè)置數(shù)據(jù)的過期時間。返回 1 表明設(shè)置成功，返回 0 表明 key 不存在或者不能成功設(shè)置過期時間。
問：Redis 的過期策略有哪些？
惰性刪除：當(dāng)讀/寫一個已經(jīng)過期的 key 時，會觸發(fā)惰性刪除策略，直接刪除掉這個過期 key ，并按照 key 不存在去處理。惰性刪除，對內(nèi)存不太好，已經(jīng)過期的 key 會占用太多的內(nèi)存。
定期刪除：每隔一段時間，就會對 Redis 進(jìn)行檢查，主動刪除一批已過期的 key。
問：為什么 Redis 不使用定時刪除？
定時刪除，就是在設(shè)置 key 的過期時間的同時，創(chuàng)建一個定時器，讓定時器在過期時間來臨時，立即執(zhí)行對 key 的刪除操作。
定時刪會占用 CPU ，影響服務(wù)器的響應(yīng)時間和性能。
問：Redis 的內(nèi)存回收機(jī)制都有哪些？
當(dāng)前已用內(nèi)存超過 maxmemory 限定時，會觸發(fā)主動清理策略，也就是 Redis 的內(nèi)存回收策略。
LRU 、TTL。
noeviction ：默認(rèn)策略，不會刪除任何數(shù)據(jù)，拒絕所有寫入操作并返回客戶端錯誤信息，此時 Redis 只響應(yīng)讀操作。
volatitle - lru ：根據(jù) LRU 算法刪除設(shè)置了超時屬性的鍵，知道騰出足夠空間為止。如果沒有可刪除的鍵對象，回退到 noeviction 策略。
allkeys - lru ：根據(jù) LRU 算法刪除鍵，不管數(shù)據(jù)有沒有設(shè)置超時屬性，直到騰出足夠空間為止。
allkeys - random ：隨機(jī)刪除所有鍵，知道騰出足夠空間為止。
volatitle - random ：隨機(jī)刪除過期鍵，知道騰出足夠空間為止。
volatitle - ttl ：根據(jù)鍵值對象的 ttl 屬性，刪除最近將要過期數(shù)據(jù)。如果沒有，回退到 noeviction 策略。
問：手寫一下 LRU 算法。
問：Redis 的搭建有哪些模式？
主從模式、哨兵模式、Cluster（集群）模式。最好是用集群模式。
問：你用過的 Redis 是多主多從的，還是一主多從的？集群用到了多少節(jié)點？用到了多少個哨兵？
集群模式。三主三從。
問：Redis 采用多主多從的集群模式，各個主節(jié)點的數(shù)據(jù)是否一致？
問：Redis 集群有哪些特性
master 和 slaver。主從復(fù)制。讀寫分離。哨兵模式。
問：Redis 是怎么進(jìn)行水平擴(kuò)容的？
問：Redis 集群數(shù)據(jù)分片的原理是什么？
Redis 數(shù)據(jù)分片原理是哈希槽（hash slot）。
Redis 集群有 16384 個哈希槽。每一個 Redis 集群中的節(jié)點都承擔(dān)一個哈希槽的子集。
哈希槽讓在集群中添加和移除節(jié)點非常容易。例如，如果我想添加一個新節(jié)點 D ，我需要從節(jié)點 A 、B、C 移動一些哈希槽到節(jié)點 D。同樣地，如果我想從集群中移除節(jié)點 A ，我只需要移動 A 的哈希槽到 B 和 C。當(dāng)節(jié)點 A 變成空的以后，我就可以從集群中徹底刪除它。因為從一個節(jié)點向另一個節(jié)點移動哈希槽并不需要停止操作，所以添加和移除節(jié)點，或者改變節(jié)點持有的哈希槽百分比，都不需要任何停機(jī)時間（downtime）。
問：講一下一致性 Hash 算法。
一致性 Hash 算法將整個哈希值空間組織成一個虛擬的圓環(huán), 我們對 key 進(jìn)行哈希計算，使用哈希后的結(jié)果對 2 ^ 32 取模，hash 環(huán)上必定有一個點與這個整數(shù)對應(yīng)。依此確定此數(shù)據(jù)在環(huán)上的位置，從此位置沿環(huán)順時針“行走”，第一臺遇到的服務(wù)器就是其應(yīng)該定位到的服務(wù)器。
一致性 Hash 算法對于節(jié)點的增減都只需重定位環(huán)空間中的一小部分?jǐn)?shù)據(jù)，具有較好的容錯性和可擴(kuò)展性。
比如，集群有四個節(jié)點 Node A 、B 、C 、D ，增加一臺節(jié)點 Node X。Node X 的位置在 Node B 到 Node C 直接，那么受到影響的僅僅是 Node B 到 Node X 間的數(shù)據(jù)，它們要重新落到 Node X 上。
所以一致性哈希算法對于容錯性和擴(kuò)展性有非常好的支持。
問：為什么 Redis Cluster 分片不使用 Redis 一致性 Hash 算法？
一致性哈希算法也有一個嚴(yán)重的問題，就是數(shù)據(jù)傾斜。
如果在分片的集群中，節(jié)點太少，并且分布不均，一致性哈希算法就會出現(xiàn)部分節(jié)點數(shù)據(jù)太多，部分節(jié)點數(shù)據(jù)太少。也就是說無法控制節(jié)點存儲數(shù)據(jù)的分配。
問：集群的拓?fù)浣Y(jié)構(gòu)有沒有了解過？集群是怎么連接的？
無中心結(jié)構(gòu)。Redis-Cluster 采用無中心結(jié)構(gòu)，每個節(jié)點保存數(shù)據(jù)和整個集群狀態(tài),每個節(jié)點都和其他所有節(jié)點連接。
問：講一下 Redis 主從復(fù)制的過程。
從機(jī)發(fā)送 SYNC（同步）命令，主機(jī)接收后會執(zhí)行 BGSAVE（異步保存）命令備份數(shù)據(jù)。
主機(jī)備份后，就會向從機(jī)發(fā)送備份文件。主機(jī)之后還會發(fā)送緩沖區(qū)內(nèi)的寫命令給從機(jī)。
當(dāng)緩沖區(qū)命令發(fā)送完成后，主機(jī)執(zhí)行一條寫命令，就會往從機(jī)發(fā)送同步寫入命令。
問：講一下 Redis 哨兵機(jī)制。
下面是 Redis 官方文檔對于哨兵功能的描述：
監(jiān)控（Monitoring）：哨兵會不斷地檢查主節(jié)點和從節(jié)點是否運(yùn)作正常。
自動故障轉(zhuǎn)移（Automatic Failover）：當(dāng)主節(jié)點不能正常工作時，哨兵會開始自動故障轉(zhuǎn)移操作，它會將失效主節(jié)點的其中一個從節(jié)點升級為新的主節(jié)點，并讓其他從節(jié)點改為復(fù)制新的主節(jié)點。
配置提供者（Configuration Provider）：客戶端在初始化時，通過連接哨兵來獲得當(dāng)前 Redis 服務(wù)的主節(jié)點地址。
通知（Notification）：哨兵可以將故障轉(zhuǎn)移的結(jié)果發(fā)送給客戶端。
問：講一下布隆過濾器。
布隆過濾器的主要是由一個很長的二進(jìn)制向量和若干個（k 個）散列映射函數(shù)組成。因為每個元數(shù)據(jù)的存儲信息值固定，而且總的二進(jìn)制向量固定。所以在內(nèi)存占用和查詢時間上都遠(yuǎn)遠(yuǎn)超過一般的算法。當(dāng)然存在一定的不準(zhǔn)確率（可以控制）和不容易刪除樣本數(shù)據(jù)。
布隆過濾器的優(yōu)點：大批量數(shù)據(jù)去重，特別的占用內(nèi)存。但是用布隆過濾器（Bloom Filter）會非常的省內(nèi)存。
布隆過濾器的特點：當(dāng)布隆過濾器說某個值存在時，那可能就不存在，如果說某個值不存在時，那肯定就是不存在了。
布隆過濾器的應(yīng)用場景：新聞推送（不重復(fù)推送）。解決緩存穿透的問題。
緩存
問：緩存雪崩是什么？
如果緩存數(shù)據(jù)設(shè)置的過期時間是相同的，并且 Redis 恰好將這部分?jǐn)?shù)據(jù)全部刪光了。這就會導(dǎo)致在這段時間內(nèi)，這些緩存同時失效，全部請求到數(shù)據(jù)庫中。這就是緩存雪崩。
問：怎么解決緩存雪崩？
解決方法：在緩存的時候給過期時間加上一個隨機(jī)值，這樣就會大幅度的減少緩存在同一時間過期。
問：緩存穿透是什么？
緩存穿透是指查詢一個一定不存在的數(shù)據(jù)。由于緩存不命中，并且出于容錯考慮，如果從數(shù)據(jù)庫查不到數(shù)據(jù)則不寫入緩存，這將導(dǎo)致這個不存在的數(shù)據(jù)每次請求都要到數(shù)據(jù)庫去查詢，失去了緩存的意義。
問：怎么解決緩存穿透？
問：什么是緩存與數(shù)據(jù)庫雙寫一致問題？
問：如何保證緩存與數(shù)據(jù)庫的一致性？
讀的時候，先讀緩存，緩存沒有的話，就讀數(shù)據(jù)庫，然后取出數(shù)據(jù)后放入緩存，同時返回響應(yīng)。
先刪除緩存，再更新數(shù)據(jù)庫。
問：為什么是先刪除緩存，而不是先更新緩存？
問：先更新數(shù)據(jù)庫，再刪除緩存，會有什么問題？
先更新數(shù)據(jù)庫，再刪除緩存。可能出現(xiàn)以下情況：
如果更新完數(shù)據(jù)庫， Java 服務(wù)提交了事務(wù)，然后掛掉了，那 Redis 還是會執(zhí)行，這樣也會不一致。
如果更新數(shù)據(jù)庫成功，刪除緩存失敗了，那么會導(dǎo)致數(shù)據(jù)庫中是新數(shù)據(jù)，緩存中是舊數(shù)據(jù)，數(shù)據(jù)就出現(xiàn)了不一致。
先刪除緩存，再更新數(shù)據(jù)庫。
如果刪除緩存失敗，那就不更新數(shù)據(jù)庫，緩存和數(shù)據(jù)庫的數(shù)據(jù)都是舊數(shù)據(jù)，數(shù)據(jù)是一致的。
如果刪除緩存成功，而數(shù)據(jù)庫更新失敗了，那么數(shù)據(jù)庫中是舊數(shù)據(jù)，緩存中是空的，數(shù)據(jù)不會不一致。因為讀的時候緩存沒有，所以去讀了數(shù)據(jù)庫中的舊數(shù)據(jù)，然后更新到緩存中。
問：先刪除緩存，在寫數(shù)據(jù)庫成功之前，如果有讀請求發(fā)生，可能導(dǎo)致舊數(shù)據(jù)入緩存，引發(fā)數(shù)據(jù)不一致，怎么處理？
分布式鎖
問：Redis 如何實現(xiàn)分布式鎖？
使用 set key value ex nx 命令。
當(dāng) key 不存在時，將 key 的值設(shè)為 value ，返回 1。若給定的 key 已經(jīng)存在，則 setnx 不做任何動作，返回 0。
當(dāng) setnx 返回 1 時，表示獲取鎖，做完操作以后 del key ，表示釋放鎖，如果 setnx 返回 0 表示獲取鎖失敗。
詳細(xì)的命令如下：
set key value [EX seconds] [PX milliseconds] [NX|XX]EX seconds：設(shè)置失效時長，單位秒PX milliseconds：設(shè)置失效時長，單位毫秒NX：key不存在時設(shè)置value，成功返回OK，失敗返回(nil)XX：key存在時設(shè)置value，成功返回OK，失敗返回(nil)。
示例如下：
set name fenglin ex 100 nx
問：為什么不先 set nx ，然后再使用 expire 設(shè)置超時時間？
我們需要保證 setnx 命令和 expire 命令以原子的方式執(zhí)行，否則如果客戶端執(zhí)行 setnx 獲得鎖后，這時客戶端宕機(jī)了，那么這把鎖沒有設(shè)置過期時間，導(dǎo)致其他客戶端永遠(yuǎn)無法獲得鎖了。
問：使用 Redis 分布式鎖， key 和 value 分別設(shè)置成什么？
value 可以使用 json 格式的字符串，示例：
{"count":1,"expireAt":147506817232,"jvmPid":22224,"mac":"28-D2-44-0E-0D-9A","threadId":14}
問：Redis 實現(xiàn)的分布式鎖，如果某個系統(tǒng)獲取鎖后，宕機(jī)了怎么辦？
系統(tǒng)模塊宕機(jī)的話，可以通過設(shè)置過期時間（就是設(shè)置緩存失效時間）解決。系統(tǒng)宕機(jī)時鎖阻塞，過期后鎖釋放。
問：設(shè)置緩存失效時間，那如果前一個線程把這個鎖給刪除了呢？
問：如果加鎖和解鎖之間的業(yè)務(wù)邏輯執(zhí)行的時間比較長，超過了鎖過期的時間，執(zhí)行完了，又刪除了鎖，就會把別人的鎖給刪了。怎么辦？
這兩個屬于鎖超時的問題。
可以將鎖的 value 設(shè)置為 Json 字符串，在其中加入線程的 id 或者請求的 id ，在刪除之前， get 一下這個 key ，判斷 key 對應(yīng)的 value 是不是當(dāng)前線程的。只有是當(dāng)前線程獲取的鎖，當(dāng)前線程才可以刪除。
問：Redis 分布式鎖，怎么保證可重入性？
可以將鎖的 value 設(shè)置為 Json 字符串，在其中加入線程的 id 和 count 變量。
當(dāng) count 變量的值為 0 時，表示當(dāng)前分布式鎖沒有被線程占用。
如果 count 變量的值大于 0 ，線程 id 不是當(dāng)前線程，表示當(dāng)前分布式鎖已經(jīng)被其他線程占用。
如果 count 變量的值大于 0 ，線程 id 是當(dāng)前線程的 id ，表示當(dāng)前線程已經(jīng)拿到了鎖，不必阻塞，可以直接重入，并將 count 變量的值加一即可。
這種思路，其實就是參考了 ReentrantLock 可重入鎖的機(jī)制。
問：Redis 做分布式鎖， Redis 做了主從，如果設(shè)置鎖之后，主機(jī)在傳輸?shù)綇臋C(jī)的時候掛掉了，從機(jī)還沒有加鎖信息，如何處理？
可以使用開源框架 Redisson ，采用了 redLock。
問：講一下 Redis 的 redLock。
問：Zookeeper 是怎么實現(xiàn)分布式鎖的？
分布式鎖：基于 Zookeeper 一致性文件系統(tǒng),實現(xiàn)鎖服務(wù)。鎖服務(wù)分為保存獨占及時序控制兩類。
保存獨占：將 Zookeeper 上的一個 znode 看作是一把鎖，通過 createznode 的方式來實現(xiàn)。所有客戶端都去創(chuàng)建 / distribute _ lock 節(jié)點，最終成功創(chuàng)建的那個客戶端也即擁有了這把鎖。用完刪除自己創(chuàng)建的 distribute _ lock 節(jié)點就釋放鎖。
時序控制：基于/ distribute _ lock 鎖，所有客戶端在它下面創(chuàng)建臨時順序編號目錄節(jié)點，和選 master 一樣，編號最小的獲得鎖，用完刪除，依次方便。
更詳細(xì)的回答如下：
其實基于 Zookeeper ，就是使用它的臨時有序節(jié)點來實現(xiàn)的分布式鎖。
原理就是：當(dāng)某客戶端要進(jìn)行邏輯的加鎖時，就在 Zookeeper 上的某個指定節(jié)點的目錄下，去生成一個唯一的臨時有序節(jié)點， 然后判斷自己是否是這些有序節(jié)點中序號最小的一個，如果是，則算是獲取了鎖。如果不是，則說明沒有獲取到鎖，那么就需要在序列中找到比自己小的那個節(jié)點，并對其調(diào)用 exist() 方法，對其注冊事件監(jiān)聽，當(dāng)監(jiān)聽到這個節(jié)點被刪除了，那就再去判斷一次自己當(dāng)初創(chuàng)建的節(jié)點是否變成了序列中最小的。如果是，則獲取鎖，如果不是，則重復(fù)上述步驟。
當(dāng)釋放鎖的時候，只需將這個臨時節(jié)點刪除即可。
Zookeeper
問：Zookeeper 的原理是什么？
問：Zookeeper 是怎么保證一致性的？
zab 協(xié)議。
zab 協(xié)議有兩種模式，它們分別是恢復(fù)模式（選主）和廣播模式（同步）。當(dāng)服務(wù)啟動或者在領(lǐng)導(dǎo)者崩潰后， zab 就進(jìn)入了恢復(fù)模式，當(dāng)領(lǐng)導(dǎo)者被選舉出來，且大多數(shù) server 完成了和 leader 的狀態(tài)同步以后，恢復(fù)模式就結(jié)束了。狀態(tài)同步保證了 leader 和 server 具有相同的系統(tǒng)狀態(tài)。
問：Zookeeper 有哪些應(yīng)用場景？
Zookeeper 可以作為服務(wù)協(xié)調(diào)的注冊中心。還可以做分布式鎖（如果沒有用過分布式鎖就不要說）。
問：Zookeeper 為什么能做注冊中心？
Zookeeper 的數(shù)據(jù)模型是樹型結(jié)構(gòu)，由很多數(shù)據(jù)節(jié)點組成， zk 將全量數(shù)據(jù)存儲在內(nèi)存中，可謂是高性能，而且支持集群，可謂高可用。另外支持事件監(jiān)聽（watch 命令）。
Zookeeper 可以作為一個數(shù)據(jù)發(fā)布/訂閱系統(tǒng)。
問：Zookeeper 的節(jié)點有哪些類型？有什么區(qū)別？
臨時節(jié)點，永久節(jié)點。更加細(xì)分就是臨時有序節(jié)點、臨時無序節(jié)點、永久有序節(jié)點、永久無序節(jié)點。
臨時節(jié)點：當(dāng)創(chuàng)建臨時節(jié)點的程序停掉之后，這個臨時節(jié)點就會消失，存儲的數(shù)據(jù)也沒有了。
問：Zookeeper 做為注冊中心，主要存儲哪些數(shù)據(jù)？存儲在哪里？
IP、端口、還有心跳機(jī)制。數(shù)據(jù)存儲在 Zookeeper 的節(jié)點上面。
問：心跳機(jī)制有什么用？
問：Zookeeper 的廣播模式有什么缺陷？
廣播風(fēng)暴。
問：講一下 Zookeeper 的讀寫機(jī)制。
Leader 主機(jī)負(fù)責(zé)讀和寫。
Follower 負(fù)責(zé)讀，并將寫操作轉(zhuǎn)發(fā)給 Leader。Follower 還參與 Leader 選舉投票，參與事務(wù)請求 Proposal 投票。
Observer 充當(dāng)觀察者的角色。Observer 和 Follower 的唯一區(qū)別在于：Observer 不參與任何投票。
問：講一下 Zookeeper 的選舉機(jī)制。
Leader 不可用時，會重新選舉 Leader。超過半數(shù)的 Follower 選舉投票即可，Observer 不參與投票。
問：你們的 Zookeeper 集群配置了幾個節(jié)點？
3 個節(jié)點。注意：Zookeeper 集群節(jié)點，最好是奇數(shù)個的。
集群中的 Zookeeper 節(jié)點需要超過半數(shù)，整個集群對外才可用。
這里所謂的整個集群對外才可用，是指整個集群還能選出一個 Leader 來， Zookeeper 默認(rèn)采用 quorums 來支持 Leader 的選舉。
如果有 2 個 Zookeeper，那么只要有 1 個死了 Zookeeper 就不能用了，因為 1 沒有過半，所以 2 個 Zookeeper 的死亡容忍度為 0 ；同理，要是有 3 個 Zookeeper，一個死了，還剩下 2 個正常的，過半了，所以 3 個 Zookeeper 的容忍度為 1 ；同理你多列舉幾個：2 -> 0 ; 3 -> 1 ; 4 -> 1 ; 5 -> 2 ; 6 -> 2 會發(fā)現(xiàn)一個規(guī)律， 2n 和 2n - 1 的容忍度是一樣的，都是 n - 1 ，所以為了更加高效，何必增加那一個不必要的 Zookeeper 呢。
問：Zookeeper 的集群節(jié)點，如果不是奇數(shù)可能會出現(xiàn)什么問題？
可能會出現(xiàn)腦裂。
假死：由于心跳超時（網(wǎng)絡(luò)原因?qū)е碌模┱J(rèn)為 master 死了，但其實 master 還存活著。
腦裂：由于假死會發(fā)起新的 master 選舉，選舉出一個新的 master ，但舊的 master 網(wǎng)絡(luò)又通了，導(dǎo)致出現(xiàn)了兩個 master ，有的客戶端連接到老的 master 有的客戶端鏈接到新的 master。
消息隊列
問：為什么使用消息隊列？消息隊列有什么優(yōu)點和缺點？Kafka 、ActiveMQ 、RabbitMq 、RocketMQ 都有什么優(yōu)點和缺點？
消息隊列解耦，削峰，限流。
問：如何保證消息隊列的高可用？（多副本）
問：如何保證消息不被重復(fù)消費(fèi)？（如何保證消息消費(fèi)的冪等性）
問：如何保證消息的可靠性傳輸？（如何處理消息丟失的問題）
問：如何保證消息的順序性？
問：如何解決消息隊列的延時以及過期失效問題？消息隊列滿了以后該怎么處理？有幾百萬消息持續(xù)積壓幾小時，說說怎么解決？
問：如果讓你寫一個消息隊列，該如何進(jìn)行架構(gòu)設(shè)計啊？說一下你的思路。
Kafka
問：講一下 Kafka。
Kafka 的簡單理解
問：Kafka 相對其他消息隊列，有什么特點？
持久化：Kafka 的持久化能力比較好，通過磁盤持久化。而 RabbitMQ 是通過內(nèi)存持久化的。
吞吐量：Rocket 的并發(fā)量非常高。
消息處理：RabbitMQ 的消息不支持批量處理，而 RocketMQ 和 Kafka 支持批量處理。
高可用：RabbitMQ 采用主從模式。Kafka 也是主從模式，通過 Zookeeper 管理，選舉 Leader ，還有 Replication 副本。
事務(wù)：RocketMQ 支持事務(wù)，而 Kafka 和 RabbitMQ 不支持。
問：Kafka 有哪些模式？
如果一個生產(chǎn)者或者多個生產(chǎn)者產(chǎn)生的消息能夠被多個消費(fèi)者同時消費(fèi)的情況，這樣的消息隊列稱為"發(fā)布訂閱模式"的消息隊列。
問：Kafka 作為消息隊列，有哪些優(yōu)勢？
分布式的消息系統(tǒng)。
高吞吐量。即使存儲了許多 TB 的消息，它也保持穩(wěn)定的性能。
數(shù)據(jù)保留在磁盤上，因此它是持久的。
問：Kafka 為什么處理速度會很快？kafka 的吞吐量為什么高？
零拷貝：Kafka 實現(xiàn)了"零拷貝"原理來快速移動數(shù)據(jù)，避免了內(nèi)核之間的切換。
消息壓縮、分批發(fā)送：Kafka 可以將數(shù)據(jù)記錄分批發(fā)送，從生產(chǎn)者到文件系統(tǒng)（Kafka 主題日志）到消費(fèi)者，可以端到端的查看這些批次的數(shù)據(jù)。
批處理能夠進(jìn)行更有效的數(shù)據(jù)壓縮并減少 I / O 延遲。
順序讀寫：Kafka 采取順序?qū)懭氪疟P的方式，避免了隨機(jī)磁盤尋址的浪費(fèi)。
問：講一下 Kafka 中的零拷貝。
數(shù)據(jù)的拷貝從內(nèi)存拷貝到 kafka 服務(wù)進(jìn)程那塊，又拷貝到 socket 緩存那塊，整個過程耗費(fèi)的時間比較高， kafka 利用了 Linux 的 sendFile 技術(shù)（NIO），省去了進(jìn)程切換和一次數(shù)據(jù)拷貝，讓性能變得更好。
問：Kafka 的偏移量是什么？
消費(fèi)者每次消費(fèi)數(shù)據(jù)的時候，消費(fèi)者都會記錄消費(fèi)的物理偏移量（offset）的位置。等到下次消費(fèi)時，他會接著上次位置繼續(xù)消費(fèi)
問：Kafka 的生產(chǎn)者，是如何發(fā)送消息的？
生產(chǎn)者的消息是先被寫入分區(qū)中的緩沖區(qū)中，然后分批次發(fā)送給 Kafka Broker。
生產(chǎn)者的消息發(fā)送機(jī)制，有同步發(fā)送和異步發(fā)送。
同步發(fā)送消息都有個問題，那就是同一時間只能有一個消息在發(fā)送，這會造成許多消息。
無法直接發(fā)送，造成消息滯后，無法發(fā)揮效益最大化。
異步發(fā)送消息的同時能夠?qū)Ξ惓Ｇ闆r進(jìn)行處理，生產(chǎn)者提供了 Callback 回調(diào)。
問：Kafka 生產(chǎn)者發(fā)送消息，有哪些分區(qū)策略？
Kafka 的分區(qū)策略指的就是將生產(chǎn)者發(fā)送到哪個分區(qū)的算法。有順序輪詢、隨機(jī)輪詢、key - ordering 策略。
key - ordering 策略：Kafka 中每條消息都會有自己的 key ，一旦消息被定義了 Key ，那么你就可以保證同一個 Key 的所有消息都進(jìn)入到相同的分區(qū)里面，由于每個分區(qū)下的消息處理都是有順序的，故這個策略被稱為按消息鍵保序策略。
問：Kafka 為什么要分區(qū)？
實現(xiàn)負(fù)載均衡和水平擴(kuò)展。Kafka 可以將主題（Topic）劃分為多個分區(qū)（Partition），會根據(jù)分區(qū)規(guī)則選擇把消息存儲到哪個分區(qū)中，只要如果分區(qū)規(guī)則設(shè)置的合理，那么所有的消息將會被均勻的分布到不同的分區(qū)中，這樣就實現(xiàn)了負(fù)載均衡和水平擴(kuò)展。另外，多個訂閱者可以從一個或者多個分區(qū)中同時消費(fèi)數(shù)據(jù)，以支撐海量數(shù)據(jù)處理能力。
問：Kafka 是如何在 Broker 間分配分區(qū)的？
在 broker 間平均分布分區(qū)副本。
假設(shè)有 6 個 broker ，打算創(chuàng)建一個包含 10 個分區(qū)的 Topic ，復(fù)制系數(shù)為 3 ，那么 Kafka 就會有 30 個分區(qū)副本，它可以被分配給這 6 個 broker ，這樣的話，每個 broker 可以有 5 個副本。
要確保每個分區(qū)的每個副本分布在不同的 broker 上面：
假設(shè) Leader 分區(qū) 0 會在 broker1 上面， Leader 分區(qū) 1 會在 broker2 上面， Leder 分區(qū) 2 會在 broker3 上面。
接下來會分配跟隨者副本。如果分區(qū) 0 的第一個 Follower 在 broker2 上面，第二個 Follower 在 broker3 上面。分區(qū) 1 的第一個 Follower 在 broker3 上面，第二個 Follower 在 broker4 上面。
問：Kafka 如何保證消息的順序性？
Kafka 可以保證同一個分區(qū)里的消息是有序的。也就是說消息發(fā)送到一個 Partition 是有順序的。
問：Kafka 的消費(fèi)者群組 Consumer Group 訂閱了某個 Topic ，假如這個 Topic 接收到消息并推送，那整個消費(fèi)者群組能收到消息嗎？
Kafka 官網(wǎng)中有這樣一句" Consumers label themselves with a consumer group name , and each record published to a topic is delivered to one consumer instance within each subscribing consumer group . "
表示推送到 topic 上的 record ，會被傳遞到已訂閱的消費(fèi)者群組里面的一個消費(fèi)者實例。
問：如何提高 Kafka 的消費(fèi)速度？
問：Kafka 出現(xiàn)消息積壓，有哪些原因？怎么解決？
出現(xiàn)消息積壓，可能是因為消費(fèi)的速度太慢。
擴(kuò)容消費(fèi)者。之所以消費(fèi)延遲大，就是消費(fèi)者處理能力有限，可以增加消費(fèi)者的數(shù)量。
擴(kuò)大分區(qū)。一個分區(qū)只能被消費(fèi)者群組中的一個消費(fèi)者消費(fèi)。消費(fèi)者擴(kuò)大，分區(qū)最好多隨之?dāng)U大。
問：Kafka 消息消費(fèi)者宕機(jī)了，怎么確認(rèn)有沒有收到消息？
ACK 機(jī)制，如果接收方收到消息后，會返回一個確認(rèn)字符。
問：講一下 Kafka 的 ACK 機(jī)制。
acks 參數(shù)指定了要有多少個分區(qū)副本接收消息，生產(chǎn)者才認(rèn)為消息是寫入成功的。此參數(shù)對消息丟失的影響較大。
如果 acks = 0 ，就表示生產(chǎn)者也不知道自己產(chǎn)生的消息是否被服務(wù)器接收了，它才知道它寫成功了。如果發(fā)送的途中產(chǎn)生了錯誤，生產(chǎn)者也不知道，它也比較懵逼，因為沒有返回任何消息。這就類似于 UDP 的運(yùn)輸層協(xié)議，只管發(fā)，服務(wù)器接受不接受它也不關(guān)心。
如果 acks = 1 ，只要集群的 Leader 接收到消息，就會給生產(chǎn)者返回一條消息，告訴它寫入成功。如果發(fā)送途中造成了網(wǎng)絡(luò)異常或者 Leader 還沒選舉出來等其他情況導(dǎo)致消息寫入失敗，生產(chǎn)者會受到錯誤消息，這時候生產(chǎn)者往往會再次重發(fā)數(shù)據(jù)。因為消息的發(fā)送也分為 同步 和 異步， Kafka 為了保證消息的高效傳輸會決定是同步發(fā)送還是異步發(fā)送。如果讓客戶端等待服務(wù)器的響應(yīng)（通過調(diào)用 Future 中的 get（） 方法），顯然會增加延遲，如果客戶端使用回調(diào)，就會解決這個問題。
如果 acks = all ，這種情況下是只有當(dāng)所有參與復(fù)制的節(jié)點都收到消息時，生產(chǎn)者才會接收到一個來自服務(wù)器的消息。不過，它的延遲比 acks = 1 時更高，因為我們要等待不只一個服務(wù)器節(jié)點接收消息。
問：Kafka 如何避免消息丟失？
1、生產(chǎn)者丟失消息的情況
生產(chǎn)者（Producer） 調(diào)用 send 方法發(fā)送消息之后，消息可能因為網(wǎng)絡(luò)問題并沒有發(fā)送過去。
所以，我們不能默認(rèn)在調(diào)用 send 方法發(fā)送消息之后消息消息發(fā)送成功了。為了確定消息是發(fā)送成功，我們要判斷消息發(fā)送的結(jié)果。
可以采用為其添加回調(diào)函數(shù)的形式，獲取回調(diào)結(jié)果。
如果消息發(fā)送失敗的話，我們檢查失敗的原因之后重新發(fā)送即可！
可以設(shè)置 Producer 的 retries（重試次數(shù)）為一個比較合理的值，一般是 3 ，但是為了保證消息不丟失的話一般會設(shè)置比較大一點。
設(shè)置完成之后，當(dāng)出現(xiàn)網(wǎng)絡(luò)問題之后能夠自動重試消息發(fā)送，避免消息丟失。
2、消費(fèi)者丟失消息的情況
當(dāng)消費(fèi)者拉取到了分區(qū)的某個消息之后，消費(fèi)者會自動提交了 offset。自動提交的話會有一個問題，
試想一下，當(dāng)消費(fèi)者剛拿到這個消息準(zhǔn)備進(jìn)行真正消費(fèi)的時候，突然掛掉了，消息實際上并沒有被消費(fèi)，但是 offset 卻被自動提交了。
手動關(guān)閉閉自動提交 offset ，每次在真正消費(fèi)完消息之后之后再自己手動提交 offset 。
3 、Kafka 丟失消息
a、假如 leader 副本所在的 broker 突然掛掉，那么就要從 follower 副本重新選出一個 leader ，但是 leader 的數(shù)據(jù)還有一些沒有被 follower 副本的同步的話，就會造成消息丟失。因此可以設(shè)置 ack = all。
b、設(shè)置 replication . factor >= 3 。為了保證 leader 副本能有 follower 副本能同步消息，我們一般會為 topic 設(shè)置 replication . factor >= 3。這樣就可以保證每個
分區(qū)（partition） 至少有 3 個副本。雖然造成了數(shù)據(jù)冗余，但是帶來了數(shù)據(jù)的安全性。
問：Kafka 怎么保證可靠性？
多副本以及 ISR 機(jī)制。
在 Kafka 中主要通過 ISR 機(jī)制來保證消息的可靠性。
ISR（in sync replica）：是 Kafka 動態(tài)維護(hù)的一組同步副本，在 ISR 中有成員存活時，只有這個組的成員才可以成為 leader ，內(nèi)部保存的為每次提交信息時必須同步的副本（acks = all 時），每當(dāng) leader 掛掉時，在 ISR 集合中選舉出一個 follower 作為 leader 提供服務(wù)，當(dāng) ISR 中的副本被認(rèn)為壞掉的時候，會被踢出 ISR ，當(dāng)重新跟上 leader 的消息數(shù)據(jù)時，重新進(jìn)入 ISR。
問：什么是 HW ？
HW（high watermark）：副本的高水印值， replica 中 leader 副本和 follower 副本都會有這個值，通過它可以得知副本中已提交或已備份消息的范圍， leader 副本中的 HW ，決定了消費(fèi)者能消費(fèi)的最新消息能到哪個 offset。
問：什么是 LEO ?
LEO（log end offset）：日志末端位移，代表日志文件中下一條待寫入消息的 offset ，這個 offset 上實際是沒有消息的。不管是 leader 副本還是 follower 副本，都有這個值。
問：Kafka 怎么保證一致性？（存疑）
一致性定義：若某條消息對 client 可見，那么即使 Leader 掛了，在新 Leader 上數(shù)據(jù)依然可以被讀到。
HW - HighWaterMark : client 可以從 Leader 讀到的最大 msg offset ，即對外可見的最大 offset ， HW = max（replica . offset）
對于 Leader 新收到的 msg ， client 不能立刻消費(fèi)， Leader 會等待該消息被所有 ISR 中的 replica 同步后，更新 HW ，此時該消息才能被 client 消費(fèi)，這樣就保證了如果 Leader fail ，該消息仍然可以從新選舉的 Leader 中獲取。
對于來自內(nèi)部 Broker 的讀取請求，沒有 HW 的限制。同時， Follower 也會維護(hù)一份自己的 HW ， Folloer . HW = min（Leader . HW , Follower . offset）.
問：Kafka 怎么處理重復(fù)消息？怎么避免重復(fù)消費(fèi)？
偏移量 offset :消費(fèi)者每次消費(fèi)數(shù)據(jù)的時候，消費(fèi)者都會記錄消費(fèi)的物理偏移量（offset）的位置。等到下次消費(fèi)時，他會接著上次位置繼續(xù)消費(fèi)。
一般情況下， Kafka 重復(fù)消費(fèi)都是由于未正常提交 offset 造成的，比如網(wǎng)絡(luò)異常，消費(fèi)者宕機(jī)之類的。
使用的是 spring-Kafka ，所以把 Kafka 消費(fèi)者的配置 enable.auto. commit 設(shè)為 false ，禁止 Kafka 自動提交 offset ，從而使用 spring-Kafka 提供的 offset 提交策略。
sprin-Kafka 中的 offset 提交策略可以保證一批消息數(shù)據(jù)沒有完成消費(fèi)的情況下，也能提交 offset ，從而避免了提交失敗而導(dǎo)致永遠(yuǎn)重復(fù)消費(fèi)的問題。
問：怎么避免重復(fù)消費(fèi)？
將消息的唯一標(biāo)識保存起來，每次消費(fèi)時判斷是否處理過即可。
問：如何保證消息不被重復(fù)消費(fèi)？（如何保證消息消費(fèi)的冪等性）
怎么保證消息隊列消費(fèi)的冪等性？其實還是得結(jié)合業(yè)務(wù)來思考，有幾個思路：
比如你拿個數(shù)據(jù)要寫庫，你先根據(jù)主鍵查一下，如果這數(shù)據(jù)都有了，你就別插入了， update 一下好吧。
比如你是寫 Redis ，那沒問題了，反正每次都是 set ，天然冪等性。
如果是復(fù)雜一點的業(yè)務(wù)，那么每條消息加一個全局唯一的 id ，類似訂單 id 之類的東西，然后消費(fèi)到了之后，先根據(jù)這個 id 去比如 Redis 里查一下，之前消費(fèi)過嗎？
如果沒有消費(fèi)過，你就處理，然后這個 id 寫 Redis。如果消費(fèi)過了，那你就別處理了，保證別重復(fù)處理相同的消息即可。
問：Kafka 消息是采用 pull 模式，還是 push 模式？
pull 模式。
問：pull 模式和 push 模式，各有哪些特點？
pull 模式，準(zhǔn)確性？可以較大保證消費(fèi)者能獲取到消息。
push 模式，即時性？可以在 broker 獲取消息后馬上送達(dá)消費(fèi)者。
問：Kafka 是如何存儲消息的？
Kafka 使用日志文件的方式來保存生產(chǎn)者和發(fā)送者的消息，每條消息都有一個 offset 值來表示它在分區(qū)中的偏移量。
Kafka 中存儲的一般都是海量的消息數(shù)據(jù)，為了避免日志文件過大，
一個分片并不是直接對應(yīng)在一個磁盤上的日志文件，而是對應(yīng)磁盤上的一個目錄。
數(shù)據(jù)存儲設(shè)計的特點在于以下幾點：
Kafka 把主題中一個分區(qū)劃分成多個分段的小文件段，通過多個小文件段，就容易根據(jù)偏移量查找消息、定期清除和刪除已經(jīng)消費(fèi)完成的數(shù)據(jù)文件，減少磁盤容量的占用；
采用稀疏索引存儲的方式構(gòu)建日志的偏移量索引文件，并將其映射至內(nèi)存中，提高查找消息的效率，同時減少磁盤 IO 操作；
Kafka 將消息追加的操作邏輯變成為日志數(shù)據(jù)文件的順序?qū)懭耄瑯O大的提高了磁盤 IO 的性能；
問：講一下 Kafka 集群的 Leader 選舉機(jī)制。
Kafka 在 Zookeeper 上針對每個 Topic 都維護(hù)了一個 ISR（in - sync replica ---已同步的副本）的集合，集合的增減 Kafka 都會更新該記錄。如果某分區(qū)的 Leader 不可用， Kafka 就從 ISR 集合中選擇一個副本作為新的 Leader。
分庫分表
問：數(shù)據(jù)庫如何處理海量數(shù)據(jù)？
分庫分表，主從架構(gòu)，讀寫分離。
問：數(shù)據(jù)庫分庫分表，何時分？怎么分？
水平分庫/分表，垂直分庫/分表。
水平分庫/表，各個庫和表的結(jié)構(gòu)一模一樣。
垂直分庫/表，各個庫和表的結(jié)構(gòu)不一樣。
問：讀寫分離怎么做？
主機(jī)負(fù)責(zé)寫，從機(jī)負(fù)責(zé)讀。
系統(tǒng)設(shè)計
1、分布式、高并發(fā)場景
遇到高并發(fā)場景，可以使用 Redis 緩存、Redis 限流、MQ 異步、MQ 削峰等。
問：在實踐中，遇到過哪些并發(fā)的業(yè)務(wù)場景？
秒殺。比如搶商品，搶紅包。
2、秒殺
問：如何設(shè)計一個秒殺/搶券系統(tǒng)？
可以通過隊列配合異步處理實現(xiàn)秒殺。
使用 redis 的 list ，將商品 push 進(jìn)隊列， pop 出隊列。
異步操作不會阻塞，不會消耗太多時間。
問：如何提高搶券系統(tǒng)的性能？
使用多個 list。
使用多線程從隊列中拉取數(shù)據(jù)。
集群提高可用性。
MQ 異步處理，削峰。
問：秒殺怎么避免少賣或超賣？
redis 是單進(jìn)程單線程的，操作具有原子性，不會導(dǎo)致少賣或者超賣。另外，也可以設(shè)置一個版本號 version ，樂觀鎖機(jī)制。
問：考勤打卡，假如高峰期有幾萬人同時打卡，那么怎么應(yīng)對這種高并發(fā)？
使用 Redis 緩存。員工點擊簽到，可以在緩存中 set 狀態(tài)。將工號作為 key ,打卡狀態(tài)作為 value ，打卡成功為 01 ，未打卡或者打卡失敗為 00 ，然后再將數(shù)據(jù)異步地寫入到數(shù)據(jù)庫里面就可以了。
問：如何應(yīng)對高峰期的超高并發(fā)量？
Redis 限流。Redis 可以用計數(shù)器限流。使用 INCR 命令，每次都加一，處理完業(yè)務(wù)邏輯就減一。然后設(shè)置一個最大值，當(dāng)達(dá)到最大值后就直接返回，不處理后續(xù)的邏輯。
Redis 還可以用令牌桶限流。使用 Redis 隊列，每十個數(shù)據(jù)中 push 一個令牌桶，每個請求進(jìn)入后會先從隊列中 pop 數(shù)據(jù)，如果是令牌就可以通行，不是令牌就直接返回。
3、短鏈接
問：如何將長鏈接轉(zhuǎn)換成短鏈接，并發(fā)送短信？
短 URL 從生成到使用分為以下幾步：
有一個服務(wù),將要發(fā)送給你的長 URL 對應(yīng)到一個短 URL 上.例如 www.baidu.com -> www.t.cn/1。
把短 url 拼接到短信等的內(nèi)容上發(fā)送。
用戶點擊短 URL ,瀏覽器用 301 / 302 進(jìn)行重定向,訪問到對應(yīng)的長 URL。
展示對應(yīng)的內(nèi)容。
問：長鏈接和短鏈接如何互相轉(zhuǎn)換？
思路是建立一個發(fā)號器。每次有一個新的長 URL 進(jìn)來，我們就增加一。并且將新的數(shù)值返回.第一個來的 url 返回"www.x.cn/0",第二個返回"www.x.cn/1".
問：長鏈接和短鏈接的對應(yīng)關(guān)系如何存儲？
如果數(shù)據(jù)量小且 QPS 低，直接使用數(shù)據(jù)庫的自增主鍵就可以實現(xiàn)。
還可以將最近/最熱門的對應(yīng)關(guān)系存儲在 K-V 數(shù)據(jù)庫中,這樣子可以節(jié)省空間的同時,加快響應(yīng)速度。
系統(tǒng)架構(gòu)與設(shè)計
問：如何提高系統(tǒng)的并發(fā)能力？
使用分布式系統(tǒng)。
部署多臺服務(wù)器，并做負(fù)載均衡。
使用緩存（Redis）集群。
數(shù)據(jù)庫分庫分表 + 讀寫分離。
引入消息中間件集群。
問：設(shè)計一個紅包系統(tǒng)，需要考慮哪些問題，如何解決？（本質(zhì)上也是秒殺系統(tǒng)）
問：如果讓你設(shè)計一個消息隊列，你會怎么設(shè)計？
項目經(jīng)驗及數(shù)據(jù)量
問：這個項目的亮點、難點在哪里？
問：如果這個模塊掛掉了怎么辦？
問：你們的項目有多少臺機(jī)器？
問：你們的項目有多少個實例？
4 個實例。
問：你們的系統(tǒng) QPS（TPS）是多少？
QPS ，每秒查詢量。QPS 為幾百/幾千，已經(jīng)算是比較高的了。
TPS ，每秒處理事務(wù)數(shù)。TPS 即每秒處理事務(wù)數(shù)，包括：”用戶請求服務(wù)器”、”服務(wù)器自己的內(nèi)部處理”、”服務(wù)器返回給用戶”，這三個過程，每秒能夠完成 N 個這三個過程， TPS 也就是 3。
問：一個接口，多少秒響應(yīng)才正常？
快的話幾毫秒。慢的話 1-2 秒。異常情況可能會 10 幾秒；最好保證 99 %以上的請求是正常的。
問：這個接口的請求時間，大概多久？主要耗時在哪里？
問：系統(tǒng)的數(shù)據(jù)量多少？有沒有分庫分表？
正常情況下，幾百萬的數(shù)據(jù)量沒有必要分庫分表。只有超過幾千萬才需要分庫分表。
問：插入/更新一條數(shù)據(jù)要多久？更新十萬/百萬條數(shù)據(jù)要多久？
插入/更新一條數(shù)據(jù)一般要幾毫秒；更新十萬條數(shù)據(jù)最好在 10 秒以內(nèi)；
百萬條數(shù)據(jù)最好在 50-100 秒以內(nèi)。