2020大数据Java面试总结（未完待续）

导读：纪录面试的经过，成功有经验，失败则有教训。目前已找到工作，做Java大数据，月base45k，整理总结，希望对你也有帮助。

自我介绍

• 公司介绍，近期的三家公司，在线教育独角兽、暴风影音、创维数字

• 负责的项目

1. 面向业务的需求开发，亲子系统、支付系统、秒杀抽奖等

2. 面向基础组件封装，springboot二次封装、分布式链路追踪系统apm、分布式任务系统等

3. 面向推荐系统开发

4. 面向团队建设，内部技术分享，包括java并发、基础组件应用、企业开发规范、推荐技术

为什么离职找工作

• 现有系统已经很稳定了

• 希望自己能进行更好的发展，不要让自己的技术停滞

• 个人原因

秒杀系统介绍

• 抽奖服务，注意奖品内存扣减

• 抽奖服务，注意奖品池设计

秒杀系统

如何避免缓存雪崩

缓存雪崩分为两种：

• 自然雪崩（缓存服务器宕机）

• 非自然雪崩（缓存的key在同一时间过期）

解决方案：

• 数据预热

• 缓存高可用，异地多活

• 限流降级

• 在没有缓存的情况下加锁

redis版本

• 阿里云版本2.8

redis应用，不仅仅是做一个kv缓存去用吧（介绍的时候千万不要拘泥于项目，一定要把redis的功能全部阐述出来）

• 普通的缓存

• 排行榜单

• 分布式锁

• 地图坐标，附近的人

• 布隆过滤器（bitmap）

• 网站uv统计（hyperloglog）

• 订阅发布，可以做简易的聊天室（消息队列可以替代）

• 实现分布式的乐观锁（watch+multi）

• 支持事务操作（不支持原子性）

• 计数器（incrby）

redis使用的客户端

• jedis

• redisTemplate

• lettuce，通过大名鼎鼎的netty进行的实现，需要熟悉一下

redis的IO模型

• NIO，异步IO

• 底层是select+epoll做的实现

jvm

jvm参数配置

• 场景1，测试环境一台机器带很多个微服务

出现过内存溢出的情况吗？怎么解决的？

• 同事写的一个服务，在压测的时候出现了，开始的时候变慢，到最后出现oom的现象

spring

谈一下IOC和DI

• 依赖反转（开发原则中的

  依赖导致原则

  ）

• 自己之前搞过非IOC的项目

• 所有的对象都是自己手动管理

• 如果有一个对象跨模块使用，则需要在上层进行对象传递

• 过程相当痛苦

• 有了Spring的IOC，对象管理全部托管给spring

spring的bean被放在什么地方？

• spring容器

• spring容器是什么？？？

spring boot的启动过程

• 初始化过程由SpringApplication类在承接

• 推断应用类型，非web？web tomcat？或者web netty？

• 启动所有初始化处理器Initializers，

• 启动所有的监听器，监听器基本都是同步监听

• 启动context

• 启动环境相关

• 使用所有的环境变量，这个其实不经常用

• 启动SpringFactories的实例，都是利用AutoConfiguration的实例，也就是Springboot自动配置和零xml配置的核心，这里模仿了java的SPI机制，很多框架里面都有所使用。

• 主要涉及的文件，resources/META-INF的spring.factories

需要强调

• springboot设置了不同的事件监听器（例如Listener的starting、环境准备好、上下文准备好等事件），利用了观察者模式。

• 启动过程最重要的是SpringFactoriesLoader进行自动配置的过程（此过程类似于java的spi机制，可以进行适度的发散）

微服务

你使用过的微服务架构

• 主要使用springboot+dubbo

• 需要了解spring cloud的架构

• 需要了解grpc的架构

• 对比微服务优缺点

服务治理是怎么实现的？

• 基础的远程调用rpc

• 通过实现负载均衡来实现高可用

• 有容错机制，

  超时、重试、提供mock数据功能

• 服务自动发现（只需要按照接口注册）

• 性能日志监控（这里可以通过pinpoint去实现）

• 服务治理中心，实现某节点的禁用（dubbo-admin）

dubbo的服务治理并优秀，主要还是使用的dubbo的高速rpc功能

在分布式系统中，你们的id是怎么处理的？（再次问，雪花算法怎么避免重复）

• 雪花算法

参考：https://www.bilibili.com/video/BV1xK411W7zy?from=search&seid=5732540532182464777
发散回答：雪花算法+分表键选择了id+分表数量选择不规范，导致了数据集中的问题。

1.由于雪花算法中生成的id大多数都是0结尾，这和雪花算法本身有关系，“在同一个毫秒内，如果只生成一个id的话，那么sequence必然是0，最后的id生成也就是固定的0”。
2.在进行分库分表的时候，如果选择的不是质数，而是2的n次幂，更有甚者，选择“10”的话，那么数据将非常的集中，导致了分表后的数据倾斜。

消息队列

使用过哪些消息队列？

• activateMq

• rabitMq

• rocketMq

• kafka

说一下优劣

如何实现发现定时消息

自动集成

Jenkins

发散问题

你在公司偶尔做培训，那么你最近的一次培训是什么？

• mapStruct插件的相关原理与应用

• 分布式事务seta的简易实现

• 阿里云机器学习pai简介

• 简易爬虫的实现，实战爬取股票数据

• 深度学习之人脸识别

---

欢迎点赞+收藏+转发朋友圈素质三连

看完本文有收获？请转发分享给更多人

大数据爱好者社区

文章不错？点个【在看】吧！ 👇