1.怎么理解CPU密集型和I/O密集型
2.谈谈对IO多路复用的select机制的理解
-
阻塞io 每次io 进程就阻塞在recvfrom()方法上，在高并发场景下 如果客户端同时发起的请求过多，则服务端需要同时开启很多线程，但服务器的线程是有限的，若超过了最大负载，那后来的请求将得不到处理；服务器也会有因为线程数过多而崩溃的风险，线程会有两次阻塞，且一个连接对应一个线程。适用于连接数比较少的场景。(线程阻塞后，会让出cpu,但不会释放内存，等待回调函数唤醒，线程状态的切换会浪费性能)
-
非阻塞io,非阻塞IO在用户数据报还没准备好的时候，
recvfrom系统调用不会阻塞，接着会继续进行下一轮的recvfrom系统调用看数据报有无准备好，周而复始，进程（线程）不断轮训。线程会有一次阻塞，且依然一个连接对应一个线程。但是进程（线程）不断轮训 这是非常耗费CPU的。这种模型不是很常用，适合用在某台CPU专为某些功能准备的场合。 -
io多路复用-而不用像阻塞IO模型或非阻塞IO模型那样，一次recvfrom系统调用中一个线程就只能选择一个文件描述符，IO多路复用模型的思路就是系统提供了一种函数可以同时监控多个fd的操作，应用线程通过调用该函数就可以同时监控多个fd，监控的fd中只要有任何一个数据状态准备就绪了，该函数就会返回可读状态（可读fd的数量），这时询问线程再去遍历fd_set 查找数据就绪的fd,然后对应线程此时再发起recvfrom请求去读取数据。解决了NIO cpu空转问题。适用于高并发场景，当select函数管理的连接数比较少时，这种模型将变成阻塞io模型，多路复用无需采用线程池的方式 也不用去轮询，只需要阻塞在select函数上即可，select函数同时管理多个连接，并且不断的查看各个连接的请求。
3.挂起和阻塞的区别
4.jvm分析
如果整个Java项目运行缓慢，你该如何解决？
避免堆内存的伸缩空间进行操作，将初始化内存空间与整体堆内存空间大小设置为一一样，使用“-Xms”、“-Xmx”
5.Redis6系列1-线程模型（单线程OR多线程）
6.redis的延迟双删策略总结
7.如果整个Java项目运行缓慢，可以考虑以下几个方面来解决问题：
- 性能分析和优化：使用性能分析工具（如Java Profiler、VisualVM等）来确定项目中的性能瓶颈。分析哪些方法、代码块或资源消耗大，找出耗时操作并进行优化。
- 数据库优化：如果项目与数据库交互频繁，可以优化数据库查询语句、添加索引、调整数据库连接池的配置等来提高数据库访问性能。
- 缓存优化：通过使用缓存来减少对数据库或其他资源的访问，提高数据的读取速度。可以使用内存缓存（如Redis、Memcached）或应用程序级缓存（如Ehcache）。
- 多线程优化：利用多线程来提高项目的并发处理能力，将耗时的操作异步执行或并行执行，避免阻塞主线程。
- 代码优化：检查项目中的代码，查找可能存在的性能问题，如重复计算、不必要的循环、频繁的对象创建等，并进行优化。
- 服务器和网络优化：确保服务器硬件配置足够强大，网络带宽足够，避免服务器过载和网络延迟导致的性能问题。
- 第三方库和依赖项的版本更新：检查项目中使用的第三方库和依赖项的版本，并确保使用的是最新稳定版本，以获得性能改进和 bug 修复。
- 并发控制和资源管理：确保正确处理并发访问共享资源的情况，避免竞态条件和死锁问题。
- 日志和异常处理：检查项目中的日志和异常处理机制，确保不会因为频繁的日志记录和异常抛出而导致性能下降。
- 代码审查和重构：进行代码审查，寻找代码中的冗余、复杂度高的部分，并进行重构，以提高代码的可读性和性能。
8.在Java项目中，以下问题可能会导致CPU使用率飙升、内存使用率飙升和响应时间变长：
-
CPU使用率飙升：
- 无限循环或大量重复计算：代码中存在无限循环或大量重复计算的情况，使得CPU不断执行相同的操作，导致CPU使用率飙升。
- 频繁的线程切换：线程的频繁切换也会导致CPU使用率升高，例如线程间的竞争、锁争用等问题。
- 死循环：代码中存在死循环，导致CPU一直在执行循环，无法完成其他任务。
-
内存使用率飙升：
- 内存泄漏：当对象无法被垃圾回收器回收，或者存在大量未及时释放的资源，会导致内存占用逐渐增加，最终导致内存使用率飙升。
- 内存溢出：当应用程序需要的内存超过了可用内存时，会发生内存溢出，导致内存使用率飙升。
- 大对象或大数据集：创建大对象或处理大数据集时，会占用大量内存，导致内存使用率增加。
-
响应时间变长：
- 阻塞操作：当代码中存在阻塞操作，如长时间的IO操作、数据库查询或网络请求，会导致响应时间变长。
- 锁竞争：多线程环境下，当多个线程同时竞争同一把锁时，可能会导致线程阻塞等待锁资源，从而增加响应时间。
- 不合理的算法或数据结构：使用低效的算法或不合理的数据结构可能导致处理时间增加，从而影响响应时间。
要解决这些问题，可以使用性能分析工具来确定性能瓶颈所在，并对代码进行优化。优化的方式包括改进算法、减少资源消耗、合理使用线程、进行内存管理等。同时，进行代码审查和性能测试也是识别和解决这些问题的关键步骤。
