面试题由23年8月开始记录，主要参考B站黑马程序员的视频(新版Java面试专题视频教程，java八股文面试全套真题+深度详解（含大厂高频面试真题）_哔哩哔哩_bilibili)和JavaGuide(项目介绍 | JavaGuide)，并在多次面试中二次改进并增加题目。内容仅供参考，建议理解使用。

前言

本篇内容主要为RabbitMq、Redis和Mysql，这些内容在初级面试中被问到的频率较高，多数是基础问题。

RabbitMQ

RabbitMQ-如何保证消息不丢失

RabbitMQ消息的重复消费问题如何解决

RabbitMQ中死信交换机(RabbitMQ延迟队列有了解过吗)

RabbitMQ如果有100万消息堆积在MQ，如何解决(消息堆积怎么解决)

RabbitMQ的高可用机制有了解过吗

Redis

如果发生了缓存穿透、击穿、雪崩，该如何解决

《缓存三兄弟》

穿透无中生有key，布隆过滤null隔离。

缓存击穿过期key，锁与非期解难题。

雪崩大量过期key，过期时间要随机。

面试必考三兄弟，可用限流来保底。

缓存穿透

查询一个不存在的数据，mysql查询不到数据也不会直接写入缓存，就会导致每次请求都查数据库

例子: 一个get请求: api/news/getById/1

解决方案一
- 缓存空数据，查询返回的数据为空，扔把这个空结果进行缓存
  - {key:1, value:null}
  - 简单
  - 但消耗内存，可能会发生不一致的问题
解决方案二
- 布隆过滤器
  - 内存占用少，没有多余的key
  - 但实现复杂，存在误判

布隆过滤器

bitmap(位图) : 相当于以(bit)位为单位的数据，数组中每个单元只能存储二进制数0或1

布隆过滤器作用: 可以用于检索一个元素是否存在一个集合中，拦截不存在的数据

误判情况: 误判率: 数组越小误判率越大，数组越大误判率就越小，但是同时带来更多的内存消耗

布隆过滤器实现方案

Redisson

Guava

缓存击穿

给某一个key设置了过期时间，当key过期时，恰好这时间点有大量对这个key的并发请求，这些并发请求可能瞬间把db压垮

例子：

解决方案一
- 互斥锁
  - 强一致
  - 但性能差
  - 适用于支付业务

解决方案二
- 逻辑过期
  - 高可用
  - 性能优
  - 但不能保证数据绝对一直
  - 适用于注重用户体验业务

缓存雪崩

同一时段大量的缓存key同时失效或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力

解决方案
- 给不同的key的TTL添加随机值
- 利用Redis集群提高服务的可用性(哨兵模式、集群模式)
- 给缓存业务添加降级限流策略(ngxin、Spring cloud gateway)
  - 降级可作为系统的保底策略，适用于穿透、击穿、雪崩
- 给业务添加多级缓存(Guava或Caffeine)

redis作为缓存，mysql的数据如何与redis进行同步呢？（双写一致性）

双写一致性：当修改了数据库的数据也要同时更新缓存的数据，缓存和数据库的数据要保持一致

读操作

缓存命中，直接返回；

缓存未命中，写入缓存，设定超时时间

写操作

延迟双删

强一致性业务
- 强一致
- 性能低

共享锁

读锁readLock，加锁之后，其他线程可以共享读操作

排它锁

独占锁writeLock，加锁之后，线程阻塞其他线程读写操作

允许短暂不一致业务
- 异步通知保证数据的最终一致性

基于MQ

基于Canal

redis作为缓存，数据的持久化是怎么做的？

RDB
- 全称Redis Database Backup file(Redis数据备份文件)，也叫Redis数据快照。
- 简单来说就是把内存中的所有数据都记录到磁盘中。当redis实例故障重启后，从磁盘读取快照文件，恢复数据

RDB的执行原理

bgsave开始时会fork主进程得到子进程，子进程共享主进程的内存数据。完成fork后读取内存数据并写入RDB文件

fork采用的是copy-on-write技术

当主进程执行读操作时，访问共享内存

当主进程执行写操作时，则会拷贝一份数据，执行写操作

AOF
- 全称Append Only File(追加文件)。Redis处理的每一个命令都会记录在AOF文件，可以看做是命令日志文件。AOF持久化方式是将redis的操作日志以追加的方式写入磁盘文件中。

AOF是默认关闭的，需要修改redis.conf配置文件来开启AOF

AOF的命令记录的频率也可以通过redis.conf文件来配

因为是记录命令，AOF文件会比RDB文件大得多。而且AOF会记录对同一个key的多次写操作，但只有最后一次写操作才有意义。通过执行bgrewriteaof命令，可以让AOF文件执行重写功能，用最少的命令达到相同效果。

Redis也会在触发阈值时自动去重写AOF文件。阈值也可以在redis.conf中配置

RDB和AOF各有优缺点，如果对数据安全性要求较高，在实际开发中往往会结合两者使用。

加入redis的key过期之后，会立即删除吗？

Redis对数据设置的有效时间，数据过期之后，就需要将数据从内存中删除掉。可以按照不同的规则进行删除，这种删除规则就被称之为数据的删除策略(数据过期策略)。

惰性删除
- 设置key过期时间后，我们不去管它，当需要该key时，在检查其是否过期，如果过期，我们就删掉，反之返回该key
- 对CPU友好，只会在使用该key时才会进行过期检查，对于很多用不到的key不用浪费时间进行过期检查
- 对内存不友好，如果一个key已经过期，但是一直没有使用，该key就会一直存在内存中，内存永远不会释放
定期删除
- 每隔一段时间，就对一些key进行检查，删除里面过期的key（从一定数量的数据库中取出一定数量的随机key进行检查，并删除其中过期的key）。
- 可以通过限制删除操作执行的时长和频率来减少删除操作对CPU的影响。另外定期删除也能有效释放过期键占用的内存。
- 但难以确定删除操作执行的时长和频率

定期清理有两种模式

SLOW模式是定时任务，执行频率默认为10hz，每次不超过25ms，以通过修改配置文件redis.conf的hz选项来调整这个次数

FAST模式执行频率不固定，但两次间隔不低于2ms，每次耗时不超过1ms Redis的过期删除策略: 惰性删除 + 定期删除进行配合使用

假如缓存过多，内存是有限的，内存被占满了怎么办？(redis的数据淘汰策略)

当Redis中内存不够用时，此时在向Redis中添加新的key，那么Redis就会按照某一种规则将内存中数据删除掉，这种数据的删除规则被称为内存的淘汰策略。

noeviction(默认策略)
- 不淘汰任何key，但是内存满时不允许写入新数据
volatile-ttl
- 对设置了TTL的key，比较key的剩余TTL值，TTL越小越先被淘汰
allkeys-random
- 对全体key，随机进行淘汰
volatile-random
- 对设置了TTL的key，随机进行淘汰
allkeys-lru
- 对全体key，基于LRU算法进行淘汰
volatile-lru
- 对设置了TTL的key，基于LRU算法进行淘汰
allkeys-lfu
- 对全体key，基于LFU算法进行淘汰
volatile-lfu
- 对设置了TTL的key，基于LFU算法进行淘汰

redis分布式锁是如何实现的？

Redis实现分布式锁

Redis实现分布式锁主要利用Redis的setnx命令。setnx是SET if not exists(如果不存在，则SET)的简写。
获取锁
    # 添加锁，NX是互斥，EX是设置超时时间
    SET lock value NX EX 10
释放锁
    # 释放锁，删除即可
    DEL key

redisson实现的分布式锁

加锁、设置过期时间等操作都是基于lua脚本完成

其他面试题

五种基本数据类型

String（字符串）
- 需要存储常规数据的场景
  - 举例：缓存 Session、Token、图片地址、序列化后的对象(相比较于 Hash 存储更节省内存)。
  - 相关命令：SET、GET。
- 需要计数的场景
  - 举例：用户单位时间的请求数（简单限流可以用到）、页面单位时间的访问数。
  - 相关命令：SET、GET、 INCR、DECR 。
- 分布式锁
  - 利用 SETNX key value 命令可以实现一个最简易的分布式锁（存在一些缺陷，通常不建议这样实现分布式锁）。
List（列表）
- 信息流展示
  - 举例：最新文章、最新动态。
  - 相关命令：LPUSH、LRANGE。
Hash（散列）
- 对象数据存储场景
  - 举例：用户信息、商品信息、文章信息、购物车信息。
  - 相关命令：HSET （设置单个字段的值）、HMSET（设置多个字段的值）、HGET（获取单个字段的值）、HMGET（获取多个字段的值）。
Set（集合）
- 需要存放的数据不能重复的场景
  - 举例：网站 UV 统计（数据量巨大的场景还是 HyperLogLog更适合一些）、文章点赞、动态点赞等场景。
  - 相关命令：SCARD（获取集合数量）。
- 需要获取多个数据源交集、并集和差集的场景
  - 举例：共同好友(交集)、共同粉丝(交集)、共同关注(交集)、好友推荐（差集）、音乐推荐（差集）、订阅号推荐（差集+交集）等场景。
  - 相关命令：SINTER（交集）、SINTERSTORE （交集）、SUNION （并集）、SUNIONSTORE（并集）、SDIFF（差集）、SDIFFSTORE （差集）。
Sorted Set（有序集合）
- 需要随机获取数据源中的元素根据某个权重进行排序的场景
  - 举例：各种排行榜比如直播间送礼物的排行榜、朋友圈的微信步数排行榜、王者荣耀中的段位排行榜、话题热度排行榜等等。
  - 相关命令：ZRANGE (从小到大排序)、 ZREVRANGE （从大到小排序）、ZREVRANK (指定元素排名)。

3 种特殊数据类型详解

Bitmap
- 需要保存状态信息（0/1 即可表示）的场景
  - 举例：用户签到情况、活跃用户情况、用户行为统计（比如是否点赞过某个视频）。
  - 相关命令：SETBIT、GETBIT、BITCOUNT、BITOP。
HyperLogLog
- 数量量巨大（百万、千万级别以上）的计数场景
  - 举例：热门网站每日/每周/每月访问 ip 数统计、热门帖子 uv 统计、
  - 相关命令：PFADD、PFCOUNT 。
GEO
- 需要管理使用地理空间数据的场景
  - 举例：附近的人。
  - 相关命令: GEOADD、GEORADIUS、GEORADIUSBYMEMBER 。

MYSQL

基础

优化

在MYSQL中，如何定位慢查询？

方案一：开源工具
- 调试工具
  - Arthas
- 运维工具
  - Prometheus、Skywalking
方案二：Mysql自带慢日志
- 慢日志记录所有执行时间超过制定参数(long_query_time,单位: 秒，默认10秒)的所有SQL语句的日志
- 需要再mysql的配置文件(/etc/my.cnf)中配置开启慢查询日志
- 配置完成之后，重启mysql服务器进行测试，查看慢日志文件中记录的信息/var/lib/mysql/localhost-slow.log