获得徽章 7
在 Go（Golang）中，**数据类型**分为两大类：
- **值类型（Value Types）**
- **引用类型（Reference Types）**
理解这两类的区别非常重要，因为它直接影响到赋值、参数传递和内存管理的行为。
---
## 📘 一、引用类型（Reference Types）
在 Go 中，**以下四类是引用类型**：
| 类型 | 说明 |
|------|------|
| `slice`（切片） | 对底层数组的引用。多个切片可以共享同一个底层数组。 |
| `map`（映射） | 类似哈希表，内部实际是一个引用结构。复制 map 变量时，只会复制引用。 |
| `channel`（通道） | goroutine 之间通信的引用类型。复制 channel 变量不会复制底层通道。 |
| `function`（函数） | 函数类型的变量实际上是指向函数体的引用。 |
---
### 1. **slice**
切片由三部分组成：
- 指针（指向底层数组）
- 长度（len）
- 容量（cap）
```go
a := []int{1, 2, 3}
b := a // b 引用了同一个底层数组
b[0] = 99
fmt.Println(a[0]) // 输出 99，说明两者共享底层数据
```
---
### 2. **map**
`map` 是一个引用类型。它内部使用哈希表实现，但变量本身只是对底层哈希结构的引用。
```go
m1 := map[string]int{"x": 1}
m2 := m1
m2["x"] = 100
fmt.Println(m1["x"]) // 输出 100
```
---
### 3. **channel**
`channel` 用于 goroutine 间通信。复制通道变量不会创建新的通道。
```go
ch1 := make(chan int)
ch2 := ch1
go func() {
ch2 <- 10
}()
fmt.Println(<-ch1) // 输出 10，说明 ch1 和 ch2 引用了相同通道
```
- **值类型（Value Types）**
- **引用类型（Reference Types）**
理解这两类的区别非常重要，因为它直接影响到赋值、参数传递和内存管理的行为。
---
## 📘 一、引用类型（Reference Types）
在 Go 中，**以下四类是引用类型**：
| 类型 | 说明 |
|------|------|
| `slice`（切片） | 对底层数组的引用。多个切片可以共享同一个底层数组。 |
| `map`（映射） | 类似哈希表，内部实际是一个引用结构。复制 map 变量时，只会复制引用。 |
| `channel`（通道） | goroutine 之间通信的引用类型。复制 channel 变量不会复制底层通道。 |
| `function`（函数） | 函数类型的变量实际上是指向函数体的引用。 |
---
### 1. **slice**
切片由三部分组成：
- 指针（指向底层数组）
- 长度（len）
- 容量（cap）
```go
a := []int{1, 2, 3}
b := a // b 引用了同一个底层数组
b[0] = 99
fmt.Println(a[0]) // 输出 99，说明两者共享底层数据
```
---
### 2. **map**
`map` 是一个引用类型。它内部使用哈希表实现，但变量本身只是对底层哈希结构的引用。
```go
m1 := map[string]int{"x": 1}
m2 := m1
m2["x"] = 100
fmt.Println(m1["x"]) // 输出 100
```
---
### 3. **channel**
`channel` 用于 goroutine 间通信。复制通道变量不会创建新的通道。
```go
ch1 := make(chan int)
ch2 := ch1
go func() {
ch2 <- 10
}()
fmt.Println(<-ch1) // 输出 10，说明 ch1 和 ch2 引用了相同通道
```
展开
评论
2
### Operator 工作原理
```
Reconciliation Loop（调谐循环）：
1. 观察当前状态
↓
2. 读取期望状态（从CRD）
↓
3. 比较差异
↓
4. 执行操作使当前状态 → 期望状态
↓
5. 回到步骤1（不断循环）
```
Reconciliation Loop（调谐循环）：
1. 观察当前状态
↓
2. 读取期望状态（从CRD）
↓
3. 比较差异
↓
4. 执行操作使当前状态 → 期望状态
↓
5. 回到步骤1（不断循环）
展开
1
1
// LeetCode 704: 二分查找
func search(nums []int, target int) int {
return BinarySearch(nums, target)
}
// LeetCode 35: 搜索插入位置
func searchInsert(nums []int, target int) int {
left, right := 0, len(nums)-1
for left <= right {
mid := left + (right-left)/2
if nums[mid] == target {
return mid
} else if nums[mid] < target {
left = mid + 1
} else {
right = mid - 1
}
}
return left // 返回插入位置
}
// LeetCode 34: 在排序数组中查找元素的第一个和最后一个位置
func searchRange(nums []int, target int) []int {
first := FindFirst(nums, target)
if first == -1 {
return []int{-1, -1}
}
last := FindLast(nums, target)
return []int{first, last}
}
```
## 八、记忆口诀
```
二分查找三要素：
1. 左闭右闭定边界 (left, right := 0, len-1)
2. 循环条件带等号 (left <= right)
3. 中点防溢出公式 (left + (right-left)/2)
更新规则记心间：
- 找到目标直接返
- 小于目标左加一 (left = mid + 1)
- 大于目标右减一 (right = mid - 1)
func search(nums []int, target int) int {
return BinarySearch(nums, target)
}
// LeetCode 35: 搜索插入位置
func searchInsert(nums []int, target int) int {
left, right := 0, len(nums)-1
for left <= right {
mid := left + (right-left)/2
if nums[mid] == target {
return mid
} else if nums[mid] < target {
left = mid + 1
} else {
right = mid - 1
}
}
return left // 返回插入位置
}
// LeetCode 34: 在排序数组中查找元素的第一个和最后一个位置
func searchRange(nums []int, target int) []int {
first := FindFirst(nums, target)
if first == -1 {
return []int{-1, -1}
}
last := FindLast(nums, target)
return []int{first, last}
}
```
## 八、记忆口诀
```
二分查找三要素：
1. 左闭右闭定边界 (left, right := 0, len-1)
2. 循环条件带等号 (left <= right)
3. 中点防溢出公式 (left + (right-left)/2)
更新规则记心间：
- 找到目标直接返
- 小于目标左加一 (left = mid + 1)
- 大于目标右减一 (right = mid - 1)
展开
2
1
在Linux/Unix系统中，**僵尸进程**会占用资源，而孤儿进程不会造成额外的资源占用问题。
## 僵尸进程（Zombie Process）
**会占用系统资源**，但占用量很小：
- 进程已经终止，释放了内存、文件描述符等大部分资源
- 但进程表（PCB）中的条目仍然保留，包含退出状态信息
- 占用一个进程ID（PID）
- 如果僵尸进程大量累积，会耗尽系统的进程表空间，导致无法创建新进程
**产生原因**：子进程终止后，父进程没有调用wait()或waitpid()来回收子进程的退出状态。
## 孤儿进程（Orphan Process）
**不会造成资源占用问题**：
- 孤儿进程是正常运行的进程，只是父进程提前终止了
- 系统会自动将孤儿进程过继给init进程（PID为1）或systemd
- init/systemd会负责回收这些进程，当它们终止时会自动调用wait()
- 孤儿进程作为正常进程运行，使用正常的系统资源
**产生原因**：父进程先于子进程终止。
## 总结
僵尸进程是需要关注的问题，特别是当父进程编写不当，长期不回收子进程时。而孤儿进程则是被系统妥善处理的，不会造成资源泄漏。
## 僵尸进程（Zombie Process）
**会占用系统资源**，但占用量很小：
- 进程已经终止，释放了内存、文件描述符等大部分资源
- 但进程表（PCB）中的条目仍然保留，包含退出状态信息
- 占用一个进程ID（PID）
- 如果僵尸进程大量累积，会耗尽系统的进程表空间，导致无法创建新进程
**产生原因**：子进程终止后，父进程没有调用wait()或waitpid()来回收子进程的退出状态。
## 孤儿进程（Orphan Process）
**不会造成资源占用问题**：
- 孤儿进程是正常运行的进程，只是父进程提前终止了
- 系统会自动将孤儿进程过继给init进程（PID为1）或systemd
- init/systemd会负责回收这些进程，当它们终止时会自动调用wait()
- 孤儿进程作为正常进程运行，使用正常的系统资源
**产生原因**：父进程先于子进程终止。
## 总结
僵尸进程是需要关注的问题，特别是当父进程编写不当，长期不回收子进程时。而孤儿进程则是被系统妥善处理的，不会造成资源泄漏。
展开
评论
点赞
两阶段提交流程：
完整流程：
1. 执行器调用InnoDB开始事务
2. InnoDB修改数据，写入undo log（记录旧值）
3. InnoDB更新内存（Buffer Pool）
4. InnoDB写入redo log，状态为 prepare
5. 执行器生成binlog，写入磁盘
6. 执行器调用InnoDB提交事务
7. InnoDB将redo log状态改为 commit
完整流程：
1. 执行器调用InnoDB开始事务
2. InnoDB修改数据，写入undo log（记录旧值）
3. InnoDB更新内存（Buffer Pool）
4. InnoDB写入redo log，状态为 prepare
5. 执行器生成binlog，写入磁盘
6. 执行器调用InnoDB提交事务
7. InnoDB将redo log状态改为 commit
展开
评论
点赞
MVCC 负责解决 普通查询（SELECT） 时的幻读问题（基于版本快照，看到的行数据一致）。
间隙锁（Gap Lock）+ 临键锁（Next-Key Lock） 起作用于 更新（UPDATE / DELETE / INSERT） 时，
锁定「记录之间的间隙」从而防止新的行被插入，消除了幻读。
间隙锁（Gap Lock）+ 临键锁（Next-Key Lock） 起作用于 更新（UPDATE / DELETE / INSERT） 时，
锁定「记录之间的间隙」从而防止新的行被插入，消除了幻读。
1
点赞
**TCP 三次握手简答版（面试速记版）** > TCP 建立连接要经过三次握手：
> 1️⃣ **第一次**：客户端发送 `SYN` 报文，请求建立连接；
> 2️⃣ **第二次**：服务器收到后回复 `SYN+ACK`，表示同意并确认客户端请求；
> 3️⃣ **第三次**：客户端收到后再回 `ACK` 确认，连接正式建立。
📘 **目的：**
让双方都确认彼此的 **发送和接收能力正常**，并防止历史连接的干扰。
展开
评论
点赞
ClickHouse 是一个列式数据库管理系统，以其高性能和高效的查询能力而闻名。其快速性能的原因主要包括以下几个方面：
### 1. 列式存储
- **数据布局**：ClickHouse 将数据按列而不是按行存储，这样可以有效地压缩数据。对于大多数分析查询而言，通常只会读取需要的几列，从而减少了I/O操作。
### 2. 压缩技术
- **高效压缩算法**：ClickHouse 使用各种压缩算法（如 LZ77、LZ4 等）对列数据进行压缩，能够显著减少存储空间，从而提速数据读取。
### 3. 向量化执行
- **批量处理**：ClickHouse 采用向量化执行引擎，允许一次性处理多个行（或列）。这种方式充分利用了现代 CPU 的 SIMD（单指令多数据）特性，从而加速数据处理。
### 4. 并行处理
- **分布式架构**：ClickHouse 支持分布式查询，可以在多台服务器上并行处理请求，利用网络和硬件资源达到更高的性能。
### 5. 数据分区与索引
- **数据分区**：支持基于时间或其他键值对数据进行分区，以减少扫描的数据量。
- **索引**：ClickHouse 提供了几种索引类型（如稀疏索引、主键索引）来加速查询。
### 6. 高效的缓存机制
- **内存缓存**：ClickHouse 使用内存缓存以加快常用数据的访问速度。查询优化器也会利用缓存的结果来加速重复查询。
### 7. 灵活的 SQL 查询优化
- **查询优化器**：智能的查询优化功能，能够根据数据特点优化执行计划，从而提高查询速度。
### 8. 支持高吞吐量
- **批量插入**：支持高效的批量数据插入，能够快速处理大规模数据集。
### 9. 硬件利用
- **利用现代硬件**：ClickHouse 设计上考虑了对硬件的充分利用，包括多核 CPU 和高速度的 SSD 存储。
### 总结
ClickHouse 之所以表现出色，是因为其独特的列式存储方式、高效的压缩和查询技术、分布式架构以及灵活的优化机制。这些特性使得它在处理大规模数据时，能够实现快速查询和高吞吐量。
### 1. 列式存储
- **数据布局**：ClickHouse 将数据按列而不是按行存储，这样可以有效地压缩数据。对于大多数分析查询而言，通常只会读取需要的几列，从而减少了I/O操作。
### 2. 压缩技术
- **高效压缩算法**：ClickHouse 使用各种压缩算法（如 LZ77、LZ4 等）对列数据进行压缩，能够显著减少存储空间，从而提速数据读取。
### 3. 向量化执行
- **批量处理**：ClickHouse 采用向量化执行引擎，允许一次性处理多个行（或列）。这种方式充分利用了现代 CPU 的 SIMD（单指令多数据）特性，从而加速数据处理。
### 4. 并行处理
- **分布式架构**：ClickHouse 支持分布式查询，可以在多台服务器上并行处理请求，利用网络和硬件资源达到更高的性能。
### 5. 数据分区与索引
- **数据分区**：支持基于时间或其他键值对数据进行分区，以减少扫描的数据量。
- **索引**：ClickHouse 提供了几种索引类型（如稀疏索引、主键索引）来加速查询。
### 6. 高效的缓存机制
- **内存缓存**：ClickHouse 使用内存缓存以加快常用数据的访问速度。查询优化器也会利用缓存的结果来加速重复查询。
### 7. 灵活的 SQL 查询优化
- **查询优化器**：智能的查询优化功能，能够根据数据特点优化执行计划，从而提高查询速度。
### 8. 支持高吞吐量
- **批量插入**：支持高效的批量数据插入，能够快速处理大规模数据集。
### 9. 硬件利用
- **利用现代硬件**：ClickHouse 设计上考虑了对硬件的充分利用，包括多核 CPU 和高速度的 SSD 存储。
### 总结
ClickHouse 之所以表现出色，是因为其独特的列式存储方式、高效的压缩和查询技术、分布式架构以及灵活的优化机制。这些特性使得它在处理大规模数据时，能够实现快速查询和高吞吐量。
展开
评论
点赞
倒排索引（Inverted Index）是一种用于快速查找的索引数据结构，广泛应用于信息检索系统（如搜索引擎）和数据库中。其主要作用是将文档中的词汇（或关键词）和包含这些词汇的文档进行关联，从而实现快速的全文检索。
### 倒排索引的基本结构
1. **词汇表（Vocabulary）**：所有文档中出现的唯一词汇的列表。
2. **倒排列表（Posting List）**：每个词汇对应的文档列表，通常还包含词频、位置等信息。
### 倒排索引的作用
1. **快速检索**：通过查找特定词汇的倒排列表，可以迅速找到包含该词汇的所有文档。
2. **提高搜索效率**：相比于传统的顺序查找，倒排索引显著减少了查询时间，尤其是在大量数据中。
3. **支持复杂查询**：可以更方便地处理布尔查询（如 AND、OR、NOT）以及短语查询和范围查询。
4. **信息提取**：帮助快速获取文档的相关信息，例如文档频率、词的位置等。
### 应用场景
- **搜索引擎**：如 Google、Bing 通过倒排索引来实现快速搜索。
- **文档管理系统**：快速查找和检索电子文档。
- **自然语言处理**：帮助分析文本中的关键词和主题。
总的来说，倒排索引是实现高效数据检索的重要技术基础。
### 倒排索引的基本结构
1. **词汇表（Vocabulary）**：所有文档中出现的唯一词汇的列表。
2. **倒排列表（Posting List）**：每个词汇对应的文档列表，通常还包含词频、位置等信息。
### 倒排索引的作用
1. **快速检索**：通过查找特定词汇的倒排列表，可以迅速找到包含该词汇的所有文档。
2. **提高搜索效率**：相比于传统的顺序查找，倒排索引显著减少了查询时间，尤其是在大量数据中。
3. **支持复杂查询**：可以更方便地处理布尔查询（如 AND、OR、NOT）以及短语查询和范围查询。
4. **信息提取**：帮助快速获取文档的相关信息，例如文档频率、词的位置等。
### 应用场景
- **搜索引擎**：如 Google、Bing 通过倒排索引来实现快速搜索。
- **文档管理系统**：快速查找和检索电子文档。
- **自然语言处理**：帮助分析文本中的关键词和主题。
总的来说，倒排索引是实现高效数据检索的重要技术基础。
展开
评论
点赞
LRU 核心数据结构
要同时做到：
O(1) 访问元素
O(1) 插入/删除元素
LRU 一般用 两个数据结构配合实现：
数据结构 作用 时间复杂度
哈希表（Hash Map） 通过 key 快速定位到对应节点 O(1)
双向链表（Doubly Linked List） 维持元素访问顺序（最近使用靠前） O(1)
要同时做到：
O(1) 访问元素
O(1) 插入/删除元素
LRU 一般用 两个数据结构配合实现：数据结构 作用 时间复杂度
哈希表（Hash Map） 通过 key 快速定位到对应节点 O(1)
双向链表（Doubly Linked List） 维持元素访问顺序（最近使用靠前） O(1)
展开
评论
点赞