虾皮秋招后端一面凉经1h

1、常见的方案有数据库自增ID、UUID、Redis生成和雪花算法。实际分布式场景下，雪花算法更常用，它将ID分为时间戳、机器ID和序列号三部分，性能高且趋势递增。但要注意时钟回拨问题，可通过记录上次生成时间戳或使用扩展版算法解决。2、雪花算法的ID在时间戳维度是递增的，但同一毫秒多机器生成的ID可能乱序。如需严格单调递增，可用数据库号段模式：服务启动时申请一个ID范围，内存分配用完后再次申请，这样单服务内ID严格递增。3、redo log是InnoDB的物理日志，崩溃恢复时重放提交的事务；undo log记录数据修改前的状态，用于回滚和MVCC读；binlog是MySQL Server层的逻辑日志，用于主从同步和数据备份。4、主库将变更写入binlog，从库通过IO线程拉取binlog到relay log，再由SQL线程重放SQL实现同步。5、优化索引时要减少回表和利用覆盖索引。索引失效常见于：违反最左前缀、对索引列计算、类型转换、LIKE左模糊匹配、OR连接非索引列等情况。6、InnoDB索引用B+树实现，联合索引按字段从左到右排序。如果跳过左侧字段，因为b的值在全局无序，无法利用索引快速定位，导致失效。7、当元素少且小时，用压缩列表节省内存；当元素多或大时，自动转为 "跳跃表+字典" 组合。跳跃表负责按分值排序，支持高效范围查询；字典负责成员到分值的映射，实现O(1)快速查分数。这种设计平衡了内存与性能。8、跳表插入节点时，从最高层向右向下逐层搜索并记录小于目标的分值位置（update[]）；随后随机生成新节点层高，创建节点并按层将其插入：每层链接到对应update[]节点之后，并指向其原后继；最后更新跳表的最大层高和节点总数，实现高效定位与平衡插入。9、Redis有6种淘汰策略，常用的是allkeys-lru和allkeys-lfu。LRU淘汰最近最少访问的，LFU淘汰访问频率最低的。LFU更适合长期热点场景，而LRU对突发流量更敏感。10、Redis用惰性删除+定期删除组合：访问key时检查过期，同时后台定期抽样清理过期key。当内存不足时，再根据淘汰策略主动删除数据。11、TCP通过滑动窗口实现流量控制：接收方在ACK包中携带窗口大小。发送方根据这个窗口动态调整发送数据量，避免接收方缓冲区溢出。

时间线：11.21 于ssob投递，12.1 电话约面，12.04 一面，面试时间45min。这么多天没消息了，估计是凉凉了百度居然是接受Java转Golang的，最近我也开始准备着学一下Golang相关的技术栈。遇到的面试官很好，询问项目细节和八股问题时也会给出引导。不过此次面试过程中，面试官未开摄像头。整得我很不安，因为不知道对面的神情状态。此次面试的重点围绕MySQL和Redis进行发问，这两块我学的还是挺充分的，但很多八股还是有点小忘。顺带还问了点消息队列，答的一坨。点评项目在历次面试中必问一人一单和超卖问题的解决思路，以及为什么如此技术选型。很奇怪的是JVM在之前几次面试中基本都不问...

1. RPC框架需要具备哪些能力？其通信原理是什么？2. 客户端如何定位RPC服务端？3. Eureka的服务发现原理是什么？4. Feign的作用是什么？它的动态代理原理是什么？为什么需要动态代理？Java动态代理的实现方式有哪些？5. Redis支持哪些数据结构？6. Redis的高可用是如何实现的？7. MySQL底层的数据存储结构是什么？8. B+树的结构是怎样的？它的平衡特性如何？如何减少磁盘IO？算法题：力扣124

自我介绍挑一个讲一下实习的某一个项目linux 命令业务测试产出拷打接口自动化讲讲MySQL，太久没看了，直接说不熟常用MySQL 指令测试用例：杯子手撕：合并两个有序数组反问