MQ
MQ消息中间件
-
问题引出与MQ作用
- 常见面试问题：面试官常针对项目中使用MQ技术的候选人提问，如如何确保消息不丢失，该问题可考察候选人技术能力。
- MQ应用场景及作用：以京东系统下单扣减京豆为例，MQ用于交易服和京豆服务通信。其主要作用是系统解耦和流量控制，实现系统高可用，如隔离上下游不稳定因素、服务降级；还能在流量突增时削峰填谷 。
-
消息丢失问题
-
消息丢失环节：消息从生产到消费分为生产、存储、消费三个阶段。生产阶段处理好返回值和异常可避免丢失；存储阶段由MQ保证，如broker做副本；消费阶段接收消息后执行完业务逻辑再确认可防止丢失。
-
-
-
消息丢失检测：在生产端给消息指定消息版本号，通过拦截器注入消息；消费端用拦截器检测版本连续性或消费状态，实现不侵入业务代码的消息检测。
-
-
解决方案：MQ的可靠消息投递机制
-
-
消息重复消费问题
- 问题转化：消息重复消费问题可转化为消费端幂等性问题。
- 实现方案：以扣减京豆为例，在数据库建消息日志表，含消息id和执行状态字段，消费消息前检查是否已存在，避免重复执行，实现幂等操作。还可基于关系数据库实现唯一约束方案。
- 全局唯一ID生成：解决消息丢失和重复消费问题，需掌握全局唯一ID生成技术，如数据库自增主键、UUID、Redis、Twitter Snowflake算法等，选型要结合业务平衡考虑，作者倾向Snowflake算法并会改造以适应业务。
-
消息积压问题
- 问题分析：消息积压反映性能问题，主要出在消费阶段。因为消息发送后才可能积压，且消息队列单节点存储性能较高，不易出现问题。
- 解决思路：现场突发问题时，临时扩容消费端数量并降低非核心业务，抗住流量；排查消费端业务逻辑问题，通过监控日志分析；若消费端处理能力不足，水平扩容消费端，同时同步扩充分区数量，确保消费者实例数和分区数相等，如Kafka中一个分区只能被一个消费者消费，增加分区可提高消费能力。
-
总结与思考
- 重点回顾：总结MQ消息队列热门问题解决方案，包括保证消息不丢失（了解各阶段丢失情况、监控及基于可靠消息投递解决）、不被重复消费（实现消费端幂等性）、处理消息积压（按应急处理、排查优化、扩容的思路）。强调面试时展示解决问题的思维过程更重要。
- 拓展知识：应聘基础架构还需掌握消息中间件其他知识，如选型、模型区别、高吞吐原理、序列化协议及内存管理等。
- 思考题：卡夫卡实现高性能的方式，鼓励观众留言讨论。
MySQL
MySQL索引原理与优化
- 索引在面试中的重要性：面试常考察数据库知识，索引原理和优化方法是重要切入点。以电商订单中心系统为例，为避免文件排序，应建立status和create time的组合索引。面试官还会追问索引底层数据结构、InnoDB选择B+树的原因、查看执行计划、索引失效情况及优化方法等问题。
- MySQL索引原理：MySQL常用索引有B+树索引、哈希索引、全文索引，InnoDB是默认存储引擎且常用B+树索引。创建表时，若有主键则用其作为主键索引；若无，InnoDB会生成隐藏主键。通过创建商品表并插入数据，展示B+树索引的构建和查询过程。B+树节点含多个子节点，父节点数据值会出现在子节点中，叶子节点包含所有数据值且形成链表。查询数据时，B+树自顶向下查找，如查询数据值15，仅需三次IO操作，体现其查询效率优势。若通过辅助索引查询，需先找到主键值，再通过主键索引查询，此过程称为回表。
- B+树索引的优势：与其他索引类型相比，B+树只在叶子节点存储数据，单个节点数据量小，相同磁盘IO次数可查询更多节点；叶子节点的双向链表结构适合范围查找，而B树不具备；B+树搜索复杂度为O(logdN) ，数据量达千万级别时，树高仍能维持在3 - 4层，磁盘IO操作次数少，优于二叉树；哈希表适合等值查询，不适合范围查找，B+树适用场景更广泛。
- 索引执行计划：通过查看执行计划（如possible key、key、key length等参数），可分析索引详情，其中type字段描述数据扫描类型，不同扫描类型效率不同。以like查询为例，分析索引失效原因，当查询优化器预估走索引代价比全表扫描大时，会放弃使用索引。
- 常见索引优化方法：
- 前缀索引：用字段前几个字符建立索引，可减少索引字段大小，提高查询速度，但存在局限性，如无法用于order by、不能用作覆盖索引。
- 覆盖索引：查询字段在B+树叶子节点都能找到，可避免回表，减少IO操作，如建立商品id、名称、价格的组合索引，查询这几个字段时无需回表。
- 联合索引：遵循最左匹配原则，建立时应将区分度大的字段排在前面，提高索引过滤概率。区分度是字段不同值个数除以表总行数，性别区分度小，不适合建索引或放联合索引前列；ID区分度大，适合建索引或放前列。
MySQL事务隔离级别和锁
- MySQL事务隔离级别与锁机制基础
- 事务隔离级别：用于多线程操作数据库时确保数据准确性，分为读未提交、读已提交、可重复读和串行化读。读未提交隔离度低，虽性能最高但会导致脏读、不可重复读和幻读，实际项目很少使用；读已提交解决了脏读问题，但仍存在不可重复读和幻读可能；可重复读是InnoDB引擎默认级别，能解决脏读和不可重复读，但幻读问题依旧存在；串行化读隔离级别最高，通过加锁实现，性能最低 。
- 锁机制概念：锁机制分为悲观锁和乐观锁。悲观锁认为数据冲突可能性大，利用select for update语句加锁避免数据意外修改；乐观锁认为冲突可能性小，借助CAS机制，通过对比时间戳或版本号实现版本控制。
- 脏读、不可重复读和幻读详解
- 脏读：脏读指读取到未提交事务的数据。并发事务A和B，A读取并更新数据未提交时，B读取到A更新后的数据，若A回滚，B读到的数据就是过时的，这种情况仅在读未提交隔离级别下出现。
- 不可重复读：不可重复读是指事务A读取数据后，事务B更新了该数据，导致A再次读取时数据不一致。读未提交和读已提交隔离级别会出现此问题，升级事务隔离级别可解决，如MySQL InnoDB默认的可重复读级别。
- 幻读：幻读是在同一事务内，相同查询语句不同时间执行得到不同结果集。解决幻读不能简单升级隔离级别，MySQL InnoDB引入间隙锁，面试时需掌握间隙锁及与行锁结合的相关知识。
- 死锁的产生与解决
- 死锁产生原因：死锁多发生在多线程争抢资源时，线程相互等待形成死锁状态。其产生有互斥、持有并等待、不可剥夺、循环等待四个必要条件，只有四个条件同时满足才会发生死锁。
- 死锁避免方法：避免死锁可破坏产生条件，如一次性申请所有资源破坏持有并等待条件；申请不到资源时主动释放已占资源破坏不可剥夺条件；按需申请资源，按资源序号顺序申请，破坏循环等待条件。
- 数据库领域应用开发者需掌握的内容及作业
- 需掌握内容：从数据库领域应用开发者角度，需掌握数据库设计基础（基本范式、表视图索引外键等概念、数据类型使用、业务实体关系与数据库结构映射、ORM开发）、数据库隔离级别（4种隔离级别基础知识、MVCC和锁机制进阶内容、不同索引类型及底层结构算法）、SQL优化（调试技巧、利用索引、分析执行计划）、数据库架构设计（高并发场景解决方案，如读写分离、分库分表）。
- 作业：思考并回答在面试中如何回答好MVCC和乐观锁的区别。
MySQL 优化查询方案
- MySQL在高流量场景下的优化问题
- 缓存的局限性：在电商订单中心场景，用Redis作MySQL缓存无法解决高流量问题，因其缓存命中率低，大量请求仍会到达数据库。
- 读写分离的必要性：互联网系统读写请求差异大，读写分离是提升MySQL并发的首选方案，通过将MySQL集群拆分成主从结构实现。
- 应对面试官套路的准备要点
- 架构设计思路：读多写少场景下，缓存有局限，读写分离才是提升系统并发能力的关键。
- 主从复制原理：深入了解MySQL主从复制的原理、问题及解决方案，其依赖bin log，分为写入bin log主库、同步binlog、回放binlog三个阶段。
- 技术认知抽象：从实践出发，做到技术的认知抽象，从方法论层面看待设计。
- MySQL主从复制的详细过程
- 集群结构：一个主库通常搭配2 - 3个从库，主库收到事务请求后，先写入bin log，提交事务更新数据并响应客户端；从库创建IO线程接收主库bin log日志写入中继日志并响应主库；从库再创建回放线程读中继日志更新数据，实现主从数据一致。
- 复制模型：MySQL主从复制有同步复制、异步复制、半同步复制三种模型。半同步复制介于同步和异步之间，能降低主库宕机时的数据丢失风险。
- 解决MySQL主从复制延迟及扩展问题
- 延迟问题解决方案：包括使用数据冗余（注意参数大小影响）、使用缓存（会带来数据和缓存一致性问题）、直接查询主库（需谨慎，避免影响主库性能）。
- 数据库使用变化及实现方式：主从分离后数据库使用需区分主从库地址和读写操作。工程代码实现数据访问有两种方式，一是提前配置数据源在代码逻辑中判断；二是独立部署代理中间件（如My Cat），但存在性能损耗和运营复杂的问题。
- 技术抽象能力：中高级研发工程师面试时，除掌握上述内容外，还应展示技术抽象能力，如理解复制状态机机制及其在MySQL主从复制中的应用，许多存储系统或数据库都采用类似方法实现数据复制和备份恢复。
分库分表
- 分库分表问题引入
- 在业务发展、数据量增加及读写分离后，写入压力增大导致数据库性能下降，引出分库分表方案。
- 分库分表常见策略有垂直拆分、水平拆分、垂直水平拆分。面试中不仅要知晓策略，更要能阐述整体设计方案与技术实现思路。
- 分库分表场景与策略选择
- 分库分表场景：数据量过大致使事务执行缓慢时考虑分表；单库性能无法满足高并发需求时进行分库。
- 垂直拆分：依据数据业务相关性拆分，常伴随系统架构调整，可隔离业务数据、利于架构扩展，但无法解决单一业务数据膨胀问题。
- 水平拆分：将单库表数据按规则拆分到多个库表，如哈希取模（把单表数据按哈希取模拆分到多个相同结构表中）和范围分片（按某字段区间拆分，常见按商品所属品类分配 ）。范围分片可预估业务，但存在数据分布不均和热点数据问题，处理手段有垂直扩展（提升单机处理能力）和分配原数据（灵活性高，但实现复杂，需保证分配原数据服务高可用）。
- 垂直水平拆分：先垂直拆分不同类型数据到不同库，再水平拆分使单表数据量合理，提升性能。
- 分库分表后的数据查询问题：分库分表后传统查询方式受限，可通过将聚合查询数据同步到ES、单独存储计数数据、利用大数据技术处理报表数据等方式解决。
- new sql在面试中的应用及作业
- new sql：作为下一代存储技术，具备高性能、高可用、弹性扩容且兼容SQL标准和保障事务等优势，有可能取代MySQL。面试时可借此展示技术视野，提前了解其数据库原理，从与现有关系数据库区别切入讨论。
- 作业：思考数据库分片时商品关联表的处理方式。
文章目录
- MQ
- MQ消息中间件
- MySQL
- MySQL索引原理与优化
- MySQL事务隔离级别和锁
- MySQL 优化查询方案
- 分库分表
- 缓存
- Redis
- 缓存常见问题
缓存
Redis
- Redis线程模型
- 面试回答要点：回答Redis线程模型问题不能仅停留在单线程层面，应补充相关知识，如Redis并非完全单线程，网络IO和读写操作由一个线程完成，但持久化、集群同步等由其他线程执行。
- Redis单线程速度快的原因：主要原因包括大部分操作在内存中完成且采用高效数据结构；单线程模型避免多线程竞争和线程切换开销，不会出现死锁问题；采用IO多路复用机制处理大量客户端socket请求，基于非阻塞IO模型，读写流程不阻塞。
- 不同版本线程模型特点：Redis 4.0之前是典型单线程模型；4.0之后增加多线程支持，体现在数据异步删除功能上；6.0之后采用多个IO线程处理网络请求，但读写命令仍由单线程处理，以提高网络请求处理并行度。
- Redis数据持久化
- 持久化目的与方式：Redis为防止内存数据随服务器重启丢失，将数据存储到磁盘，有AOF日志、RDB快照、混合持久化三种方式。
- AOF日志原理与特点：AOF日志记录Redis收到的每一条命令，以文本形式追加到文件中，是写后日志，先执行命令再记录日志。优点是避免记录错误命令且不阻塞当前写操作，缺点是数据可能丢失，写入磁盘时可能阻塞后续操作。
- RDB快照原理与考点：RDB快照将某一时刻的内存数据以二进制写入磁盘，做数据恢复时直接读入内存，能快速恢复。考点包括RDB做快照时会阻塞线程，Redis提供save和bg save命令，默认使用bg save命令创建子线程操作避免阻塞；RDB做快照时数据可修改，利用bgcl子线程处理，写操作时修改数据会复制副本，子线程将副本写入RDB文件，主线程可直接修改原数据。
- 混合持久化：Redis 4.0后增加混合持久化方式，先以RDB方式写入文件，再将后续命令以AOF格式存储，既保证重启速度又降低数据丢失风险。
- Redis高可用方案
- 主从复制：是Redis高可用服务的基础保障，实现一主多从模式，可读写分离承载更多并发操作，但主从服务器出现故障时需手动恢复。
- 哨兵模式：为解决主从复制故障手动恢复问题，Redis增加哨兵模式，可监控主从服务器并提供自动恢复功能。
- Redis集群（Redis Cluster）：是分布式去中心化运行模式，在Redis 3.0版本推出。采用哈希槽处理数据和实例之间的映射关系，一个分片集群有16384个哈希槽。哈希槽映射到具体Redis实例有平均分配（使用cluster create命令创建集群时自动分配）和手动分配（使用cluster meet等命令手动创建连接并指定哈希槽个数）两种方案，能提高Redis服务读写性能 。
缓存常见问题
- 缓存设计问题引入及面试套路
- 基于上一集redis原理学习，本集从应用案例切入，引出缓存雪崩、并发、穿透等常见设计问题。
- 面试中常给定场景，让候选人找出问题并提供解决方案，以电商平台商品详情页缓存问题为例展开后续探讨。
- 缓存穿透问题及解决方案
- 问题：查询特定key时，缓存和数据库都不命中，每次都查询数据库，若被恶意利用，会使数据库压力剧增甚至当机。
- 解决方案：给指定key预设默认值（如空字符串），业务代码据此判断是否查询数据库，避免无效请求穿透缓存到数据库。
- 缓存并发问题及解决方案
- 问题：缓存失效时多个客户端并发请求同一key，都查询数据库并更新缓存，增加数据库压力且占用缓存资源。
- 解决方案：客户端请求先读缓存，未命中则用redis的setnx方法设置锁定状态，设置成功的请求查询数据库并更新缓存，设置失败的请求等待后重新查询，确保同一时间只有一个请求操作数据库和缓存。
- 缓存雪崩问题及解决方案
- 问题：开发中常将缓存过期时间设为固定常量，大量缓存key同时过期，高并发请求下会使数据库压力瞬间增大，引发缓存雪崩。
- 解决方案：一是随机打散缓存失效时间，在原失效时间基础上加随机值；二是设置缓存不过期，通过后台服务更新缓存数据，可避免雪崩和一定程度上的并发问题。
- 动态缓存热点数据策略设计
- 场景：在电商平台，只缓存用户经常访问的top1000商品。
- 策略：通过缓存系统的排序队列，按商品访问时间排名，定期过滤排名靠后的商品并从数据库读取新商品加入。请求到达时，先从队列获取商品id，再从另一缓存结构读取商品信息。
- 缓存操作与业务分离架构设计
- 问题：缓存操作与业务代码耦合会导致代码可维护性差，不符合高内聚低耦合设计原则。
- 解耦思路：通过mysql binlog、Kafka、MQ实现解耦。如用户添加配置信息到mysql，binlog记录更新，Kafka获取日志解析后通过MQ发送数据，应用系统将MQ数据更新到redis。
- 总结与作业布置
- 总结：推荐预设值方案解决缓存穿透，用redis的setnx方法解决缓存并发，通过随机打散失效时间或设置缓存不过期解决缓存雪崩。同时强调使用缓存要考虑缓存与数据库一致性、缓存容量限制、数据大小等问题。
- 作业：要求用redis实现一个计数器。
