JAVA八股文，慢慢加

标签：八股文慢慢单线程 Spring Redis 快照线程版本 JAVA

JAVA

String StringBuilder StringBuffer

String是不可变的

STringBuilder可变，且不是线程安全的

StringBuffer同StringBuilder类似，但是线程安全的

== 与 equals 方法的区别

== ：如果是基本的数据类型比较的是值如果是引用类型，比较的是引用地址

equals ：具体看各个类重写equals方法之后的比较逻辑

ApplicationContext和Beanfactory的区别

CopyOnWriteArrayList底层原理

写的时候会加锁，且写的时候能够读

Mysql

B树和B+树的区别

Explain语句结果中各个字段分表表示什么

定位了查询慢的SQL之后，我们就可以使用EXPLAIN或DESCRIBE 工具做针对性的分析查询语句。

DESCRIBE语句的使用方法与EXPLAIN语句是一样的，并且分析结果也是一样的。

MySQL中有专门负责优化SELECT语句的优化器模块，主要功能:通过计算分析系统中收集到的统计信息，为客户端请求的Query提供它认为最优的执行计划（他认为最优的数据检索方式，但不见得是DBA认为是最优的，这部分最耗费时间)。

这个执行计划展示了接下来具体执行查询的方式，比如多表连接的顺序是什么，对于每个表采用什么访问方法来具体执行查询等等。MySQL为我们提供了EXPLAIN语句来帮助我们查看某个查询语句的具体执行计划，大家看懂EXPLAIN语句的各个输出项，可以有针对性的提升我们查询语句的性能。

EXPLAIN SELECT select_options 
或者
DESCRIBE SELECT select_options

MySQL 5.6.3以前只能EXPLAIN SELECT；MYSQL 5.6.3以后就可以 EXPLAIN SELECT，UPDATE，DELETE
在5.7以前的版本中，想要显示 partitions 需要使用 explain partitions 命令；想要显示filtered 需要使用 explain extended 命令。在5.7版本后，默认explain直接显示partitions和 filtered中的信息。

出现的信息：

表的读取顺序
数据读取操作的操作类型。
哪些索引可以使用
哪些索引被实际使用
表之间的引用
每张表有多少行被优化器查询

各个字段分别表示什么：

Innodb是如何实现事务的

MySQL慢查询如何优化？

Mysql中的锁

简述MyISAM和InnoDB的区别

Redis和Mysql保证数据一致性

什么是MVCC

MVCC是多版本并发控制 Multi-Version Concurrent Contrl。

它是MySQL中的提高性能的一种方式，配合Undo log 和版本链，替代锁，让不同事物的读-写、写-读操作可以并发的执行，从而提升系统的性能。

MVCC 在 MySQL InnoDB 中的实现主要是为了提高数据库并发性能。一般是在使用读已提交（PEAD COMMITTED）和可重复读（REPEATABLE READ）隔离级别的事务中实现。

用自己的话说就是：
多版本意思是指数据库中一条数据有多个版本同时存在，在某个事务对其进行具体操作的时候，是需要查看这一条记录的隐藏列事务版本的id，比对事务id并根据事物的隔离级别从而去判断是哪个版本的数据。

准确的说，MVCC多版本并发控制指的是 “维持一个数据的多个版本，使得读写操作没有冲突” 这么一个概念。

快照读
就像不加锁的select操作就是快照读，即不加锁的非阻塞读；

快照读的前提就是隔离级别不是串行级别，串行级别下的快照读会退化成当前读；

之所以出现快照读的情况，是基于提高并发性能的考虑，快照读的实现是基于多版本并发控制，即MVCC，可以认为MVCC是行锁的一个变种，但它在很多情况下都避免了加锁操作，降低了开销；

既然是基于多版本，即快照读可能读到的并不一定是数据的最新版本，而有可能是之前的历史版本。

说白了就是MVCC就是为了实现读-写冲突不加锁，而这个读指的就是快照读，而非当前读，当前读实际上就是一种加锁的操作，是悲观锁的实现。

索引的基本原理

索引覆盖

雪花算法

Mybaits Plus 的默认的ID生成策略就是雪花算法

最左前缀原则

线程池

线程池基础

创建线程的四种方法：继承Thread接口，实现Runnable接口，实现Callable接口，用线程池

不用Excutors创建线程池的原因，参数中使用的任务队列是链表，可以无限添加任务，会占用大量的内存。

线程池的五种状态： Running ， shutdown > 不接受新任务，但是会处理完任务队列中的任务， STOP shutdownNow > 不接受新任务，且不处理剩余的任务， TIDYING > 线程停止后的状态，并且会调用terminated（），留用于拓展， TERMINATED > terminated（）调用完进入

Sychronized 和 ReentrantLock 有哪些不同点

公平锁：每个线程获取锁的顺序是按照线程访问锁的先后顺序获取的，最前面的线程总是最先获取到锁。非公平锁：每个线程获取锁的顺序是随机的，并不会遵循先来先得的规则，所有线程会竞争获取锁。
锁升级，是将众多细粒度锁转换为较少的粗粒度的锁的过程，以削减系统开销。当事务超过它的升级极限时，Microsoft&reg; SQL Server™ 2000 自动将行锁和页锁升级为表锁。例如，当事务从表中请求行时，SQL Server 自动获取受影响的行上的锁，并在包含这些行的页和表或者索引上放置更高级别的意向锁。当事务控制的锁数量超过了它的极限时，SQL Server 会试图将表上的意向锁更改为更强的锁（例如，将意向排它 (IX) 锁更改为排它 (X) 锁）。获取更强的锁后，表事务持有的所有页级锁和行级锁都被释放，从而削减锁的开销。
SQL Server 可以为同一查询选择行和页锁定，例如，在索引上放置页锁（如果在非聚集的索引节点中选定了足够的邻接键来满足查询）及在数据上放置行锁。以减少必须进行锁升级的可能性。
锁升级极限是由 SQL Server 动态确定的，无须进行配置。
SQL Server 可以动态升级或降级锁粒度或锁类型。例如，如果更新获取大量行锁而阻塞了表的大部分，将行锁升级到表锁。如果获取了表锁，将释放行锁。SQL Server 2000 很少需要升级锁；查询优化器在编译执行计划时通常选择正确的锁粒度。

ThreadLocal有哪些应用场景？它底层是如何实现的？

ReentrantLock分为公平锁和非公平锁，那底层分别是如何实现的？

锁升级

Tomcat中为什么要用自定义类加载器

Redis

Redis有哪些数据结构，分别有哪些典型的应用场景

分布式锁的使用场景是什么？有哪些实现方案？

缓存穿透、缓存击穿、缓存雪崩分别是什么？

RDB和AOF

redis为什么是单线程的

因为Redis是基于内存的操作，CPU不是Redis的瓶颈，Redis的瓶颈最有可能是机器内存的大小或者网络带宽。既然单线程容易实现，而且CPU不会成为瓶颈，那就顺理成章地采用单线程的方案了。

详细原因：
1）不需要各种锁的性能消耗

Redis的数据结构并不全是简单的Key-Value，还有list，hash等复杂的结构，这些结构有可能会进行很细粒度的操作，比如在很长的列表后面添加一个元素，在hash当中添加或者删除

一个对象。这些操作可能就需要加非常多的锁，导致的结果是同步开销大大增加。

总之，在单线程的情况下，就不用去考虑各种锁的问题，不存在加锁释放锁操作，没有因为可能出现死锁而导致的性能消耗。
2）单线程多进程集群方案

单线程的威力实际上非常强大，每核心效率也非常高，多线程自然是可以比单线程有更高的性能上限，但是在今天的计算环境中，即使是单机多线程的上限也往往不能满足需要了，需要进一步摸索的是多服务器集群化的方案，这些方案中多线程的技术照样是用不上的。

所以单线程、多进程的集群不失为一个时髦的解决方案。
3）CPU消耗

采用单线程，避免了不必要的上下文切换和竞争条件，也不存在多进程或者多线程导致的切换而消耗 CPU。

但是如果CPU成为Redis瓶颈，或者不想让服务器其他CUP核闲置，那怎么办？

可以考虑多起几个Redis进程，Redis是key-value数据库，不是关系数据库，数据之间没有约束。只要客户端分清哪些key放在哪个Redis进程上就可以了。

Spring

Spring事务的传播机制

SpringBoot是如何启动Tomcat的

Spring Boot 中常用注解及其底层实现

Spring容器启动流程是怎样的

Spring 事务什么时候会失效

Spring用到了哪些设计模式——

Spring中的Bean是线程安全的吗

Spring中的Bean创建的生命周期有哪些步骤

Spring中的事务是如何实现的

单例Bean和单例模式的区别

IOC容器

控制反转：

控制：控制对象的创建、控制对象内属性的赋值

反转：表示一种对对象控制权的转移

Mybaits的优缺点

基础算法

二分查找

前提- 有序数组A

定义左边界l 右边界r

mid = （l+r） /2

如果a[mid] == 需要查找的数则返回索引mid

如果大于或者小于则按照实际升序或者降序情况重定查找边界 [l,mid-1] 或[mid+1,r]

中间值会因左右数太大相加而溢出变成负数

mid = l + （r-l）/2

>>>无符号右移：无论最高位是什么 ，右移后，都补0；而>>右移补0还是补1由最高位确定。

mid = (l+r) >>>2

13 mid = 0 + 12 /2 = 6 奇数的二分取中间偶数的二分取中间靠左

31 - 45 - 49 - 48 比较4次

log2 128 = 7 +1

Arrays.binarySearch

冒泡排序

核心 - 比较前后 a[i] a[i+1] 视情况，如果出现大于或者小于，则进行交换

优化

因为第二层沉下去了，在i的基础上，则是排序好的次数，所以i+1轮 i+1个元素不需要再进行比较

排序好了，则不需要再进行排序遍历，设置一个bool变量，如果一轮冒泡没有交换，则已经是有序的数组了，不需要再进行，直接break

记录最后一次交换的下标，则此下标之后的元素都是有序的，直接作为下一次的交换上限

2 7 11 15

1 4 10 11