风变科技golang后端面试

风变科技后端面试

Go语言相关

goroutine应用场景
- 业务逻辑需要并发
  - 比如一个服务器，接收请求，阻塞式的方法是一个请求处理完成后，才开始第二个请求的处理。其实在设计的时候我们一定不会这么做，我们会在一开始就已经想到使用并发来处理这个场景，每个请求启动一个goroutine为它服务，这样就达到了并行的效果。这种goroutine直接按照思维的逻辑来使用goroutine
- 性能优化需要并发
  - 需要给一批用户发送消息，正常逻辑会使用
    for _, user := range users { sendMessage(user) }
  - 但是在考虑到性能问题的时候，我们就不会这样做，如果users的个数很大，比如有1000万个用户？我们就没必要将1000万个用户放在一个routine中运行处理，考虑将1000万用户分成1000份，每份开一个goroutine，一个goroutine分发1万个用户，这样在效率上会提升很多。这种是性能优化上对goroutine的需求
hash有什么特点
- Hash：把任意长度的输入通过散列算法变换成固定长度的输出
- Hash的特性:
  - 输入域无穷，输出域有限。例如：有无穷多个（在工程中可以具体到多少个，例如1000）输入参数经过hash函数映射后得到有限的输出域{1,2,3,4}。
  - 输入参数确定，经过hash函数映射出的返回值一样。（不是随机函数，不同的输入参数可能得到相同的返回值）。
  - 输入域上的值经过函数值映射后会几乎均等的分布在输出域上。
解决HASH冲突的办法
- 开放定址法（再散列法）
```
      当关键字key的哈希地址p=H（key）出现冲突时，以p为基础，产生另一个哈希地址p1，如果p1仍然冲突，再以p为基础，产生另一个哈希地址p2，…，直到找出一个不冲突的哈希地址pi ，将相应元素存入其中。这种方法有一个通用的再散列函数形式：
      Hi=（H（key）+di）% m   i=1，2，…，n
      其中H（key）为哈希函数，m 为表长，di称为增量序列
```
  - 线性探测再散列
    - dii=1，2，3，…，m-1 这种方法的特点是：冲突发生时，顺序查看表中下一单元，直到找出一个空单元或查遍全表。
  - 二次探测再散列
    - di=12，-12，22，-22，…，k2，-k2 ( k<=m/2 ) 这种方法的特点是：冲突发生时，在表的左右进行跳跃式探测，比较灵活。
  - 伪随机探测再散列
    - di=伪随机数序列。具体实现时，应建立一个伪随机数发生器，（如i=(i+p) % m），并给定一个随机数做起点。
- 再哈希法
  - 这种方法是同时构造多个不同的哈希函数：Hi=RH1（key） i=1，2，…，k；当哈希地址Hi=RH1（key）发生冲突时，再计算Hi=RH2（key）……，直到冲突不再产生。这种方法不易产生聚集，但增加了计算时间。
- 链地址法
  - 这种方法的基本思想是将所有哈希地址为i的元素构成一个称为同义词链的单链表，并将单链表的头指针存在哈希表的第i个单元中，因而查找、插入和删除主要在同义词链中进行。链地址法适用于经常进行插入和删除的情况。
- 建立公共溢出区
  - 这种方法的基本思想是：将哈希表分为基本表和溢出表两部分，凡是和基本表发生冲突的元素，一律填入溢出表。
    数据库相关
MySQL的事务
- 事务（transaction）是作为一个单元的一组有序的数据库操作。如果组中的所有操作都成功，则认为事务成功，即使只有一个操作失败，事务也不成功。如果所有操作完成，事务则提交，其修改将作用于所有其他数据库进程。如果一个操作失败，则事务将回滚，该事务所有操作的影响都将取消。ACID 四大特性,原子性、隔离性、一致性、持久性。
- 什么是事务？及其特性？
  - 事务：是一系列的数据库操作，是数据库应用的基本逻辑单位。
- 事务特性：
- （1）原子性：即不可分割性，事务要么全部被执行，要么就全部不被执行。
- （2）一致性或可串性。事务的执行使得数据库从一种正确状态转换成另一种正确状态
- （3）隔离性。在事务正确提交之前，不允许把该事务对数据的任何改变提供给任何其他事务，
- （4）持久性。事务正确提交后，其结果将永久保存在数据库中，即使在事务提交后有了其他故障，事务的处理结果也会得到保存。
- 或者这样理解：
  - 事务就是被绑定在一起作为一个逻辑工作单元的SQL语句分组，如果任何一个语句操作失败那么整个操作就被失败，以后操作就会回滚到操作前状态，或者是上有个节点。为了确保要么执行，要么不执行，就可以使用事务。要将有组语句作为事务考虑，就需要通过ACID测试，即原子性，一致性，隔离性和持久性。
MySQL存储引擎有哪些，什么特点
- MyISAM 是非事务的存储引擎，适合用于频繁查询的应用。表锁，不会出现死锁，适合小数据，小并发。
- innodb 是支持事务的存储引擎，适合用于插入和更新操作比较多的应用，设计合理的话是行锁（最大区别就在锁的级别上），适合大数据，大并发。
- 两个存储引擎的区别
  - 区别于其他数据库的最重要的特点就是其插件式的表存储引擎。切记：存储引擎是基于表的，而不是数据库。
  - InnoDB与MyISAM的区别：
    - InnoDB存储引擎: 主要面向OLTP(Online Transaction Processing，在线事务处理)方面的应用，是第一个完整支持ACID事务的存储引擎(BDB是第一个支持事务的存储引擎，已经停止开发)。
    - 特点：
      - 行锁设计、支持外键,支持事务，支持并发，锁粒度是支持mvcc的行级锁；
    - MyISAM存储引擎: 是MySQL官方提供的存储引擎，主要面向OLAP(Online Analytical Processing,在线分析处理)方面的应用。
    - 特点：
      - 不支持事务，锁粒度是支持并发插入的表级锁，支持表所和全文索引。操作速度快，不能读写操作太频繁；
Redis应用场景
- 热点数据的缓存
  - 由于redis访问速度块、支持的数据类型比较丰富，所以redis很适合用来存储热点数据，另外结合expire，我们可以设置过期时间然后再进行缓存更新操作，这个功能最为常见，我们几乎所有的项目都有所运用。
- 限时业务的运用
  - redis中可以使用expire命令设置一个键的生存时间，到时间后redis会删除它。利用这一特性可以运用在限时的优惠活动信息、手机验证码等业务场景。
- 计数器相关问题
  - redis由于incrby命令可以实现原子性的递增，所以可以运用于高并发的秒杀活动、分布式序列号的生成、具体业务还体现在比如限制一个手机号发多少条短信、一个接口一分钟限制多少请求、一个接口一天限制调用多少次等等。
- 排行榜相关问题
  - 关系型数据库在排行榜方面查询速度普遍偏慢，所以可以借助redis的SortedSet进行热点数据的排序。
  - 在奶茶活动中，我们需要展示各个部门的点赞排行榜，所以我针对每个部门做了一个SortedSet,然后以用户的openid作为上面的username,以用户的点赞数作为上面的score, 然后针对每个用户做一个hash,通过zrangebyscore就可以按照点赞数获取排行榜，然后再根据username获取用户的hash信息，这个当时在实际运用中性能体验也蛮不错的。
- 分布式锁
  - 这个主要利用redis的setnx命令进行，setnx：”set if not exists”就是如果不存在则成功设置缓存同时返回1，否则返回0 ，这个特性在俞你奔远方的后台中有所运用，因为我们服务器是集群的，定时任务可能在两台机器上都会运行，所以在定时任务中首先通过setnx设置一个lock，如果成功设置则执行，如果没有成功设置，则表明该定时任务已执行。当然结合具体业务，我们可以给这个lock加一个过期时间，比如说30分钟执行一次的定时任务，那么这个过期时间设置为小于30分钟的一个时间就可以，这个与定时任务的周期以及定时任务执行消耗时间相关。当然我们可以将这个特性运用于其他需要分布式锁的场景中，结合过期时间主要是防止死锁的出现。
- 延时操作
  - 这个目前我做过相关测试，但是还没有运用到我们的实际项目中，下面我举个该特性的应用场景。比如在订单生产后我们占用了库存，10分钟后去检验用户是够真正购买，如果没有购买将该单据设置无效，同时还原库存。由于redis自2.8.0之后版本提供Keyspace Notifications功能，允许客户订阅Pub/Sub频道，以便以某种方式接收影响Redis数据集的事件。所以我们对于上面的需求就可以用以下解决方案，我们在订单生产时，设置一个key，同时设置10分钟后过期，我们在后台实现一个监听器，监听key的实效，监听到key失效时将后续逻辑加上。当然我们也可以利用rabbitmq、activemq等消息中间件的延迟队列服务实现该需求。
- 分页、模糊搜索
  - redis的set集合中提供了一个zrangebylex方法，语法如下：
    ZRANGEBYLEX key min max [LIMIT offset count] 通过ZRANGEBYLEX zset - + LIMIT 0 10 可以进行分页数据查询，其中- +表示获取全部数据 zrangebylex key min max 这个就可以返回字典区间的数据，利用这个特性可以进行模糊查询功能，这个也是目前我在redis中发现的唯一一个支持对存储内容进行模糊查询的特性。前几天我通过这个特性，对学校数据进行了模拟测试，学校数据60万左右，响应时间在700ms左右，比mysql的like查询稍微快一点，但是由于它可以避免大量的数据库io操作，所以总体还是比直接mysql查询更利于系统的性能保障。
- 点赞、好友等相互关系的存储
  - Redis set对外提供的功能与list类似是一个列表的功能，特殊之处在于set是可以自动排重的，当你需要存储一个列表数据，又不希望出现重复数据时，set是一个很好的选择，并且set提供了判断某个成员是否在一个set集合内的重要接口，这个也是list所不能提供的。又或者在微博应用中，每个用户关注的人存在一个集合中，就很容易实现求两个人的共同好友功能。
  - 这个在奶茶活动中有运用，就是利用set存储用户之间的点赞关联的，另外在点赞前判断是否点赞过就利用了sismember方法，当时这个接口的响应时间控制在10毫秒内，十分高效。
- 队列
  - 由于redis有list push和list pop这样的命令，所以能够很方便的执行队列操作。
Redis基本数据类型
- String、Hash、List、Set、SortedSet
- 相关场景
  - Hash
    - Hash一般也被称为字典，redis自己也可以作为一个比较大的hash存储。
    - 一些关系型数据库中不是特别复杂的表，也无需复杂的关系查询，可以使用Redis的Hash来存储，也可以用Hash做表数据缓存。
  - List
    - 列表用来存储多个有序的字符串，一个列表最多可以存储2^32 - 1个元素，在redis中可以对列表的两端插入push和弹出pop，还可以取指定范围的元素。
    - 消息队列：我们公司就是使用redis做消息队列，lpush + brpop或rpop命令，实现先进先出，如果消费失败客户端把key再放回去，消费成功真的remove掉
    - lpush + lpop 栈
    - lpush + rpop 队列
    - lpush + ltrim = 有限集合
    - lpush + brpop = 消息队列
  - Set
    - 集合是用来保存多个字符串的元素，内部不允许有重复元素，集合内的元素是无序的，Redis支持集合的增删改查，同时支持多个集合取交集，并集，差集
    - 标签
  - SortedSet
    - 它保留了元素不能重复的特性，并且元素是有序的。
    - 排行榜，目前公司的飙车榜用的是redis的有序集合，返回前面排名的元素之后再使用redis的mget命令获取获取到的key信息。
- more: HyperLogLog、Geo、Pub/Sub
- Redis Module，像BloomFilter，RedisSearch，Redis-ML

计算机网络相关

TCP（传输控制协议）：
- TCP是面向连接的
- 每一条TCP连接只能由两个端点，每一条TCP连接只能是点对点的TCP连接：：= { socket_1,socket_2 } ={ (IP_1:port_1),(IP_2:port_2)}
- TCP提供可靠交付的服务
- TCP提供全双工通信
- 面向字节流
UDP（用户数据报协议）：
- UDP是无连接的
- UDP使用尽最大努力交付，但是不保证可靠交付
- UDP是面向报文的
- UDP没有拥塞控制
- UDP支持一对一，一对多，多对一，多对一的交互通讯
- UDP首部的开销小
TCP的连接管理：
- 连接三次握手：
  - 客户端请求建立连接：SYN=1，seq=x；
  - 服务器对客户端的请求进行响应：SYN=1，ACK=1，seq=y，ack=x+1
  - 客户端对服务器端的响应信息进行回应：ACK=1，seq=x+1，ack=y+1
  - 注： SYN为同步信息，在建立连接过程中始终为1
- 断开连接四次握手：
  - 客户端请求断开连接： FIN=1，seq = u；
  - 服务端对客户端的请求应答：ACK=1，seq=v，ack=u+1；
  - 服务端请求断开连接：FIN=1，ACK=1，seq=w，ack=u+1；
  - 客户端对服务端的请求应答：ACK=1，seq=u+1，ack=w+1；

本作品采用知识共享署名-非商业性使用-禁止演绎 4.0 国际许可协议进行许可。

如果你觉得本文海星，不妨请我喝杯咖啡

赏

风变科技后端面试

Go语言相关

数据库相关

计算机网络相关