老鐵們，大家好，相信還有很多朋友對于redis面試中經常被問到的問題和mysql死鎖的原因和處理方法的相關問題不太懂，沒關系，今天就由我來為大家分享分享redis面試中經常被問到的問題以及mysql死鎖的原因和處理方法的問題，文章篇幅可能偏長，希望可以幫助到大家，下面一起來看看吧！
神奇面試官一般都問什么
1.神奇面試官一般會問關于應聘者個人背景、經歷和技能方面的問題，以了解他們是否適合公司的需求。2.原因是因為公司需要找到最適合的人才來完成工作，并且面試官需要盡可能了解應聘者的背景和技能，以便作出最佳決策。3.神奇面試官也可能會問一些與公司文化、價值觀和團隊合作有關的問題，以確保應聘者與公司的價值觀相符，能夠與團隊融洽合作。此外，他們也可能會問一些案例和場景問題，以測試應聘者的解決問題和承受壓力的能力。
你在java面試中被問過什么讓你覺得對方逼格很高的問題
分享一位牛友（★霸道可愛的?小盼子）的去哪兒java面經，體驗一下什么叫做B格……
以下正文：廢話不多說，前幾天參加去哪網面試，面經如下：
去哪網java實習生面總共分為四輪（我也不知道為什么這么多）。
一面（技術面）
1.自我介紹，并分析簡歷上的項目，并發(fā)情況，數(shù)據(jù)量大的情況你怎么辦
2.分析悲觀鎖和樂觀鎖
3.數(shù)據(jù)庫索引（btree，b+tree）
4.出題建表，寫sql，mybatis標簽拆分判斷。
5.hashmap詳細說明，底層數(shù)據(jù)結構。
6.concurrenthashmap詳細說明。
7.treeset(畫紅黑樹)
8.線程常見狀況。
9.maven生命周期。
10.linux常用命令。
二面（技術面）
1.各種排序以及應用場景(快排，歸并，堆排，選擇排)。
2.給你10億個數(shù)，選擇10個最小的，最優(yōu)算法。
3.時間復雜度，空間復雜度。
4.線程池，callable,ExecutorService源碼，參數(shù)含義。
5.Springmvc的DispatcherServlet源碼，工作機制。
6.Springboot工作機制
7.簡單說下redis。
8.服務器集群。
9.數(shù)據(jù)庫事務，事務隔離級別
10.git常用命令，是否用過github。
三面（技術面）
1.最近在學什么。
2.如果學習一個新框架
3.設計一塊緩存的數(shù)據(jù)結構，實現(xiàn)快速增加，刪除，查找等操作，并判斷時間空間復雜度。
4.項目并發(fā)如何解決。
四面（hr面）
簡單的聊一下薪資待遇。
說了一件大學難忘的事。
發(fā)offer。
現(xiàn)階段能想起來的就這么多，以后再補充，大家加油。
——————————
牛客網（www.nowcoder.com）
-專業(yè)IT筆試面試備考平臺
-最全C++JAVA前端等互聯(lián)網技術求職題庫
-全面提升IT編程能力
-程序員交友圣地
面試中經常被問到的Redis持久化與恢復該如何解決
首先搞清楚：除非你修改源碼，否則redis從算法上沒有完備的持久化和恢復方案，所有的方案都建立在“發(fā)生意外時盡量減少數(shù)據(jù)丟失”的前提下，所以真正至關重要的數(shù)據(jù)，至少不能只用redis保存。
其它就很簡單了，配置文件可以打開持久化，設置好數(shù)據(jù)文件和存儲策略，大部分事redis會自己做好，注意selinux或apparmor策略不要跟redis沖突。需要還原時可以用redis-port
面試java崗位的時候，你被提過哪些問題
程序員朋友由于每天面對和電腦溝通的語言，有時候可能忽略了一些自然語言的技巧，而在面試中，一些說話的套路往往會幫求職者增分不少，Java就業(yè)課中，就有關于面試技巧的分析和參考：
一、面試官：在我們這兒工作，您希望有什么樣的薪資待遇？
提示：了解該公司所在地區(qū)、所屬行業(yè)、公司規(guī)模等信息，你的薪水要求應該在該公司所在地區(qū)、行業(yè)、公司規(guī)模相應的薪水范圍之內。盡可能提供一個你期望的薪水范圍，而不是具體的薪金數(shù)。
求職者：其實工資并不是我決定工作機會的唯一因素，如果您一定要我回答這個問題，只能說我希望以我所受的教育背景及工作經驗，我希望我的工資不低于年薪50,000元。
二、面試官：你認為每年加薪的幅度是多少？
提示：通常,比較可靠的回答是:你希望收入的增長和生活水平的提高保持一致。你還應該提到，你的業(yè)績將是加薪的主要因素。
求職者：總體來說，取決于我個人的業(yè)績和公司的業(yè)績（盈利狀況）。但一般而言，至少和生活水平的提高保持一致。
三、面試官：你上一份工作的收入是多少？
提示：有時候面試人員希望得到一個比較明確的答案。記住，在陳述你的收入時，要把你的整個福利收入也加在上面。在有的公司福利收入可以使你的年收入增加30%或更多。
求職者：我過去的三年內一直在ABC公司工作，我是大學一畢業(yè)就在這個公司的，當時并沒有管理經驗。這三年中，我積累了很多管理和財務方面的技巧。現(xiàn)在ABC公司給我的薪水是非常富有競爭性的。
四、面試官：你愿意降低你的標準嗎？
提示：如果這確實是你非常希望得到的工作，那么，你應該考慮在開始時工資有所降低。
應強調你可以把工作做得很好，并設法了解公司調整你薪水的時間。另外，對你能夠接受的極低數(shù)額應心里有數(shù)，但千萬不要把這個數(shù)字告訴給面試人員。
求職者：由于我對該職位非常感興趣，我可以考慮接受低一些的薪水，你也需要時間讓我證明我的能力。我相信我可以干得十分出色，如果我能證明我的能力，你是否會考慮對我的薪水作一些調整呢，比如說，在三個月后。
五、面試官：你認為我們提供給你的薪水如何？
提示：在回答這個問題之前，首先確定這是否是正式聘用的工資數(shù)額，也許面試人只是想了解你的工資要求。如果是正式聘用的工資數(shù)額，你要確定自己是否能夠接受這個數(shù)額。
在西方國家，多數(shù)雇主希望你能跟他們進一步商量；而在亞洲國家，則相反。如果這個數(shù)目大大低于你的期望，可以有技巧性地詢問其它的福利項目是怎樣的。
求職者：這個數(shù)字跟我期望的非常接近，不過我的期望值要稍高些。您是否可以提供一個大致的薪資范圍？
六、面試官：能否告訴我，你的工資調整紀錄？
提示：在這個問題中，面試人員只是想知道是否你一直原職不變，或者說是否你不斷得到晉升的機會。所以，盡量避免提供薪資具體數(shù)額，除非他們要求。
求職者：N年來，我一直在ABC公司工作，曾得到X次職務提升。ABC公司每年薪資調整的幅度不是太大，但由于我的工作總是十分優(yōu)秀，每年的薪資調整都接近調整的很高水平。我目前的工資已比我開始工作的頭一年提高XX%。
mq面試必背知識點
主要有3點：解耦、異步、削峰（限流）。
其實就是在服務與服務之間增加了一個中間件，可以實現(xiàn)上面的三種用途。
?
解耦：我們看到，服務A強依賴服務B和C，當服務B或者C掛掉后，會直接導致服務A的不可用，這顯然不是我們所期望的。比如服務的最后一步是記錄日志，但是該服務掛了，雖然日志服務和主流服務沒有必然的業(yè)務聯(lián)系，但是因為代碼的耦合性過高，直接導致整個服務響應失敗。
異步：假如服務A本身執(zhí)行只需要10ms，服務B需要5ms，服務C（日志服務）需要1s。同樣的，一個和業(yè)務本身無關的服務過長的響應時間導致了整體服務的響應超時。
削峰：假如由于服務C只是記錄日志的，服務器配置較低，1s只能處理2000條數(shù)據(jù)，但是高峰時段，每秒的請求高達10萬筆，過高的請求會導致服務器崩潰。
可以看到，其實上面所講的三種情況，都很類似，連起來可以這么理解。高峰時段導致服務C運行越來越慢，產生了“異步”所說的問題，如果長時間沒解決，可能會導致“解耦”所說的情況，即服務掛掉。
在增加了MQ以后，我們可以在服務A執(zhí)行完核心業(yè)務后，將后續(xù)處理的業(yè)務數(shù)據(jù)打入消息隊列中，然后就可以返回成功。然后日志服務從消息隊列中取到對應的消息進行處理即可。這樣就實現(xiàn)了“解耦”和“異步”。在高峰時段，所有的數(shù)據(jù)都會打入消息隊列中，而日志服務只需要按照自己的消費水平（2000條/s）取數(shù)據(jù)就好，保證了服務的平滑穩(wěn)定。
二、MQ選型
主流的MQ有4種，ActiveMQ、RabbitMQ、RocketMQ和Kafka。不過ActiveMQ雖然框架成熟、曾經是MQ中的王牌，但是現(xiàn)在官方的維護頻率越來越低，國內各大公司已經很少才用了，再加上吞吐量不高（比kafka低一個數(shù)量級），存在消息丟失的情況，所以現(xiàn)在新項目很少會采用了。
RabbitMQ是用ErLang語言開發(fā)的，性能上是最好的，但是由于ErLang語言不是主流語言，二次開發(fā)難度較高，很多想要根據(jù)實際情況進行二次開發(fā)的公司很少采用。不過如果只是簡單使用的話，還是不錯的，畢竟它的延時是最少的；并且RabbitMQ有一個最大的好處是它具有可視化界面，操作維護很方便。
RocketMQ是阿里開源的產品，經過了很多高并發(fā)項目的考驗（如雙十一），性能上是有保證的。純Java編寫，維護性高。我理解的它和kafka最大的不同有兩點，一是它支持事務；二是集群結構不一致，它沒有主從切換，當leader掛掉后，存在一定的感知時間，然后切換到follower上。
kafka的特點就是高吞吐量，一般配合大數(shù)據(jù)類的系統(tǒng)來進行實時數(shù)據(jù)計算、日志采集，在日志收集領域是事實上的標準。
另外，springCloud全家桶中，有一個springCloudStream消息驅動框架，該框架很好的封裝了MQ操作的相關API，減輕了開發(fā)者在MQ方面的代碼量，不過該框架只封裝了RabbitMQ和kafka這兩種MQ。
綜上，如果需要對MQ傳輸提供事務支持或者解決高并發(fā)下的業(yè)務解耦，建議采用RocketMQ，微服務框架是dubbo的話，應該也建議用RocketMQ（這個沒測過，個人猜測，畢竟都是阿里的產品）。如果是要做日志收集等工作，建議采用kafka。中小型公司使用springCloud全家桶開發(fā)的項目中，建議采用RabbitMQ（或者kafka）。
以上是查資料總結的，由于我平時都是使用的kafka，所以后面都以kafka為例了。
三、重復消費
重復消費在MQ中是一個重點問題，該問題是如何產生的？
kafka中有一個消息偏移量offset，每當消費者消費完一條消息時，執(zhí)行commit，會將offset+1。如果一條消息在消費完以后尚未commitoffset，突發(fā)宕機，會讓zookeeper認為該條消息沒有被消費。導致消費者重啟后重復消費之前的數(shù)據(jù)。
如何避免？
避免重復消費的問題，與同一個服務被多次調用的問題類似，就是如何解決服務的冪等性。大致有如下幾個方案：
1、利用數(shù)據(jù)庫的唯一性約束。
2、將數(shù)據(jù)存入redis中，利用redis天然的冪等性，然后再將數(shù)據(jù)從redis同步到數(shù)據(jù)庫中
3、生產者發(fā)消息時增加一個唯一id（比如UUID），消費者消費成功后將該UUID存入redis中，每次消費前先查看該UUID是否存在。
四、消息丟失
消息丟失同樣也是MQ中是一個重點問題。由于系統(tǒng)中存在生產者、消費者和MQ本身三個組件，所以需要從這三個方面分別討論。
MQ本身丟失：由于kafka的集群是leader/follower模式，leader先接受消息后，再同步給follower，如果leader接收到消息后發(fā)生宕機，沒來得及同步數(shù)據(jù)給follower，這時依靠選舉機制產生了新的leader，但是它已經永遠的失去了這條消息。為了避免這種情況發(fā)生，就需要修改kafka的配置，利用kafka自身的特性來解決。
首先給topic設置replication.factor參數(shù)：這個值必須大于1，要求每個partition必須有至少2個副本。
然后在kafka服務端設置min.insync.replicas參數(shù)：這個值必須大于1，這個是要求一個leader至少感知到有至少一個follower還跟自己保持聯(lián)系，沒掉隊，這樣才能確保leader掛了還有一個follower。
然后在producer端設置acks=all：這個是要求每條數(shù)據(jù)，必須是寫入所有replica之后，才能認為是寫成功了
最后在producer端設置retries=MAX（很大很大很大的一個值，無限次重試的意思）：這個是要求一旦寫入失敗，就無限重試，卡在這里了。
這樣配置以后，就可以保證只有所有的副本數(shù)據(jù)都同步成功后，才認為消息發(fā)送成功，避免了leader掛掉的情況。
消費者丟失：kafka有一個自動提交機制，每次接受到消息后自動提交offset。如果消息還未處理就掛掉了，但zk卻已經接收到消費成功的通知，顯然不合理，所以要避免使用kafka的自動提交，改為手動提交。
生產者丟失：顯然，如果配置了acks=all以后，生產者是不會發(fā)生消息丟失的。
另外，查資料發(fā)現(xiàn)RabbitMQ和kafka的消息丟失情況不同，這里補充一個RabbitMQ的處理方式。
MQ本身丟失：由于RabbitMQ沒有集群配置，所以只能依靠持久化到本地的方式來進行備份。如果接收到消息還沒來得及備份就掛掉了，就會導致消息丟失。不過這個概率很低。如果發(fā)生了，可以利用生產者丟失的方式處理，見下。
消費者丟失：產生原因不說了。可以采用RabbitMQ提供的ack機制，即關閉RabbitMQ自動ack，然后通過api來調用就行，在確認處理完消息后，手動提交ack通知MQ。
生產者丟失：可能存在的問題就是生產者發(fā)送消息后，網絡傳輸有問題導致了數(shù)據(jù)丟失。為了避免這種情況，一般會開啟事務機制，保證數(shù)據(jù)一致性，但是事務機制由于是同步的，會造成系統(tǒng)性能下降，所以可以借鑒分布式事務的理念，即confirm機制。生產者發(fā)送消息后，開啟異步接受MQ的反饋，收到后，默認消息發(fā)送成功，超時后觸發(fā)消息重發(fā)機制。
五、如何確保消息順序消費。
這個很簡單，只要保證每個消費者或者每個處理線程都對應一個隊列即可。
六、消息積壓如何處理。
畢竟流量高峰的時間存在不長，只要最初規(guī)劃MQ的空間時考慮到流量高峰的容量，一般是不會出現(xiàn)積壓的，除非由于代碼bug或者消費者宕機。
這時為了快速處理積壓的消息，我們除了修正bug和重啟服務器以外，還需要有提前定好的應急方案，即臨時擴容消費者，增加消費者處理速度。并且不能設置消息的TTL，保證消息一直存在。
實在沒辦法了的終極解決方案，就是拋棄部分消息，然后過了高峰以后，依靠日志等方式人肉維護。。。
最后，說一個我之前的公司，為了避免重復消費和消息丟失的解決方案，就是在生產者發(fā)送消息前和消費者接收消息后，在本地記錄一條數(shù)據(jù)，然后定時對比兩者的差異，來確保這兩個問題不會發(fā)生。同樣該方案也可用于處理積壓，完全可以拋棄消息，最后依靠生產者記錄的數(shù)據(jù)進行維護。這種方式比較適合業(yè)務分離狀態(tài)的，如購物場景，只要保證用戶下單成功即可，后續(xù)的出庫，贈加積分，贈送優(yōu)惠券等功能稍緩緩也不礙事，但是如果是時效性較高的業(yè)務，比如商品查詢，可能商品描述、商品價格、商品圖片都是不同的服務在處理，如果一個服務不能正常返回，那這個業(yè)務就無法正常開展。這種情況，就建議采用限流策略了。
如果你還想了解更多這方面的信息，記得收藏關注本站。
