1. TCP与UDP的区别及应用场景

• TCP (传输控制协议)：

  • 特点：面向连接，可靠性高，数据顺序保证，流量控制和拥塞控制。
  • 应用场景：文件传输（FTP），电子邮件（SMTP），网页加载（HTTP/HTTPS）。

• UDP (用户数据报协议)：

  • 特点：无连接，不可靠，数据顺序不保证，开销小。
  • 应用场景：视频流，语音通话（VoIP），在线游戏，实时应用。

2. 浏览器键入URL后的流程

1. DNS解析：将域名解析为IP地址。
2. 建立TCP连接：与服务器建立TCP连接（三次握手）。
3. 发送HTTP请求：浏览器向服务器发送请求。
4. 服务器处理请求：服务器处理请求并返回响应。
5. 浏览器渲染页面：接收响应并渲染网页。

3. HTTPS数字证书的认证过程

1. 生成密钥对：网站生成公钥和私钥。
2. 申请证书：向CA（证书颁发机构）申请证书，提供公钥。
3. CA验证：CA验证申请者身份，颁发数字证书。
4. 使用证书：网站使用证书进行HTTPS加密通信。

4. 堆和栈的区别及数据结构

• 堆：

  • 特点：动态分配内存，大小可变，管理复杂。
  • 数据结构：通常是链表或树结构。

• 栈：

  • 特点：后进先出（LIFO），内存分配速度快，大小固定。
  • 数据结构：数组或链表实现。

5. 如何避免内存泄漏

• 及时释放资源：使用完毕后立即释放动态分配的内存。
• 智能指针：使用智能指针（如C++中的std::unique_ptr）自动管理内存。
• 代码审查：定期审查代码，查找未释放的内存。

6. Redis与MySQL的数据一致性保证

• Redis：

  • 持久化：使用RDB快照和AOF日志实现数据持久化。
  • 主从复制：主节点变更数据时，从节点同步更新。

• MySQL：

  • 事务：通过ACID属性保证数据一致性。
  • 锁机制：使用行锁和表锁防止并发冲突。

7. Redis的数据类型

• 字符串：最基本的数据类型。
• 哈希：键值对集合，适合存储对象。
• 列表：有序字符串列表，支持推入和弹出操作。
• 集合：无序字符串集合，支持集合运算。
• 有序集合：带权重的字符串集合，支持范围查询。

8. 什么是数据库事务

• 定义：一组操作的集合，要么全部执行成功，要么全部失败。
• 特性：遵循ACID原则（原子性、一致性、隔离性、持久性）。

9. MySQL的分页查询

使用LIMIT和OFFSET实现分页：

sql

复制

SELECT * FROM table_name LIMIT page_size OFFSET (page_number - 1) * page_size;

10. 常用的排序算法及其特点

• 冒泡排序：简单，稳定，时间复杂度O(n²)。
• 选择排序：简单，不稳定，时间复杂度O(n²)。
• 插入排序：简单，稳定，适合小规模数据，时间复杂度O(n²)。
• 快速排序：高效，不稳定，时间复杂度O(n log n)。
• 归并排序：稳定，时间复杂度O(n log n)，适合大规模数据。

11. 服务端只注册一个实例吗

• 一般情况下：在负载均衡环境中，多个实例可以同时运行，以提升可用性和扩展性。
• 单实例：对于小型应用或开发环境，可能只注册一个实例。

12. 项目中JMeter压测关注的变量

• 响应时间：请求到达和响应的时间。
• 吞吐量：单位时间内处理的请求数量。
• 错误率：请求失败的比例。
• 并发用户数：同时发起请求的用户数量。

13. Linux查看服务器负载情况的命令

• top：实时查看系统资源使用情况。
• htop：增强版的top，提供更友好的界面。
• uptime：查看系统运行时间和负载平均值。

14. 手撕两数之和

python

复制

def two_sum(nums, target):num_map = {}for index, num in enumerate(nums):complement = target - numif complement in num_map:return [num_map[complement], index]num_map[num] = index

15. SQL题直接口述怎么写

16. 项目中的高并发是如何做到的

17. Redis 集群如何保证数据一致性

18. JMeter 测试项目的时候是怎么做方案的

19. 项目中存在容量风险的模块有哪些

20 关于 MySQL 的容量上限是怎么发现的

• 查询所有用户：SELECT * FROM users;
• 按年龄排序：SELECT * FROM users ORDER BY age;
• 插入新用户：INSERT INTO users (name, age) VALUES ('Alice', 30);
• 更新用户信息：UPDATE users SET age = 31 WHERE name = 'Alice';
• 删除用户：DELETE FROM users WHERE name = 'Alice';
• 负载均衡：使用负载均衡器将请求分发到多个服务器实例上。
• 异步处理：使用消息队列（如 RabbitMQ、Kafka）进行异步处理，减轻实时请求压力。
• 缓存策略：利用 Redis 等缓存技术，减少数据库访问频率。
• 数据库优化：进行数据库分库分表，优化索引，提高查询效率。
• 代码优化：使用高效的算法和数据结构，减少资源消耗。
• 主从复制：数据在主节点写入后，会同步到从节点，从而保证数据一致性。
• 分片机制：数据在多个节点之间分片存储，确保负载均衡。
• 故障转移：主节点故障时，可以自动切换到从节点，保证系统的高可用性。
• 一致性哈希：通过一致性哈希算法减少数据迁移的次数，维护数据分布的一致性。
• 需求分析：明确测试目标，如响应时间、并发用户数等。
• 设计测试计划：创建测试场景，包括线程组、请求类型、参数化、断言等。
• 配置监控：使用监听器监控性能指标（如响应时间、错误率等）。
• 执行测试：运行测试计划，模拟真实用户访问场景。
• 结果分析：收集测试结果，分析性能瓶颈，生成报告。
• 数据库：随着数据量的增加，可能导致性能下降。
• 缓存层：如 Redis 的内存限制，可能导致缓存失效。
• 消息队列：高并发时，可能出现消息堆积风险。
• 文件存储：大文件上传和下载可能影响系统性能。
• API网关：请求量过大可能导致网关成为瓶颈。
• 性能监控：通过监控工具（如 Prometheus、Grafana）观察数据库性能指标。
• 压力测试：使用 JMeter 等工具进行压力测试，模拟高并发场景，发现瓶颈。
• 慢查询日志：开启慢查询日志，分析查询性能，识别高负载的查询。
• 容量规划：根据数据增长趋势，定期评估数据库容量。