坐标上海，20~40K的面试强度

继续分享最新的面经，面试的岗位是上海某公司的Golang开发岗，给的薪资范围是20~40K，对mongodb要求熟练掌握，所以面试过程中对于mongodb也问的比较多。

下面是我整理好的面经（去除了项目相关的问题）：

自我介绍？

2. mongodb查询优化讲一下？

可以从以下几个方面展开：

索引的使用：
- 索引是查询优化的核心。MongoDB支持多种索引类型（如单字段索引、复合索引、全文索引等）。合理创建索引可以显著提高查询性能。
- 使用explain()方法分析查询计划，查看是否使用了索引以及索引的效率。
查询语句优化：
- 避免全表扫描：确保查询条件能够命中索引。
- 尽量减少返回的数据量，使用projection只返回需要的字段。
- 对于复杂的查询，可以通过拆分查询或使用聚合管道来优化。
分片与副本集：
- 分片可以将数据分布在多个节点上，从而提高查询性能。
- 副本集主要用于高可用性，但读操作可以分担到从节点以减轻主节点的压力。
硬件和配置优化：
- 调整MongoDB的内存分配和缓存策略，充分利用服务器资源。
- 定期监控数据库性能，使用工具如MongoDB Atlas或第三方监控工具定位瓶颈。
写操作优化：
- 批量写入比单条写入更高效。
- 在高并发场景下，考虑调整写关注级别（Write Concern）以平衡性能和一致性。

3. mongodb和mysql的索引特性上有什么区别？

索引类型：
- MongoDB支持多种索引类型，包括单字段索引、复合索引、地理空间索引、全文索引和哈希索引。
- MySQL主要支持B+树索引（InnoDB和MyISAM引擎），此外还有全文索引、哈希索引（Memory引擎）等。
索引存储结构：
- MongoDB默认使用B树作为索引结构，适合范围查询和排序。
- MySQL的InnoDB引擎使用B+树，更适合范围查询和顺序访问。
索引覆盖：
- MongoDB支持索引覆盖查询（Index-Only Query），即如果查询的所有字段都在索引中，则无需访问文档本身。
- MySQL同样支持索引覆盖，但需要确保查询字段完全包含在索引中。
唯一性约束：
- MongoDB允许在集合中创建唯一索引，但分布式环境下的唯一性约束需要额外注意。
- MySQL的唯一索引在单机和分布式环境下都更容易实现。
性能影响：
- MongoDB的写操作会在写入文档的同时更新索引，可能会对性能产生一定影响。
- MySQL的索引维护成本较高，尤其是在大规模更新或插入时。

4. mongodb设计索引上跟mysql有什么区别？

数据模型差异：
- MongoDB是文档型数据库，数据以嵌套的JSON格式存储，因此可以在嵌套字段上创建索引。
- MySQL是关系型数据库，数据以表格形式存储，索引设计通常基于列。
复合索引的设计：
- MongoDB的复合索引顺序非常重要，查询条件必须按照索引定义的顺序匹配才能生效。
- MySQL的复合索引也有顺序要求，但其查询优化器会尝试重排条件以匹配索引。
动态模式的支持：
- MongoDB支持动态模式，索引设计需要考虑文档结构的多样性。
- MySQL的表结构是固定的，索引设计相对简单。
分布式环境：
- MongoDB的分片集群需要为分片键创建索引，且分片键的选择对性能有重大影响。
- MySQL在分布式环境中通常通过中间件（如ShardingSphere）实现分片，索引设计不受分片键限制。
索引大小的考虑：
- MongoDB的索引存储在内存中，过大的索引可能导致性能下降。
- MySQL的索引也占用内存，但其B+树结构更节省空间。

5. mongodb在创建索引和使用上有什么注意事项吗？

选择合适的字段：
- 根据查询频率和数据分布选择索引字段，避免为低频查询创建索引。
- 复合索引的字段顺序应根据查询条件的重要性排列。
索引的维护成本：
- 创建索引会增加写操作的开销，因为每次写入都需要更新索引。
- 删除不必要的索引以减少维护成本。
索引的覆盖能力：
- 尽量设计索引以支持覆盖查询，减少文档访问次数。
内存限制：
- 索引需要加载到内存中才能高效工作，因此索引大小不能超过可用内存。
后台创建：
- 在生产环境中创建索引时，建议使用后台模式（background: true），以避免阻塞其他操作。
分片集群的特殊要求：
- 分片集群需要为分片键创建索引，并确保分片键的选择均衡分布数据。

6. mongodb和mysql主键的区别？主键会带来什么影响？

主键的生成方式：
- MongoDB默认为主键字段_id生成一个唯一的ObjectId值，也可以自定义主键。
- MySQL的主键通常由用户指定，或者由自增列（AUTO_INCREMENT）生成。
主键的作用：
- MongoDB的主键用于唯一标识文档，同时也是集合的默认索引。
- MySQL的主键用于唯一标识行，同时是表的聚集索引（InnoDB引擎）。
性能影响：
- MongoDB的主键索引会影响查询和写入性能，尤其是当主键是随机生成的ObjectId时，可能导致频繁的页分裂。
- MySQL的主键直接影响数据存储的物理顺序，连续递增的主键有助于提高插入性能。
分布式环境：
- MongoDB的主键在分片集群中需要结合分片键使用。
- MySQL的主键在分布式环境中可能需要额外的协调机制。

7. kafka怎么保障kafka消息可靠性？

持久化：
- Kafka将消息持久化到磁盘，确保即使发生故障也能恢复数据。
- 通过配置acks参数，可以控制消息的确认级别（如acks=1、acks=all）。
副本机制：
- Kafka使用分区副本（Partition Replication）来保证数据的冗余。
- ISR（In-Sync Replica）机制确保只有同步完成的副本才能参与选举。
消息确认：
- 生产者可以通过acks参数设置消息的确认级别，确保消息被成功写入。
消费者确认：
- 消费者通过手动提交偏移量（Offset）确保消息被正确处理。
事务支持：
- Kafka支持事务性消息，确保跨分区的消息一致性。

8. kafka怎么保证消息幂等？

生产者幂等性：
- Kafka引入了幂等性生产者（Idempotent Producer），通过为每个生产者分配唯一的PID（Producer ID）和序列号（Sequence Number）来确保每条消息只被写入一次。
事务支持：
- Kafka支持事务性消息，允许跨分区和主题的消息原子性提交。
消费者端处理：
- 消费者可以通过去重逻辑（如基于消息ID）避免重复处理。

9. 怎么限制goroutine的上限？

使用信号量（Semaphore）：
- 使用sync.WaitGroup或chan struct{}实现信号量，限制并发goroutine的数量。
使用Worker Pool模式：
- 创建固定数量的worker goroutine，任务通过队列分发给这些worker。
使用第三方库：
- 使用类似ants这样的协程池库，直接设置最大goroutine数量。

10. sync.map的实现介绍一下？

sync.Map 是 Go 标准库中提供的一个并发安全的 map 实现，旨在优化高并发环境下的读写性能。它特别适合于读多写少的场景，并通过内部机制减少锁竞争来提高效率。

核心数据结构

read ：这是一个只读缓存，包含一部分或全部的数据副本。它是无锁访问的，因此读操作非常快。
dirty ：这是一个可写的缓存，包含了所有键值对（包括那些在 read 中没有但新添加的）。由于需要支持写入，访问 dirty 时会涉及到加锁操作。
entry ：这是存储实际键值对的结构体。它支持原子操作，允许高效地更新或删除值而无需锁。

工作机制

读操作
- 当进行读取时，优先从 read 中查找数据。因为 read 是无锁的，所以读取速度很快。
- 如果 read 中找不到且有未迁移至 read 的数据，则检查 dirty。这时需要加锁，但这种情况相对较少。
写操作
- 写入已存在的键值对时，尝试直接更新 read 中对应的条目。这通常可以通过原子操作完成，避免了加锁。
- 对于新增的键值对，则会添加到 dirty 缓存中。如果 dirty 尚未初始化，会先将 read 中的数据复制到 dirty。
数据迁移
- 随着时间推移，dirty 可能积累大量未迁移到 read 的数据。当达到一定条件时，sync.Map 会触发一次数据迁移，将 dirty 提升为新的 read 并清空旧的 dirty。
删除操作
- 删除操作不是立即从 read 或 dirty 中移除数据，而是标记相应的 entry 为已删除。这样可以延迟清理工作，减少内存分配和回收的开销。