面试问题记录

1.多线程，线程池

1.如何创建线程

实现 Runnable 接口，重写run方法；
实现 Callable 接口，重写call方法；
继承 Thread 类，重写run方法。

2.基础线程机制

Executors：可以创建四种类型的线程池：

CachedThreadPool：带缓存的线程池，每来一个任务创建一个线程；
FixedThreadPool：所有任务只能使用固定大小的线程；
SingleThreadExecutor：相当于大小为 1 的 FixedThreadPool。
ScheduledThreadPool：可以执行延迟任务的线程池。

Daemon：守护线程

sleep：休眠方法

yield：声明了当前线程已经完成了生命周期中最重要的部分，可以切换给其它线程来执行

3.线程中断

调用interrupt()方法，抛出 InterruptedException异常
调用interrupted()方法，设置线程的中断标记
调用 Executor 的 shutdown() 方法

4.线程的状态

新建、可运行、阻塞、无限期等待、限期等待、死亡

5.线程之间的协作

join()
wait()、notify()
await()、signal()

6.同步

锁的实现
synchronized 是 JVM 实现的，而 ReentrantLock 是 JDK 实现的。
性能
新版本 Java 对 synchronized 进行了很多优化，例如自旋锁等，synchronized 与 ReentrantLock 大致相同。
等待可中断
当持有锁的线程长期不释放锁的时候，正在等待的线程可以选择放弃等待，改为处理其他事情。
ReentrantLock 可中断，而 synchronized 不行。
公平锁
公平锁是指多个线程在等待同一个锁时，必须按照申请锁的时间顺序来依次获得锁。synchronized 中的锁是非公平的，ReentrantLock 默认情况下也是非公平的，但是也可以是公平的。
锁绑定多个条件
一个 ReentrantLock 可以同时绑定多个 Condition 对象。

2.Redis的内容，Redis的持久化机制，存的set数据太多有什么问题

1.Redis的数据类型

String、List、Set、ZSet、Hash

2.数据结构

跳表，跳表是基于多指针有序链表实现的，可以看成多个有序链表。

与红黑树等平衡树相比，跳跃表具有以下优点：

插入速度非常快速，因为不需要进行旋转等操作来维护平衡性；
更容易实现；
支持无锁操作。

缺点：

空间复杂度较高：跳表需要维护多层索引，因此在存储上需要更多的空间。
不适合频繁插入删除：在频繁插入和删除元素的情况下，维护跳表的索引结构可能会变得复杂，导致性能下降。

3.使用场景

排行榜、缓存、分布式锁

4.内存淘汰策略

noeviction：当内存使用超过配置的时候会返回错误，不会驱逐任何键
allkeys-lru：加入键的时候，如果过限，首先通过LRU算法驱逐最久没有使用的键
volatile-lru：加入键的时候如果过限，首先从设置了过期时间的键集合中驱逐最久没有使用的键
allkeys-random：加入键的时候如果过限，从所有key随机删除
volatile-random：加入键的时候如果过限，从过期键的集合中随机驱逐
volatile-ttl：从配置了过期时间的键中驱逐马上就要过期的键
volatile-lfu：从所有配置了过期时间的键中驱逐使用频率最少的键
allkeys-lfu：从所有键中驱逐使用频率最少的键

5.持久化机制

RDB持久化：将某个时间点的所有数据都存放到硬盘上。可以将快照复制到其它服务器从而创建具有相同数据的服务器副本。如果系统发生故障，将会丢失最后一次创建快照之后的数据。
AOF持久化：将写命令添加到 AOF 文件的末尾。使用 AOF 持久化需要设置同步选项，从而确保写命令同步到磁盘文件上的时机。
always 选项会严重减低服务器的性能；
everysec 选项比较合适，可以保证系统崩溃时只会丢失一秒左右的数据，并且 Redis 每秒执行一次同步对服务器性能几乎没有任何影响；
no 选项并不能给服务器性能带来多大的提升，而且也会增加系统崩溃时数据丢失的数量。

6.set存数据太多的问题

内存消耗： Redis 是内存数据库，存储大量的 Set 数据会占用大量的内存资源。如果数据量超出了可用内存，可能导致 Redis 无法正常工作，甚至系统崩溃。
持久化成本：如果启用了持久化机制（如快照或日志持久化），存储大量的数据会导致持久化操作变得耗时，并可能影响系统的响应性能。
数据传输开销：当数据量较大时，在网络传输数据时可能会引起显著的网络开销，影响数据传输的效率和速度。
查询性能：对大型 Set 进行复杂查询可能会影响查询性能，增加响应时间，特别是在数据集不适合全部加载到内存的情况下。

应对：数据分片、压缩、调整持久化配置、进行性能监控和调优

3.MySQL索引，为什么选择B+树，如果用B树，红黑树，缺点是什么

1.数据结构：B+树

2.为什么选择B+树

B+ Tree 是基于 B Tree 和叶子节点顺序访问指针进行实现，它具有 B Tree 的平衡性，并且通过顺序访问指针来提高区间查询的性能。
B+树的数据全部存放在叶子节点，非叶子节点只存放索引，不放数据，所以B+树的高度会更低一点，可以减少磁盘寻道次数。

3.B树的缺点

非叶子节点存放数据
B 树的节点分裂和合并需要频繁地调整树的结构，不支持高度动态的场景

4.红黑树的缺点

范围查询性能差
当节点数过多时，高度会急速增加，影响性能

4.如何优化SQL查询？优化索引？对于explain语句里面常见的字段含义是什么？

1.优化sql查询

选择合适的索引
尽量使用limit
使用连表查询而不是子查询
查询的时候，返回需要的字段而不是全部字段

2.优化索引

需要使用多个列作为查询条件时，尽量使用多列索引
把选择性更强的列放在前面
使用覆盖索引
注意索引的失效场景

3.explain语句里常见字段含义

select_type : 查询类型，有简单查询、联合查询、子查询等
type：表示访问类型，用于表示查询的访问方式，如ALL（全表扫描）、index（使用索引扫描）、range（范围查询）等。
key : 使用的索引
rows : 扫描的行数

5.MySQL事务，ACID，隔离级别

1.Mysql事务：

事务指的是满足 ACID 特性的一组操作，可以通过 Commit 提交一个事务，也可以使用 Rollback 进行回滚。

2.ACID：

原子性（Atomicity）
事务被视为不可分割的最小单元，事务的所有操作要么全部提交成功，要么全部失败回滚。回滚可以用回滚日志（Undo Log）来实现，回滚日志记录着事务所执行的修改操作，在回滚时反向执行这些修改操作即可。
一致性（Consistency）
数据库在事务执行前后都保持一致性状态。在一致性状态下，所有事务对同一个数据的读取结果都是相同的。
隔离性（Isolation）
一个事务所做的修改在最终提交以前，对其它事务是不可见的。
持久性（Durability）
一旦事务提交，则其所做的修改将会永远保存到数据库中。即使系统发生崩溃，事务执行的结果也不能丢失。

3.隔离级别