Alfred的小站

常见面试题Object的finalize()方法的作用是否与C++的析构函数作用相同finalize()方法垃圾回收器准备释放内存的时候，会先调用finalize()。 与C++的析构函数不同，析构函数调用确定，而它的是不确定的 当对象变成(GC Roots)不可达时，GC会判断该对象是否覆盖了finalize方法，若未覆盖，则直接将其回收。否则，若对象未执行过finalize方法，将其放入F-Queue队列，由一低优先级线程执行该队列中对象的finalize方法。执行finalize方法完毕后，GC会再次判断该对象是否可达，若不可达，则进行回收，否则，对象“复活”。 方法执行随时可能被终止 给与对象最后一次重生的机会 对象不一定会被回收。 垃圾回收不是析构函数。 垃圾回收只与内存有关。 垃圾回收和finalize()都是靠不住的，只要JVM还没有快到耗尽内存的地步，它是不会浪费时间进行垃圾回收的。 Java中的强引用，软引用，弱引用，虚引用有什么用强引用 最普遍的引用：Object obj = new Object(); 抛出OutOfMemoryError ...

Linux体系结构Linux 体系结构分为用户态和内核态 内核：本质上是一段管理计算机硬件设备的程序 系统调用：内核的访问接口，是一种不能再简化的操作 公用函数库：系统调用的组合拳 Shell：命令解释器，可编程 查找特定文件find12# 语法：find path [options] params 在指定目录下查找文件 示例： 1find / -name "target.java" 12# 以target开头 不区分大小写 支持正则表达式 find / -iname "target*" 检索文件内容grep12# 语法：grep [OPTION]... PATTERN [FILE]... 全称：Global Regular Expression Print 作用：查找文件里符合条件的字符串 示例： 12# 从target开头的文件中找包含moo的行grep "moo" target* 12# 通过正则表达式匹配(输入由管道输入)grep -o 'engin[0-9]*' 12 ...

Redis 简介缓存中间件——Memcache 与 Redis 的区别Memcache：代码层次类似Hash 支持简单数据库 不支持持久化 不支持主从 不支持分片 Redis 数据类型丰富 支持持久化 支持主从 支持分片 如果只是简单需要一个key-value缓存，则mencache即可，有高级要求则建议Redis 为什么Redis这么快Redis可以达到100000+QPS（Query per second,每秒查询次数） 完全基于内存，绝大部分请求是纯粹的内存操作，执行效率高 数据结构简单，对数据操作也简单 采用单线程，单线程也能处理高并发请求，想多核也可启动多实例 单线程指网络请求模块使用了一个线程（所以不需考虑并发安全性），即一个线程处理所有网络请求，其他模块仍用了多个线程。 单线程避免了频繁的上下文切换和锁竞争，也不会出现并发问题。 整个Redis肯定是多线程的，比如持久化写入时就开一个子线程去写入。 使用多路I/O复用模型，非阻塞I/O 客户端与服务端建立连接交由socket，可以同时建立多个连接（这里应该是多线程/多进程 ...

Redis 常用数据类型供用户使用的数据类型 String 最基本的数据类型，二进制安全（可以存任何数据，包括图像等） 值最大有512M Hash String元素组成的字典，适合用户存储对象 List 列表，按照String元素插入顺序排列 Set String元素组成的无序集合，通过Hash表实现，不允许重复 Redis对Set提供了求交集并集等操作 Sorted Set（ZSet） 有序集合 每个元素会关联一个double类型的分数 通过分数为集合成员从小到大排序 用于计数的HyperLogLog 用于支持存储地理位置信息的Geo KEYS pattern： 查找所有符合给定模式pattern的key KEYS指令一次性返回所有符合条件的key 键的数量过大会使服务器卡顿 从海量key里查询某一固定前缀的keySCAN cursor [MATCH pattern] [COUNT count] scan每次执行都只会返回少量元素 故可以用于生产环境，而不会带来keys命令的阻塞问题 基于游标的迭代器，需要基于上一次的游标延续之前的迭代过程 以 ...

持久化方式之RDBRDB（快照）持久化：保存某个时间节点的全量数据快照Redis配置文件在根目录下的redis.conf 配置文件中RDB相关信息 含义：900秒内有一条写入就产生快照，300秒内有10条写入就产生快照，以此类推 配置二： 设置成yes表示当备份进程出错的时候主进程就停止接受新的写入操作 配置三： 设置成yes就表示在备份时先压缩再保存，建议设置成no RDB的创建与载入生成命令一：SAVE 阻塞Redis的服务进程，直到RDB文件被创建完毕（很少被使用） 生成命令二： BGSAVE Fork一个子进程来创建RDB文件，不阻塞服务器进程 LASTSAVE返回上次保存的时间 自动化触发RDB持久化的方式 根据redis.conf文件中的配置来定时触发（用的BGSAVE） 主从复置时，主节点自动触发 执行Debug Reload时 执行Shutdown且没有开启AOF持久化 BGSAVE原理 执行 bgsave 命令，Redis 父进程判断当前是否存在正在执行的子进程，如 RDB/AOF 子进程，如果存在 bgsave 命令直接返回。 父进 ...

AOF持久化AOF（Append-only-file）持久化：保存写状态 记录除查询以外所有变更数据库状态的指令 以append的形式将命令追加保存在AOF文件中（增量） 配置方法默认关闭，在配置文件中将appendonly no改为appendonly yes即可 配置写入方式： always：一有变更就写入，everysec：每秒写入一次，no：交由操作系统决定，通常缓存区被填满了才写入。 日志重写解决AOF文件大小不断增大问题冗余命令可以精简，redis可以在后台重建AOF文件 调用fork，创建一个子进程 子进程把新的AOF文件写入临时文件，不依赖原来的AOF文件 主进程持续将新的变动同时写入内存和原来的AOF里 主进程获取子进程重写AOF完成信号，往新的AOF同步增量变动 使用新的AOF文件替换掉原来的AOF文件 RDB和AOF的优缺点 RDB优点： 全量数据快照，文件小，恢复快 RDB缺点： 无法保存最近一次快照之后的数据 AOF优点： 可读性高，适合保存增量数据，数据不易丢失 AOF缺点： 文件体积大，恢复时间长 RDB ...

Pipline和主从同步Pipline Pipline和Linux管道类似 Redis基于请求/响应模型，单个请求处理需要一一作答 Pipline批量执行命令，节省多次I/O往返时间 有顺序依赖的指令建议分批发送 Redis同步机制主从同步原理 全量同步过程 Slave发送一个sync同步命令给Master要求全量同步。 Master接收到从服务的sync同步命令时，会fork一个子进程后台执行bgsave命令（非阻塞）快照保存，生成RDB文件。 Master将保存数据快照期间收到的写命令缓存起来 Mater完成写文件操作后将RDB文件发送给Slave Slave将接收到的RDB文件载入自己的redis内存。 待Slave将RDB载入完成后，主服务再将缓冲区所有写命令发送给从服务。 从服务在将主服务所有的写命令载入内存从而实现数据的完整同步。 从服务下次在需要同步数据时只需要发送自己的offset位置（相当于MySQL binlog的位置）即可，只同步新增加的数据，再不需要全量同步。 增量同步过程 Master接收到用户的操作指令，判断是否需要传播到slave ...

Redis集群如何从海量数据里快速找到所需分片：按照某种规则划分数据，分散存储在多个节点上常规实现方法：按照哈希值与节点数取模来存储 无法实现节点动态增减 一致性Hash算法： 对2^ 32取模，将Hash值空间组织成虚拟圆环 对节点用同方法取Hash 对数据key用同方法算出Hash，算出key在环上的位置 数据key沿环行走，存储在找到的第一台节点中 节点宕机后数据被保存到下一个节点中去 新增节点后数据也会被相应重新保存 缺点 Hash环数据倾斜问题 解决办法： 引入虚拟节点，每个节点计算多个hash，每个hash位置放置一个虚拟节点

redis有序集合zset的底层实现——跳跃表skiplist原理 上图用a,b,c,d,e五种有序链表及其变式（变式的名字是我随便起的）说明了跳跃表的motivation. [a]单链表：查询时间复杂度O(n)[b]level-2单链表：每隔一个节点为一个level-2节点，每个level-2节点有2个后继指针，分别指向单链表中的下一个节点和下一个level-2节点。查询时间复杂度为O(n/2)[c]level-3单链表：每隔一个节点为一个level-2节点，每隔4个节点为一个level-3节点，查询时间复杂度O(n/4)[d]指数式单链表：每2^i个节点的level为i+1，查询时间复杂度为O(log2N)[e]跳跃表：各个level的节点个数同指数式单链表，但出现的位置随机，查询复杂度仍然是O(log2N)吗 当数据较少时，sorted set是由一个ziplist来实现的。 当数据多的时候，sorted set是由一个dict + 一个skiplist来实现的。简单来讲，dict用来查询数据到分数的对应关系，而skiplist用来根据分数查询数据（可能是范 ...

Spring 家族Spring常见问题总结