一份热乎乎的字节面试真题（二）

 

7. MySQL有几种高可用方案，你们用的是哪一种 

• 主从或主主半同步复制
• 半同步复制优化
• 高可用架构优化
• 共享存储
• 分布式协议
  7.1 主从或主主半同步复制
  用双节点数据库，搭建单向或者双向的半同步复制。架构如下：

 
通常会和proxy、keepalived等第三方软件同时使用，即可以用来监控数据库的健康，又可以执行一系列管理命令。如果主库发生故障，切换到备库后仍然可以继续使用数据库。

这种方案优点是架构、部署比较简单，主机宕机直接切换即可。缺点是完全依赖于半同步复制，半同步复制退化为异步复制，无法保证数据一致性；另外，还需要额外考虑haproxy、keepalived的高可用机制。

7.2 半同步复制优化
半同步复制机制是可靠的，可以保证数据一致性的。但是如果网络发生波动，半同步复制发生超时会切换为异步复制，异复制是无法保证数据的一致性的。因此，可以在半同复制的基础上优化一下，尽可能保证半同复制。如双通道复制方案

 

• 优点：这种方案架构、部署也比较简单，主机宕机也是直接切换即可。比方案1的半同步复制，更能保证数据的一致性。
• 缺点：需要修改内核源码或者使用mysql通信协议，没有从根本上解决数据一致性问题。
  7.3 高可用架构优化
  保证高可用，可以把主从双节点数据库扩展为数据库集群。Zookeeper可以作为集群管理，它使用分布式算法保证集群数据的一致性，可以较好的避免网络分区现象的产生。

 

• 优点：保证了整个系统的高可用性，扩展性也较好，可以扩展为大规模集群。
• 缺点：数据一致性仍然依赖于原生的mysql半同步复制；引入Zookeeper使系统逻辑更复杂。
  7.4 共享存储
  共享存储实现了数据库服务器和存储设备的解耦，不同数据库之间的数据同步不再依赖于MySQL的原生复制功能，而是通过磁盘数据同步的手段，来保证数据的一致性。
  DRBD磁盘复制

DRBD是一个用软件实现的、无共享的、服务器之间镜像块设备内容的存储复制解决方案。主要用于对服务器之间的磁盘、分区、逻辑卷等进行数据镜像，当用户将数据写入本地磁盘时，还会将数据发送到网络中另一台主机的磁盘上，这样的本地主机(主节点)与远程主机(备节点)的数据就可以保证实时同步。常用架构如下：

 
当本地主机出现问题，远程主机上还保留着一份相同的数据，即可以继续使用，保证了数据的安全。

• 优点：部署简单，价格合适，保证数据的强一致性
• 缺点：对IO性能影响较大，从库不提供读操作
  7.5 分布式协议
  分布式协议可以很好解决数据一致性问题。常见的部署方案就是MySQL cluster，它是官方集群的部署方案，通过使用NDB存储引擎实时备份冗余数据，实现数据库的高可用性和数据一致性。如下：

 

• 优点：不依赖于第三方软件，可以实现数据的强一致性；
• 缺点：配置较复杂；需要使用NDB储存引擎；至少三节点；
  8. 说说你做过最有挑战性的项目, 你负责那个模块,哪些最有挑战性，说说你做了哪些优化 
  项目这块的话，大家可以结合自己实际做的项目说哈。也可以加我微信，跟我一起交流哈，加油加油。

9.秒杀采用什么方案。 
设计一个秒杀系统，需要考虑这些问题：

 
如何解决这些问题呢？

• 页面静态化
• 按钮至灰控制
• 服务单一职责
• 秒杀链接加盐
• 限流
• 分布式锁
• MQ异步处理
• 限流&降级&熔断
  9.1 页面静态化
  秒杀活动的页面，大多数内容都是固定不变的，如商品名称，商品图片等等，可以对活动页面做静态化处理，减少访问服务端的请求。秒杀用户会分布在全国各地，有的在上海，有的在深圳，地域相差很远，网速也各不相同。为了让用户最快访问到活动页面，可以使用CDN（Content Delivery Network，内容分发网络）。CDN可以让用户就近获取所需内容。

9.2 按钮至灰控制
秒杀活动开始前，按钮一般需要置灰的。只有时间到了，才能变得可以点击。这是防止，秒杀用户在时间快到的前几秒，疯狂请求服务器，然后秒杀时间点还没到，服务器就自己挂了。

9.3 服务单一职责
我们都知道微服务设计思想，也就是把各个功能模块拆分，功能那个类似的放一起，再用分布式的部署方式。

如用户登录相关的，就设计个用户服务，订单相关的就搞个订单服务，再到礼物相关的就搞个礼物服务等等。那么，秒杀相关的业务逻辑也可以放到一起，搞个秒杀服务，单独给它搞个秒杀数据库。” 服务单一职责有个好处：如果秒杀没抗住高并发的压力，秒杀库崩了，服务挂了，也不会影响到系统的其他服务。
9.4 秒杀链接加盐
链接如果明文暴露的话，会有人获取到请求Url，提前秒杀了。因此，需要给秒杀链接加盐。可以把URL动态化，如通过MD5加密算法加密随机的字符串去做url。

9.5 限流
一般有两种方式限流：nginx限流和redis限流。

• 为了防止某个用户请求过于频繁，我们可以对同一用户限流；
• 为了防止黄牛模拟几个用户请求，我们可以对某个IP进行限流；
• 为了防止有人使用代理，每次请求都更换IP请求，我们可以对接口进行限流。
• 为了防止瞬时过大的流量压垮系统，还可以使用阿里的Sentinel、Hystrix组件进行限流。
  9.6 分布式锁
  可以使用redis分布式锁解决超卖问题。

使用Redis的SET EX PX NX + 校验唯一随机值,再删除释放锁。

if（jedis.set(key_resource_id, uni_request_id, "NX", "EX", 100s) == 1）{ //加锁
    try {
        do something  //业务处理
    }catch(){
  }
  finally {
       //判断是不是当前线程加的锁,是才释放
       if (uni_request_id.equals(jedis.get(key_resource_id))) {
        jedis.del(lockKey); //释放锁
        }
    }
}

 

在这里，判断是不是当前线程加的锁和释放锁不是一个原子操作。如果调用jedis.del()释放锁的时候，可能这把锁已经不属于当前客户端，会解除他人加的锁。

 
为了更严谨，一般也是用lua脚本代替。lua脚本如下：

if redis.call('get',KEYS[1]) == ARGV[1] then 
   return redis.call('del',KEYS[1]) 
else
   return 0
end;

9.7 MQ异步处理
如果瞬间流量特别大，可以使用消息队列削峰，异步处理。用户请求过来的时候，先放到消息队列，再拿出来消费。

9.8 限流&降级&熔断

• 限流，就是限制请求，防止过大的请求压垮服务器；
• 降级，就是秒杀服务有问题了，就降级处理，不要影响别的服务；
• 熔断，服务有问题就熔断，一般熔断降级是一起出现。
  10. 聊聊分库分表,分表为什么要停服这种操作，如果不停服可以怎么做 
  10.1 分库分表方案
• 水平分库：以字段为依据，按照一定策略（hash、range等），将一个库中的数据拆分到多个库中。
• 水平分表：以字段为依据，按照一定策略（hash、range等），将一个表中的数据拆分到多个表中。
• 垂直分库：以表为依据，按照业务归属不同，将不同的表拆分到不同的库中。
• 垂直分表：以字段为依据，按照字段的活跃性，将表中字段拆到不同的表（主表和扩展表）中。
  10.2 常用的分库分表中间件：
• sharding-jdbc（当当）
• Mycat
• TDDL（淘宝）
• Oceanus(58同城数据库中间件)
• vitess（谷歌开发的数据库中间件）
• Atlas(Qihoo 360)
  10.3 分库分表可能遇到的问题
• 事务问题：需要用分布式事务啦
• 跨节点Join的问题：解决这一问题可以分两次查询实现
• 跨节点的count,order by,group by以及聚合函数问题：分别在各个节点上得到结果后在应用程序端进行合并。
• 数据迁移，容量规划，扩容等问题
• ID问题：数据库被切分后，不能再依赖数据库自身的主键生成机制啦，最简单可以考虑UUID
• 跨分片的排序分页问题（后台加大pagesize处理？）
  10.4 分表要停服嘛？不停服怎么做？
  不用。不停服的时候，应该怎么做呢，分五个步骤：

1. 编写代理层，加个开关（控制访问新的DAO还是老的DAO，或者是都访问），灰度期间，还是访问老的DAO。
2. 发版全量后，开启双写，既在旧表新增和修改，也在新表新增和修改。日志或者临时表记下新表ID起始值，旧表中小于这个值的数据就是存量数据，这批数据就是要迁移的。
3. 通过脚本把旧表的存量数据写入新表。
4. 停读旧表改读新表，此时新表已经承载了所有读写业务，但是这时候不要立刻停写旧表，需要保持双写一段时间。
5. 当读写新表一段时间之后，如果没有业务问题，就可以停写旧表啦
   11. redis挂了怎么办？ 
   Redis是基于内存的非关系型K-V数据库，既然它是基于内存的，如果Redis服务器挂了，数据就会丢失。为了避免数据丢失了，Redis提供了持久化，即把数据保存到磁盘。

Redis提供了RDB和AOF两种持久化机制，它持久化文件加载流程如下：

 
11.1 RDB
RDB，就是把内存数据以快照的形式保存到磁盘上。

什么是快照? 可以这样理解，给当前时刻的数据，拍一张照片，然后保存下来。

RDB持久化，是指在指定的时间间隔内，执行指定次数的写操作，将内存中的数据集快照写入磁盘中，它是Redis默认的持久化方式。执行完操作后，在指定目录下会生成一个dump.rdb文件，Redis 重启的时候，通过加载dump.rdb文件来恢复数据。RDB触发机制主要有以下几种：

 
RDB 的优点

• 适合大规模的数据恢复场景，如备份，全量复制等
  RDB缺点
• 没办法做到实时持久化/秒级持久化。
• 新老版本存在RDB格式兼容问题
  11.2 AOF
  AOF（append only file） 持久化，采用日志的形式来记录每个写操作，追加到文件中，重启时再重新执行AOF文件中的命令来恢复数据。它主要解决数据持久化的实时性问题。默认是不开启的。

AOF的工作流程如下：

 
AOF的优点

• 数据的一致性和完整性更高
  AOF的缺点
• AOF记录的内容越多，文件越大，数据恢复变慢。
  12.你怎么防止优惠券有人重复刷？ 
  对于重复请求，要考虑接口幂等和接口防重。

大家可以看下之前我写的这篇文章哈：聊聊幂等设计

防刷的话，可以限流以及加入黑名单处理。

• 为了防止某个用户请求优惠券过于频繁，我们可以对同一用户限流。
• 为了防止黄牛等模拟几个用户请求，我们可以对某个IP进行限流。
• 为了防止有人使用代理，每次请求都更换IP请求，我们可以对接口进行限流。
  13. 抖音评论系统怎么设计，如果加入好友关系呢？ 
  需要考虑性能，以及可扩展性。大家平时有没有做过评论、好友关注等项目需求呀，发挥你聪明的小脑袋瓜，怎么去回答好这道题吧。

14. 怎么设计一个短链地址，要考虑跨机房部署问题 
14.1 为什么需要短连接？
为什么需要短连接呢？长链接不香吗？因为有些平台有长度限制，并且链接太长容易被识别为超链接等等。

14.2 短链接的原理
其实就是一个302重定向而已。

 
302状态码表示临时重定向。

14.3 短链接生成的方法
可以用哈希算法生成短链，但是会存在哈希冲突。怎么解决呢？可以用布隆过滤器。

有没有别的方案？自增序列算法，每次收到一个长链时，就分配一个ID，并转成62进制拼接到短域后面。因为高并发下，ID 自增生成器可能成为瓶颈。

一般有四种分布式ID生成方法：

1. uuid，它保证对在同一时空中的所有机器都是唯一的，但是这种方式生成的id比较长，并且是无序的，插入浪费空间。
2. Snowflake雪花算法，这种方案不错，但是如果某台机器的系统时钟回拨，有可能造成ID冲突重复，或者ID乱序（考虑跨机房部署问题）
3. Mysql 自增主键，在高并发下，db的写压力会很大
4. 用Redis做自增id生成器，性能高，但要考虑持久性的问题；或者改造雪花算法，通过改造workId解决时钟回拨的问题）
   15.有一个整型数组，数组元素不重复，数组元素先升序后降序，找出最大值。 
   例如：1,3,5,7,9,8,6,4,2，请写一个函数找出数组最大的元素
   这道题大家都会觉得很简单，因为用快速排序排一下，时间复杂是O(nlgn)，面试官可能不是很满意。其实可以用二分查找法，只要找到升序最后一个元素即可。

我们以1,6,5,4,2为例子，用二分法图解一下哈：

 
如何用二分法缩小空间呢？只要比较中间元素与其下一个元素大小即可

1. 如果中间元素大于其下一个元素大小，证明最大值在左侧，因此右指针左移
2. 如果中间元素小于其下一个元素大小，证明最大值在左侧，因此右指针左移
   因为nums[mid]=5>nums[mid+1]=4,因此右指针左移，right=mid-1=2-1=1

 
mid = left+ (right-left)/2=left=0,因为nums[mid]=1<nums[mid+1]=6,所以左指针右移，left = mid+1=1；

 
最后得出最大值是nums[left] =nums[1]=6

实现代码如下：

class Solution {

    public static void main(String[] args) {

        int[] nums = {1,3,5,7,9,8,6,4,2};
        System.out.println(getLargestNumInArray(nums));
    }

    private static int getLargestNumInArray(int[] nums) {
        if (nums == null || nums.length == 0) {
            return -1;
        }

        int left = 0, right = nums.length - 1;
        while (left <= right) {
            int mid = left + ((right - left) / 2);
            if (nums[mid] < nums[mid + 1]) {
                left = mid + 1;
            } else {
                right = mid - 1;
            }
        }

        return nums[left];
    }
}

 

文章转自公众号：小白debug