1.線程數(shù)怎么設(shè)置比較合適，為什么要有最大線程數(shù)
CPU密集型N+1侨糟，IO密集型2N碍扔，最大線程要在等待隊(duì)列跑完以后才執(zhí)行，核心線程數(shù)是不銷毀的秕重，最大線程要等隊(duì)列滿了才創(chuàng)建不同，執(zhí)行完后一段時(shí)間未調(diào)用會(huì)銷毀

2.幾種代理模式的區(qū)別，怎么實(shí)現(xiàn)比較好
cglib運(yùn)行時(shí)效率更高溶耘，jdk模式創(chuàng)建時(shí)效率更高二拐，單例或無需頻繁創(chuàng)建的實(shí)例池，用cglib凳兵，反之用jdk

3.Mysql的索引數(shù)據(jù)結(jié)構(gòu)有什么
Hash索引：原理和jdk的hashmap類似百新，缺點(diǎn)是不能范圍查詢
B-樹索引：節(jié)點(diǎn)即存放key也存放data
B+樹索引：只有葉子節(jié)點(diǎn)存放data，其他節(jié)點(diǎn)只存放key

B+樹的磁盤讀寫代價(jià)更低
B+樹的內(nèi)部結(jié)點(diǎn)并沒有指向關(guān)鍵字具體信息的指針庐扫。因此其內(nèi)部結(jié)點(diǎn)相對(duì)B樹更小饭望。如果把所有同一內(nèi)部結(jié)點(diǎn)的關(guān)鍵字存放在同一盤塊中，那么盤塊所能容納的關(guān)鍵字?jǐn)?shù)量也越多形庭。一次性讀入內(nèi)存中的需要查找的關(guān)鍵字也就越多铅辞。相對(duì)來說I/O讀寫次數(shù)也就降低了。

B+樹的查詢效率更加穩(wěn)定
由于內(nèi)部結(jié)點(diǎn)并不是最終指向文件內(nèi)容的結(jié)點(diǎn)萨醒，而只是葉子結(jié)點(diǎn)中關(guān)鍵字的索引斟珊。所以任何關(guān)鍵字的查找必須走一條從根結(jié)點(diǎn)到葉子結(jié)點(diǎn)的路。所有關(guān)鍵字查詢的路徑長(zhǎng)度相同富纸，導(dǎo)致每一個(gè)數(shù)據(jù)的查詢效率相當(dāng)囤踩。

B+樹更有利于對(duì)數(shù)據(jù)庫的掃描
B樹在提高了磁盤IO性能的同時(shí)并沒有解決元素遍歷的效率低下的問題，而B+樹只需要遍歷葉子節(jié)點(diǎn)就可以解決對(duì)全部關(guān)鍵字信息的掃描晓褪，所以對(duì)于數(shù)據(jù)庫中頻繁使用的range query高职，B+樹有著更高的性能

4.消息隊(duì)列，怎么保證數(shù)據(jù)不丟失
生產(chǎn)端：
Producer 的retries設(shè)置次數(shù)增加辞州，且要使用回調(diào)函數(shù)
消費(fèi)端：
記錄偏移量怔锌，關(guān)閉自動(dòng)提交，手動(dòng)提交偏移量
Kafka端：

設(shè)置 acks = all
解決辦法就是我們?cè)O(shè)置 acks = all。acks 是 Kafka 生產(chǎn)者(Producer) 很重要的一個(gè)參數(shù)埃元。
acks 的默認(rèn)值即為1涝涤，代表我們的消息被leader副本接收之后就算被成功發(fā)送。當(dāng)我們配置 acks = all 代表則所有副本都要接收到該消息之后該消息才算真正成功被發(fā)送岛杀。
設(shè)置 replication.factor >= 3
為了保證 leader 副本能有 follower 副本能同步消息阔拳，我們一般會(huì)為 topic 設(shè)置 replication.factor >= 3。這樣就可以保證每個(gè) 分區(qū)(partition) 至少有 3 個(gè)副本类嗤。雖然造成了數(shù)據(jù)冗余糊肠，但是帶來了數(shù)據(jù)的安全性。
設(shè)置 min.insync.replicas > 1
5遗锣、Redis集群怎么搭建
三種模式
1货裹、主從模式
一個(gè)節(jié)點(diǎn)為主節(jié)點(diǎn)，其他節(jié)點(diǎn)為從節(jié)點(diǎn)精偿，可以實(shí)現(xiàn)讀寫分離弧圆，單節(jié)點(diǎn)宕機(jī)也保證可用性，缺點(diǎn)是主階段宕機(jī)需要人為干預(yù)去選出新的主節(jié)點(diǎn)
2笔咽、哨兵模式
基于主從模式搔预，增加了哨兵進(jìn)程用于監(jiān)控主節(jié)點(diǎn)情況，當(dāng)多個(gè)哨兵認(rèn)定主節(jié)點(diǎn)掛掉了叶组，就自動(dòng)選舉出一個(gè)從節(jié)點(diǎn)作為新的主節(jié)點(diǎn)拯田。但和主從一樣多個(gè)主從間存儲(chǔ)的都是相同的數(shù)據(jù)
3、集群模式
去中心化甩十，采用多主多從船庇，每個(gè)分區(qū)存儲(chǔ)不同數(shù)據(jù)，客戶端直連枣氧，只需要連接任意一個(gè)節(jié)點(diǎn)溢十，每個(gè)分區(qū)都有全量插槽數(shù)據(jù)垮刹，通過計(jì)算插槽可得知數(shù)據(jù)具體在哪個(gè)節(jié)點(diǎn)达吞，并連接對(duì)應(yīng)節(jié)點(diǎn)獲取數(shù)據(jù)

6. 支付場(chǎng)景高并發(fā)怎么處理
   沒查到太好的辦法，但原則上是數(shù)據(jù)庫分庫分表荒典，主從結(jié)構(gòu)酪劫，使用分布式ID，雪花算法寺董，異步處理覆糟，保證數(shù)據(jù)最終一致性

親手搭建redis，kafka遮咖，zookeeper環(huán)境

7.分布式鎖
1.zookeeper實(shí)現(xiàn)
（1）利用節(jié)點(diǎn)名稱創(chuàng)建唯一共享鎖滩字，加鎖時(shí)所有客戶端一起創(chuàng)建/test/Lock節(jié)點(diǎn)，只有一個(gè)能成功并獲取鎖，解鎖時(shí)刪除/test/Lock節(jié)點(diǎn)麦箍，其余客戶端繼續(xù)競(jìng)爭(zhēng)漓藕，直到全部客戶端都獲取鎖
（2）利用臨時(shí)順序節(jié)點(diǎn)創(chuàng)建唯一共享鎖，所有客戶端都去/test下創(chuàng)建節(jié)點(diǎn)挟裂，如果創(chuàng)建的客戶端發(fā)現(xiàn)自己創(chuàng)建的是最小節(jié)點(diǎn)享钞，就獲取鎖，否則監(jiān)視比自己小的節(jié)點(diǎn)诀蓉，進(jìn)入等待栗竖，比如創(chuàng)建節(jié)點(diǎn)，/lock/0000000001渠啤、/lock/0000000002狐肢、/lock/0000000003。則節(jié)點(diǎn)/lock/0000000001會(huì)先獲得鎖埃篓，因?yàn)閦k上的節(jié)點(diǎn)是有序的处坪，且都是最小的節(jié)點(diǎn)先獲得鎖。
臨時(shí)順序節(jié)點(diǎn)比持久順序節(jié)點(diǎn)的好處是：當(dāng)zookeeper宕機(jī)后架专，臨時(shí)順序節(jié)點(diǎn)會(huì)自動(dòng)刪除同窘，獲取鎖的客戶端會(huì)釋放鎖，不會(huì)一直造成鎖等待部脚，而持久節(jié)點(diǎn)會(huì)造成鎖等待想邦。

方案一會(huì)產(chǎn)生驚群效應(yīng)，當(dāng)鎖釋放后所有客戶端都會(huì)被喚醒委刘，然后競(jìng)爭(zhēng)分布式鎖
方案二避免了驚群丧没，按順序喚醒

2.redis實(shí)現(xiàn)分布式鎖
setnx(set if not exist)：當(dāng)不存在key時(shí)，才為key設(shè)置value锡移。而set會(huì)直接覆蓋value
getset：根據(jù)key得到舊的值呕童，并設(shè)置新的值，用于獲取過期時(shí)間淆珊，如果已經(jīng)過期則設(shè)置新的過期時(shí)間并獲得鎖
expire:設(shè)置過期時(shí)間
del:刪除

實(shí)現(xiàn)方式：

（1）獲取鎖的時(shí)候夺饲，使用setnx加鎖，并使用expire設(shè)置過期時(shí)間施符，超過該時(shí)間自動(dòng)釋放鎖往声，鎖的value為一個(gè)隨機(jī)生成的UUID，通過此UUID來釋放鎖
（2）獲取鎖的時(shí)候還設(shè)置一個(gè)獲取的超時(shí)時(shí)間戳吝，若超時(shí)則放棄鎖
（3）釋放鎖時(shí)需判斷UUID浩销，若是該鎖則使用delete進(jìn)行刪除

3.數(shù)據(jù)庫實(shí)現(xiàn)分布鎖
實(shí)現(xiàn)方式：利用樂觀鎖和悲觀鎖
樂觀鎖：表中添加版本號(hào)的字段，更新前查版本號(hào)听哭，更新時(shí)檢查版本號(hào)慢洋，一致則更新塘雳，不一致則回退
悲觀鎖：select…for update，更新時(shí)鎖表普筹，需要關(guān)閉數(shù)據(jù)庫自動(dòng)提交

8.分布分表
分庫分表的原因：
磁盤IO瓶頸：熱點(diǎn)數(shù)據(jù)過多粉捻，數(shù)據(jù)庫緩存放不下，查詢產(chǎn)生大量IO斑芜，降低查詢速度（分庫肩刃，垂直分表）
網(wǎng)絡(luò)IO瓶頸：請(qǐng)求的數(shù)據(jù)太多，網(wǎng)絡(luò)帶寬不夠（分庫）
CPU瓶頸：SQL語句慢杏头，單表數(shù)據(jù)量大（水平分表盈包，sql優(yōu)化）

水平分庫：以字段為依據(jù)，按照一定策略（hash醇王，range等）呢燥，將一個(gè)庫的數(shù)據(jù)拆分到多個(gè)庫中。每個(gè)庫的結(jié)構(gòu)都一樣寓娩，每個(gè)庫的數(shù)據(jù)都不同叛氨，所有庫的數(shù)據(jù)為全量數(shù)據(jù)
水平分表：以字段為依據(jù)，按照一定策略（hash棘伴，range等）寞埠，將一個(gè)表的數(shù)據(jù)拆分到多個(gè)表中。每個(gè)表的結(jié)構(gòu)都一樣焊夸，每個(gè)表的數(shù)據(jù)都不同仁连，所有表的數(shù)據(jù)為全量數(shù)據(jù)
垂直分庫：以表為依據(jù)，按照業(yè)務(wù)歸屬不同阱穗，將不同表拆分到不同庫中饭冬。每個(gè)庫的結(jié)構(gòu)都不同，數(shù)據(jù)也不一樣
垂直分表：以字段為依據(jù)揪阶，按照字段的活躍性昌抠，將表中字段拆分到不同表中。每個(gè)表的結(jié)構(gòu)都不一樣鲁僚，每個(gè)表的數(shù)據(jù)也不一樣

分庫分表步驟：根據(jù)容量評(píng)估分庫分表個(gè)數(shù)——選擇key——分表規(guī)則（hash或range）——執(zhí)行（一般雙寫）——擴(kuò)容問題

分庫分表工具：ShardingSphere

9.什么是Hash
輸入不定長(zhǎng)度的數(shù)據(jù)炊苫，得到固定長(zhǎng)度數(shù)據(jù)的一種算法，特點(diǎn)是不能從結(jié)果推導(dǎo)出運(yùn)算過程