2019年03月03日面试题目汇总
常见分布式全局唯一ID生成策略以及优缺点
方法一：用数据库自带的 auto_increment 来生成，
优点：
1 此方法使用数据库原有的功能，所以相对简单
2 能够保证唯一性，数据库唯一控制、为了保证唯一性，大量添加时候性能不佳
3 能够保证递增性，对数据库索引结构变更影响较小。
4 id之间的步长是固定且可自定义的
缺点：
1 该方式与数据库耦合，不同数据库的实现不一样，当切换数据库时候工作量较大。
2 扩展性差，性能有上限：因为写入是单点，数据库主库的写性能决定ID的生成性能上限，并且 难以扩展
3 自增的方式，数据是连续的。非常容易被恶意用户爬取数据
方法二： 使用uuid，uuid是一种常见的本地生成ID的方法。UUID uuid = UUID.randomUUID()
优点：
1 本地生成ID，不需要进行远程调用，时延低
2 扩展性好，与数据库无关，基本可以认为没有性能上限
缺点：
1 无法保证趋势递增，无序。增删的时候索引变更影响较大
2 uuid过长(不推荐主键过长，占用空间)，往往用字符串表示，作为主键建立索引查询效率低
方法三：Twitter 开源的 Snowflake 算法，核心思想：使用41bit作为毫秒数，10bit作为机器的ID（5个bit是数据中心，5个bit的机器ID）， 12bit作为毫秒内的流水号（意味着每个节点在每毫秒可以产生 4096 个 ID），最后还有一个符号位，永远是0。
优点：
1 速度快，保证唯一性。性能好
2 没有啥依赖，实现也特别简单。与数据库无关
缺点：
1 只能趋势递增。字段较长，作为主键建立索引查询效率低
2 依赖机器时间，如果发生回拨会导致可能生成id重复
缓存穿透、缓存击穿、缓存雪崩区别和解决方案
缓存：将一些常用但不常修改、非强一致性的数据缓存起来加快查询，减轻数据库压力，
缓存穿透：缓存和数据库中都没有的数据，而用户不断发起请求，如发起为id为“-1”的数据或id为特别大不存在的数据。这时的用户很可能是攻击者，攻击会导致数据库压力过大。
解决方案
1 接口层增加校验，如用户鉴权校验，id做基础校验，id<=0的直接拦截；
2 从缓存取不到的数据，在数据库中也没有取到，这时也可以将key-value对写为key-null，缓存有效时间可以设置短点。
缓存击穿：缓存中没有但数据库中有的数据（一般是缓存时间到期），大量并发用户同时读缓存没读到数据， 又同时去数据库去取数据，引起数据库压力瞬间增大，造成过大压力。(指并发查同一条数据)
解决方案
1 对于一些数据设置永久过期、过期时间设置在人流量少（推荐）的时候
2 加互斥锁，防止同一数据并发访问数据库。
缓存雪崩：缓存中数据大批量到过期时间，很多数据都查不到从而查数据库，而查询数据量巨大，引起数据库压力过大甚至down机。
解决方案
1 缓存过期时间分散或者集中在人流量很少的时候
2 一主多重，分表分库，读写分离。热点数据分布式部署。
注：缓存雪崩和缓存击穿不同的是缓存击穿指并发查同一条数据，缓存雪崩是不同数据都过期了，很多数据都查不到从而查数据库。
谈谈分布式事务和分布式锁
分布式锁：控制分布式系统有序的去对共享资源进行操作，通过互斥来保持一致性。一个资源同一时间只能被一个线程使用 高可用高性能的获取、释放锁。具备失效机制避免死锁。解决的是多进程的并发问题。
实现的三种方式：
1. 基于数据库实现分布式锁；
2. 基于缓存（Redis等）实现分布式锁；
3. 基于Zookeeper实现分布式锁
Redis与Zookeeper对比：Redis基于内存，性能比Zookeeper好。但是Redis的有效时间控制有延迟，可靠性Zookeeper更佳
分布式事务:事务是达到以下目的的最好方法即保证执行结果的正确性；保证数据的一致性；ACID
在CAP定理中，一致性、可用性、分区容错性是不可能同时存在的。但在实际的应用场景中，数据的一致性是需要保证的。
实现方案：
TCC 方案
消息队列
说一下HashMap，ConCurrentHashMap 1.7和1.8的区别
HashMap的区别
1 数据结构不一样了， 1.7是数组+链表，1.8是数组+链表+红黑树（当链长超过8时候转化为红黑树，小于等于6时，树结构还原成链表形式。）
2 扩容的时机：1.7在插入数据之前扩容，而1.8插入数据成功之后扩容。
3 扩容后数据存储位置的计算方式也不一样：
ConCurrentHashMap的区别
1.7基于Segment + HashEntry实现，对segment加锁
1.8基于Node + CAS + Synchronized实现