1. 使用“反向代理服务器”的优点是什么?
（1）提高访问速度
由于目标主机返回的数据会存在代理服务器的硬盘中，因此下一次客户再访问相同的站 点数据时，会直接从代理服务器的硬盘中读取，起到了缓存的作用，尤其对于热门站点 能明显提高请求速度。
（2）防火墙作用
由于所有的客户机请求都必须通过代理服务器访问远程站点，因此可在代理服务器上设 限，过滤某些不安全信息。
（3）通过代理服务器访问不能访问的目标站点
互联网上有许多开发的代理服务器，客户机可访问受限时，可通过不受限的代理服务器 访问目标站点，通俗说，我们使用的翻墙浏览器就是利用了代理服务器，可直接访问外 网。
2. 右值引用和move语义
1.move语义
最原始的左值和右值定义可以追溯到C语言时代，左值是可以出现在赋值符的左边 和右边，然而右值只能出现在赋值符的右边。在C++里，这种方法作为初步判断左 值或右值还是可以的，但不只是那么准确了。你要说C++中的右值到底是什么，这 真的很难给出一个确切的定义。你可以对某个值进行取地址运算，如果不能得到地 址，那么可以认为这是个右值。例如：
int& foo();
foo() = 3; //ok, foo() is an lvalue
int bar();
int a = bar(); // ok, bar() is an rvalue
为什么要move语义呢？它可以让你写出更高效的代码。看下面代码：
string foo();
string name("jack");
name = foo();
第三句赋值会调用string的赋值操作符函数，发生了以下事情：
1.首先要销毁name的字符串吧
2.把foo()返回的临时字符串拷贝到name吧
3.最后还要销毁foo()返回的临时字符串吧
这就显得很不高效，在C++11之前，你要些的高效点，可以是swap交换资源。C++11 的move语义就是要做这事，这时重载move赋值操作符
string& string::operator=(string&& rhs);
move语义不仅仅用于右值，也用于左值。标准库提供了std::move方法，将左值 转换 成右值。因此，对于swap函数，我们可以这样实现：
template<class T>
void swap(T& a, T& b)
{
T temp(std::move(a));
a = std::move(b);
b = std::move(temp);
}
2.右值引用
为了支持移动操作，c++新标准引入了一种新的引用类型—右值引用。所谓右值引 用就是必须绑定到右值的引用。我们通过&&而不是&来获得右值引用。如我们将要 看到的，右值引用有一个重要的性质—只能绑定到一个将要销毁的对象。因此，我 们可以自由地将一个右值引用的资源“移动”到另一个对象中。
一般而言，一个左值表达式表示的是一个对象的身份，而一个右值表达式表示的是 对象的值。
举例说明：
int i=42;
int &r=i; //正确，r引用i
int &&rr=i //错误，不能将一个右值引用绑定到一个左值上
int &r2=i*42; //错误，i*42是一个右值
const int &r3=i*42; //正确，我们可以将一个const的引用绑定到一个右值上
int &&r2=i*42; //正确，将rr2绑定到乘法结果上
1.左值持久，右值短暂
左值有持久的状态，而右值要么是字面值常量，要么是表达式求值过程中创建的临 时对象。
由于右值引用只能绑定到临时对象，我们得知
1.所引用的对象将要被销毁
2.该对象没有其他用户
这两个特征意味着：使用右值引用的代码可以自由地接管所引用的对象的资源。
3. kafka的生产者和消费者的理解
生产者:
Producer将消息发布到指定的Topic中,同时Producer也能决定将此消息归属于哪个 partition;比如基于"round-robin"方式或者通过其他的一些算法等.
消费者:
本质上kafka只支持Topic.每个consumer属于一个consumer group;反过来说,每个 group中可以有多个consumer.发送到Topic的消息,只会被订阅此Topic的每个group 中的一个consumer消费.
如果所有的consumer都具有相同的group,这种情况和queue模式很像;消息将会在 consumers之间负载均衡.
如果所有的consumer都具有不同的group,那这就是"发布-订阅";消息将会广播给所有 的消费者.
在kafka中,一个partition中的消息只会被group中的一个consumer消费;每个group 中consumer消息消费互相独立;我们可以认为一个group是一个"订阅"者,一个Topic 中的每个partions,只会被一个"订阅者"中的一个consumer消费,不过一个consumer 可以消费多个partitions中的消息.kafka只能保证一个partition中的消息被某个 consumer消费时,消息是顺序的.事实上,从Topic角度来说,消息仍不是有序的.
4. kafka三种消费语义与保证精准消费
- 消费语义的介绍
at last once：至少消费一次（对一条消息有可能多次消费，有可能会造成重复消费数 据）
原因：Proudcer产生数据的时候，已经写入在broker中，但是由于broker的网 络异常，没有返回ACK，这时Producer,认为数据没有写入成功，此时producer会再次 写入，相当于一条数据，被写入了多次。
at most once：最多消费一次，对于消息，有可能消费一次，有可能一次也消费不了
原因：producer在产生数据的时候，有可能写数据的时候不成功，此时broker就 跳过这个消息，那么这条数据就会丢失，导致consumer无法消费。
exactly once：有且仅有一次。这种情况是我们所需要的，也就是精准消费一次。
2.kafka中消费语义的场景
at last once：可以先读取数据，处理数据，最后记录offset，当然如果在记录offset 之前就crash,新的consumer会重复的来消费这条数据，导致了”最少一次“
at most once：可以先读取数据，然后记录offset，最后在处理数据，这个方式，就 有可能在offset后，还没有及时的处理数据，就crash了，导致了新的consumer继续 从这个offset处理，那么刚刚还没来得及处理的数据，就永远不会被处理，导致了” 最多消费一次“
exactly once：可以通过将提交分成两个阶段来解决：保存了offset后提交一次，消 息处理成功后，再提交一次。
3.kafka中如何实现精准写入数据？
A：Producer 端写入数据的时候保证幂等性操作：
幂等性：对于同一个数据无论操作多少次都只写入一条数据，如果重复写入，则执 行不成功
B：broker写入数据的时候，保证原子性操作, 要么写入成功，要么写入失败。（不成 功不断进行重试） - kafka中partition的工作原理?
Kafka集群partition replication默认自动分配分析
下面以Kafka集群中4个Broker举例，创建1个topic包含4个Partition，2 Replication；数据Producer流动如图所示：
当集群中新增2节点，Partition增加到6个时分布情况如下：
副本分配逻辑规则如下：
在Kafka集群中，每个Broker都有均等分配Partition的Leader机会。
上述图Broker Partition中，箭头指向为副本，以Partition-0为例:broker1中 parition-0为Leader，Broker2中Partition-0为副本。
上述图种每个Broker(按照BrokerId有序)依次分配主Partition,下一个Broker为副 本，如此循环迭代分配，多副本都遵循此规则。
副本分配算法如下：
将所有N Broker和待分配的i个Partition排序.
将第i个Partition分配到第(i mod n)个Broker上.
将第i个Partition的第j个副本分配到第((i + j) mod n)个Broker上.
另外需要完整版一线互联网大厂面试题以及关于c++ Linux后台服务器开发的一些知识点分享：Linux，Nginx，MySQL，Redis，P2P，K8S，Docker，TCP/IP，协程，DPDK，webrtc，音视频等等视频。
vx关注零声学院公众号领取！
