1. java虚拟机的GC原理
哪些需要回收（引用计数法和可达性分析法），什么时候回收（新生代、老年代、永久代回收时间，minorgc和fullgc），怎么回收（三种经典垃圾回收以及分代收集算法）
2.可达性算法
GC ROOTS作为根对象作为起点，根据引用关系向下搜索，走过的路径是“引用链”，如果某个对象到GC Roots没有引用链，那么就是不可达，就可以被回收
3.GC ROOTS有哪些
1.虚拟机栈中引用对象
2.方法区静态属性
3.方法区常量
4.本地方法栈Native方法引用对象
4.弱引用的用处
缓存和防止内存泄漏。比如threadlocalmap->entry->key这种引用，虽然想回收threadlocal，但是由于还有引用就回收不了，形成了内存泄漏。因此对key的引用作为弱引用，一旦取消了threadlocal的强引用后也会被回收
5.如何控制线程池的并发数
线程池的创建：存放线程的集合，核心线程最大线程，没有空闲线程时需要一个队列存储任务
方法1:使用semaphore控制
方法2:开一个ThreadPoolExecutor设置最大数量
方法3:用一个AtomicInteger做一个计数器
方法4:使用ArrayBlockingQueue进行阻塞
6.乐观锁是什么
假设数据一半不会造成冲突，在数据进行提交更新的时候，才对数据是否冲突进行检测。cas检测。
涉及到三个值：内存地址V，旧的预期值A，新值B。存在ABA问题，用版本号机制解决。
7.CAS的缺点
1.CPU消耗大
2.只能保证一个共享变量的原子性，多个要使用atomicReference或者用sychronize锁机制
3.存在ABA问题，可以使用atmomicStampedReference，不仅要检查值，还要检查标志
8.java里面怎么实现一个乐观锁（调用）
juc建立在cas上的，提供了atomicInteger， atomicBoolean和AtomicLong等
9.哈希冲突一般怎么解决
开放定址法：遇到冲突寻找一个新的地址（线性探测+1，二次探测前后看）
rehash法：再引入一个新的哈希，直到不重复为止，但是会有额外的时间消耗
链地址法：将哈希相同的存到同一条链上
建立公共溢出区：将发生冲突都放在溢出表中
10.拉链法如果重复比较多的时候，性能下降很厉害咋办
动态调整槽位的数量，避免冲突过多
良好的哈希函数，减少冲突概率
负载因子控制，控制每个链的平均长度
冲突解决策略，使用开发定址或者再哈希的方法
11.红黑树和AVL的区别
AVL比红黑树更加平衡，但是在插入和删除的时候可能会存在大量的旋转
因此，如果插入和删除频繁的情况下，优先考虑性能更好的红黑树
反之，如果查找更频繁，优先使用AVL树
12.AVL和RBT旋转次数比较
AVL：插入最多一次旋转，删除最多logN次
RBT：插入最多2次，删除最多3次
13.一致性哈希知道吗
使用环形的哈希空间，在增加或删除一个服务器的时候，尽可能少的改变原有的映射关系
将请求均匀地分配到服务器上，确保同样的用户总是访问同一个服务器等，虚拟节点解决哈希倾斜
顺时针移到的第一个服务器就是对应的哈希服务器
14.time_wait和close_wait
time_wait:我方主动调用close后，收到对方确认之后变成time_wait
close_wait:对方主动关闭或者网络异常导致中断，我方会变成close_wait, 需要调用close正确关闭
15.time_wait保持多长时间
2MSL
16.为什么是2MSL
保证旧的连接状态不会对新的连接状态产生影响
去向ACK的最大存活时间(MSL) + 来向FIN的最大存活时间(MSL)
17. 一个32位的JVM可以管理多大的内存
32位处理器的内存空间有4GB，但是JVM会相对小一点，例如2-3GB
18.跳表数据结构，时间复杂度
多个索引层，快速查找、插入、删除
时间复杂度都是logN
19.跳表应用场景
LSM TRee：生成有序文件，用跳表在内存忘磁盘flush效率很高，level DB和Rocket DB都用了LSM TRee
其他场景：Lucene， elasticSearch， Redis等实现快速搜索
20.为什么redis中用跳表而不用RBT？
实现有序集合zset，集群节点中做内部数据结构时候用到skiplist
原因：
1.跳表的范围查找更加简单
2.平衡树的插入和删除可能引起子树的调整
3.跳表的内存占用更小，平衡树每个节点2个指针，跳表的指针平均为1 / (1 - p)
4.实现更简单
21.如何定位数据库的慢查询
1.看slow_query_log, 看看超过long_query_time才会记录到日志中
2.explain查看sql执行计划
3.步骤2只是预估的，使用profiling看到详细的执行耗时，例如资源切换、io和上下文信息等
4.optimizer trace看到具体的执行过程信息
22.为什么索引可以加快查询速度
可以由全表扫描变成索引扫描，例如从on变成ologn
23.b+t和rbt有什么区别
结构差异：rbt是自平衡二叉搜索树，通过对节点进行染色和旋转保持平衡，每个节点存储一个关键字
b+t是多路平衡查找树，一个节点可以存多个关键字和指针；b+t非叶子结点只能是索引，叶子才有关键字
使用场景：b+t存储多个关键字，例如数据库查询建立索引
rbt有快速的增删查效率，但是批量读或顺序遍历时候效率不如b+t，在内存中进行简单操作可用红黑树
存储空间：红黑树需要更多的额外内存维护颜色和指向父节点指针
24. 3层b+t可以存多少行数据
在innodb，最小存储单位是page，一个page是16kb，3层大概是2kw，要三次io
b树非叶子结点可以存的索引更少，导致树的高度更大，导致io更大
25.一个进程fork一个子进程，内存占用会不会翻倍
不会，用了写时复制的技术，只有当父进程的各段内容要发生变化时，才会将父进程的内容copy一份给子进程
在没有改变之前，两者的物理空间是同一个，但是虚拟空间不同
26.java里的垃圾回收机制，这几种标记法的区别？
1.标记清除算法：对存活的进行标记，对未标记的进行清除；两个阶段效率不高，存在空间碎片
2.标记复制算法：将内存分成等大小的两块，每次只用一块，用完一块就将还存活的对象放到另一块，然后清理这一块；不存在碎片（适用新生代）
3.标记整理法：复制算法要在对象存活率高的时候进行，否则效率变低；整理法将存活的对象向一端移动，然后清理掉边界外的（使用老年代）
27.hashMap底层结构
jdk1.7及之前：数组 + 链表
jdk1.8:数组+链表+红黑树
28.什么时候转红黑树
链表长度大于等于8，根据poison分布得到链表元素个数和概率的对照表，长度为8的时候已经很小，变成红黑树提高查找效率
29.hashmap如何扩容
负载因子0.75，太多会产生哈希碰撞，太少会浪费空间
当一个map填满了75%的bucket，将会创建原来大小两杯的bucket数组，重新调整map的大小，并将原来的对象放入新的bucket当中，这叫rehash
30.为什么链表和红黑树之间转换有个6和8之间的缓冲区
大于等于8，链表转rbt
小于等于6，rbt转链表
中间有个7可以防止数据结构频繁切换
31. hashmap是非线程安全的，怎么变成线程安全的
hashmap全部操作没有加锁，会存在数据覆盖等，hashtable只是简单+synchronized，效率低下
concureenthashmap通过原子操作和局部加锁保证了线程安全同时减少了性能损耗
1.8后，concurrenthashmap从segment到hashentry，进一步降低锁的粒度
32. 如果读多写少的场景，怎么设计
引入copyonwrite的思想，去掉锁，写数据的时候利用拷贝的副本来执行，用空间换时间
配合volatile修改后立马更新到新的值
如果用读写锁的话，会导致写锁阻塞大量读操作
33. 假设我们写个服务器，估计要支持几万人同时在线，这时候应该怎么来做？
一台云服务器大概支持2000左右用户
通过负载均衡技术如nginx将流量分配到多台服务器上提高系统可靠性和可扩展性
同时可以使用io多路复用技术提高程序并发新能
34.io多路复用
bio：等待整个read的过程
nio：需要轮询，知道成功
io多路复用：select之后等到socket激活，激活后直接read完成，优点就是可以在同一个线程内同时处理多个io请求
35.ws底层原理
实现了浏览器和服务器的全双工通信，更好地节省服务器资源和带宽来实现实时通讯
ws基于tcp，握手用http，后建立tcp连接，解决了轮询造成了额外通信开销
36.tcp udp对比
tcp：面向连接、可靠、字节流、传输效率慢、所需资源多、文件邮件、 首部字节多
udp：无连接、不可靠、数据报文段、传输块资源少、语音视频、 首部字节少
37. 为什么tcp慢
tcp传输数据前要先建立连接，还有拥塞控制流量控制等以及可靠性控制，所以传输效率更慢
38. udp接受到包不是按顺序的，怎么办？
1.发送端对包进行标号
2.接受端允许短暂时延等待乱序的包
39. redis和mysql的区别
redis缓存数据库，mysq关系型数据库
mysq持久化数据到硬盘，但是速度较慢，但没有空间限制
redis将使用频繁的数据写缓存，读取块，基于内存，但是空间小
高性能用redis，不需要高性能用mysql，两者间进行同步
40. redis持久化
RDB：在指定时间间隔把内存数据写入侧畔，fork一个子进程，可能会有丢失
AOF：以日志的形式记录每一个操作，可以重写减少容量，比较慢
41.如果有一个群消息，要怎么处理？每个人读取的进度不同
redis实现多人消息队列
redis基于订阅发布模式实现广播模式，多个消费者同时订阅多个信道，即时接受，但是如果不在线可能会丢失或者积压（类似rabbitmq）
stream类型：消息可回溯，可以被多个消费者读取，可以阻塞读取，功能完善的消息队列
42.拆表的依据
垂直拆分：将一张列比较多的表拆成多张表（把不常用的字段单独一个表，将大字段单独拆分，把经常组合查询的列放一张表）
水平拆分：行拆分，超过200w就会变慢
43.如何定位cpu占用过高的问题
top命令找到进程pid
用top -H -p找到进程中消耗资源的线程id
将线程转换16进制
用jstack进程id ｜ grep 线程id 查看线程状态信息即可
44.消息队列
不需要马上获得结果，但是对并发量又有控制，就使用消息队列
解耦异步削峰
45.redis+lua扣减库存怎么做
执行lua脚本时，服务器活动在期间都被阻止
业务逻辑：调用redis的get查看库存，判断是否足够，如果足够则扣减
lua脚本变成字符串，添加脚本预加载机制
46.为什么redis+lua可以保证原子性
redis通过eval调用lua脚本
因为redis使用了单线程执行模型，redis会把lua脚本作为一个整体当作任务加入队列，单线程按照顺序依次执行
47.redis和mysql的一致性
读写双写：更新mysql的同时更新redis
数据过期策略：确保缓存数据不会过期太久，减少数据不一致
异步更新：mq + redis异步更新，提高系统性能可靠性
监控和恢复：定期监控redis和mysql的一致性并进行修复
48.rocketmq底层原理
生产者发送信息，broker存储信息追加到commitLog中，消费者拉去信息（offset记录位置）
pageCache：加速消息的读写操作，物理缓存
consumeQueue：逻辑缓存，消费者快速拉去和跟踪消息
崩溃恢复机制：offset上次消费， checkpooint读取offset， commmitLog校验
49.redis分布式锁
意义：控制分布式系统全局的共享资源
在分布式系统中控制共享资源的访问问题
使用setnx，返回1就有锁；使用del释放锁；设置expire超时时间
50.sql的索引类型
哈希表：使用于唯一等值查询，通过哈希函数快速定位，缺点是不支持范围、排序、匹配等
b树：每个节点存储key和data，叶子结点指针null
b+树：叶子存的data，其他存索引
51.哪些场景索引会越来越慢
索引失效的场景：
字段类型不匹配，使用了表达式，用了内置函数，like用了左模糊匹配，不是联合索引的最左边，使用了or、in、not in之类的
52.java语言是怎么运行的
java通过javac到字节码文件.class，再通过java命令运行
具体而言，得到字节码后通过类加载器classloader加载内存，通过字节码校验器校验后，并翻译成机器码
jvm：负责将编译后的class文件转换成当前计算机能够执行的指令
53.java支持热更新吗
热更新是指在不中断应用服务器情况下更新程序，主要实现依赖于java的类加载器机制
当需要更新一个类的时候，创建一个新的类加载器加载新版本的类，旧版本的不需要改变
54.nignx的作用
路由功能：根据访问选择后台服务器
负载均衡：选择服务器，降低服务端压力，提高并发量
动静分离：充当静态服务器，比如html文件等
55.nignx为什么要分发
例如分发到不同的微服务，根据不同的host、域名、开发语言、浏览器之类的
56.跨域是谁控制
跨域是浏览器的限制，解决跨域问题需要前端和服务端在http请求头响应头上的配合
57.java中锁有哪些类型
悲观锁vs乐观锁
公平锁vs非公平锁
可重入锁vs不可重入锁
自旋锁
共享锁vs独享锁