最新的文章有解答思路，優(yōu)化了排版。
鏈接：http://fangfengwang8.cn/discuss/733322587777888256?sourceSSR=users
1. 淘寶，在你商品的購物車頁面，有幾個(gè)商品，點(diǎn)擊商品購物之后點(diǎn)擊支付會(huì)跳轉(zhuǎn)到第三方頁面不管是微信還是支付寶，從你點(diǎn)擊支付跳轉(zhuǎn)到支付頁面，輸入支付碼，完成支付之后返回響應(yīng)的訂單列表頁面，在這個(gè)業(yè)務(wù)場景中試著想想會(huì)有什么問題？架構(gòu)方面你會(huì)怎么設(shè)計(jì)？
問題總結(jié)：
?支付狀態(tài)同步延遲?（第三方回調(diào)不及時(shí)，訂單狀態(tài)不一致）；
?網(wǎng)絡(luò)中斷或用戶中途退出?（支付未完成，訂單狀態(tài)卡在“處理中”）；
?重復(fù)支付或超時(shí)失效?（用戶重復(fù)操作或支付超時(shí)未更新）；
?數(shù)據(jù)一致性風(fēng)險(xiǎn)?（訂單、庫存、支付系統(tǒng)間狀態(tài)沖突）；
?第三方支付回調(diào)失敗?（網(wǎng)絡(luò)抖動(dòng)或接口異常導(dǎo)致狀態(tài)丟失）。
架構(gòu)設(shè)計(jì)思路：
?異步通知 + 主動(dòng)查詢：用MQ監(jiān)聽第三方支付結(jié)果，同時(shí)定時(shí)任務(wù)補(bǔ)償未確認(rèn)訂單；
?冪等設(shè)計(jì)：訂單ID與支付流水號(hào)綁定，防止重復(fù)處理；
?分布式事務(wù)最終一致性：通過狀態(tài)機(jī)驅(qū)動(dòng)訂單流轉(zhuǎn)，結(jié)合日志和補(bǔ)償機(jī)制；
?前端兜底：支付完成后強(qiáng)制刷新訂單列表，并引導(dǎo)用戶手動(dòng)查詢；
?容災(zāi)降級(jí)：第三方支付異常時(shí)，提供延遲跳轉(zhuǎn)或本地訂單狀態(tài)緩存。

2. 大文件小內(nèi)存,文件內(nèi)存儲(chǔ)的是數(shù)字,要求對(duì)文件內(nèi)容進(jìn)行排序,詳細(xì)說明每一步干什么？
假設(shè)有10GB數(shù)字文件，內(nèi)存1GB：
?分割：生成11個(gè)臨時(shí)文件（每個(gè)約0.9GB）。
?內(nèi)部排序：每個(gè)文件排序后保存。
?歸并：若系統(tǒng)允許同時(shí)打開10個(gè)文件，則每次歸并10路，兩輪完成（10→1）。
?輸出：得到最終有序文件，刪除臨時(shí)數(shù)據(jù)。

3. 在表上新增一個(gè)字段時(shí)，如果這個(gè)表正在進(jìn)行讀寫操作，應(yīng)該如何處理以確保不影響現(xiàn)有操作？
用工具繞過鎖表

? ?在線DDL：MySQL用ALGORITHM=INPLACE；SQL Server用ONLINE=ON。
? ?無鎖工具：pt-online-schema-change或gh-ost（影子表同步，秒級(jí)切換）。
?代碼與數(shù)據(jù)兼容

?? ?先發(fā)代碼：應(yīng)用層兼容新字段（允許NULL/默認(rèn)值）。
?? ?默認(rèn)值必填：如DEFAULT 0，避免臟讀。
?低風(fēng)險(xiǎn)操作

? ?低峰執(zhí)行：監(jiān)控流量，避開業(yè)務(wù)高峰。
?? ?備回滾方案：工具自動(dòng)備份原表，異常時(shí)快速回退。

4. 在Linux命令行敲下一行命令，會(huì)進(jìn)行哪些事情？
Shell解析：處理別名、變量、通配符、重定向和管道。

命令類型判斷：檢查是內(nèi)建命令還是外部可執(zhí)行文件。

創(chuàng)建子進(jìn)程：通過fork()和exec()加載并執(zhí)行命令。

執(zhí)行命令：程序運(yùn)行，可能調(diào)用系統(tǒng)調(diào)用與內(nèi)核交互。

結(jié)束與清理：返回狀態(tài)碼，回收資源。

返回Shell：重新進(jìn)入交互狀態(tài)，等待下一條命令。

5. 比如說 42 億個(gè) QQ 號(hào)，然后有 10 萬行數(shù)據(jù)。那比如它這個(gè)數(shù)據(jù)量就比較大了，查閱效率比較低。那你要提升查閱效率的話，采用分庫的方法，你覺得要怎么分？比如前5萬行放到一個(gè)庫里，然后5萬行放到一個(gè)庫里。這里有個(gè)問題，比如說想要查找名字叫做abc的所有賬號(hào)，可能前五萬行外行里邊有 10 個(gè)，后五萬個(gè)行里邊有 3 個(gè)，然后你要查出名字叫abc的用戶，你就要查兩次？
6. 從前端頁面到Java后臺(tái)再到數(shù)據(jù)庫，有一張表，表存在上百萬條數(shù)據(jù)，從這三個(gè)層面，去做一個(gè)查詢方面的優(yōu)化，單表查詢。
7. 假設(shè)現(xiàn)在還有挺多內(nèi)存，有什么情況還會(huì)頻繁fullgc？
8. 如何判斷語言是面向?qū)ο蟮倪€是面向過程的？
9. 使用普通的互斥鎖實(shí)現(xiàn)讀寫鎖
10. 后端項(xiàng)目的集群部署，如果在使用canal同步數(shù)據(jù)庫binlog的時(shí)候發(fā)生了宕機(jī)，從節(jié)點(diǎn)的同步方案?
11. 如果服務(wù)和mq之前發(fā)送消息進(jìn)行數(shù)據(jù)同步的過程意外暫停了，如何去排查？
12. 把面試官看成是一個(gè)小白的話，如何去給他講解mysql的作用和底層實(shí)現(xiàn)？對(duì)比使用文本文件存儲(chǔ)
13. 選課，課的人數(shù)不能超，人的時(shí)間段不能重
14. 設(shè)計(jì)表的時(shí)候，關(guān)聯(lián)表和在一個(gè)表中加冗余字段關(guān)聯(lián)各有什么優(yōu)勢(shì)
15. 分庫分表方案（題目：淘寶購物場景-區(qū)分用戶訂單和商家訂單）
16. 庫存系統(tǒng)設(shè)定（講到了分為讀和寫。高并發(fā)讀的情況下怎么扛住。數(shù)據(jù)一致性怎么保證。怎么加鎖的，鎖的粒度在流程中鎖了什么？）
17. 遇到內(nèi)存泄露有什么排查方式
18. 看堆內(nèi)存溢出的時(shí)候會(huì)看那些指標(biāo)？
19. 解決超賣問題的思路
20. 為什么你數(shù)據(jù)庫的ID不用自增ID而是用雪花ID?
21. 單例模式有沒有線程安全情況
22. 編寫Java程序到到運(yùn)行經(jīng)歷了什么
23. viloate關(guān)鍵字作用，為什么jvm會(huì)指令重排序，我說加快運(yùn)行速率，為什么可以加快？
24. 防抖和節(jié)流如何實(shí)現(xiàn)
25. 服務(wù)器大量請(qǐng)求超時(shí)，怎么排查
26. 棧溢出會(huì)對(duì)其他進(jìn)程造成影響嗎？
27. 程序是如何在計(jì)算機(jī)上跑起來的？
28. 需要啟動(dòng)一個(gè)線程去完成某一個(gè)工作，耗時(shí)是不確定的，我需要設(shè)置一個(gè)超時(shí)時(shí)間，不管運(yùn)不運(yùn)行完都要返回，如何設(shè)計(jì)呢？
29. 假如mysql和redis使用kafka解耦之后，有一部分失敗導(dǎo)致數(shù)據(jù)不一致怎么辦
30. bitmap的作用，及常見使用場景
31. 對(duì)于微博成千上萬的評(píng)論，一個(gè)評(píng)論可能還會(huì)有很多回復(fù)，你會(huì)如何設(shè)計(jì)這個(gè)評(píng)論系統(tǒng)？
32. 業(yè)務(wù)上 什么情況使用悲觀鎖，什么情況使用樂觀鎖？
33. .我用了一個(gè)多線程去查多個(gè)結(jié)果集，主線程使用線程池獲取多個(gè)結(jié)果集，主線程如何知道前面的線程執(zhí)行完了，并且得到結(jié)果集？
34. 你怎么對(duì)帖子按照最熱進(jìn)行排行？用戶點(diǎn)贊/關(guān)注這個(gè)三元組(如果數(shù)據(jù)量很大)怎么存儲(chǔ)查詢？
35. 1000w url排序，10M內(nèi)存
36. 一個(gè)商品1000萬庫存，20w秒殺，只用設(shè)計(jì)減庫存環(huán)節(jié)
37. 怎么快速定位到五分鐘內(nèi)重復(fù)登錄了兩次的QQ號(hào)，用什么數(shù)據(jù)結(jié)構(gòu)。
38. 兩個(gè)500G的文件存ip地址，給30G內(nèi)存，求兩個(gè)文件的交集
39. 設(shè)計(jì)一個(gè) QPS 一百萬的分布式數(shù)據(jù)庫的訂單號(hào)方案。
40. 我現(xiàn)在有一些海外業(yè)務(wù)，從國內(nèi)將數(shù)據(jù)發(fā)送到海外延遲比較大，有沒有什么改善方法？
41. 主題里面假如有1萬條消息，這個(gè) topic 的 badcase 有 10 個(gè)，那我這個(gè)1萬條消息是怎么分布的？Kafka為什么要有這個(gè) partition 這個(gè)概念？消費(fèi)者是按照 topic 去消費(fèi)的還是按 position 去消費(fèi)的？consumer group有了解嗎？一個(gè) consumer group 下面有 5 個(gè)節(jié)點(diǎn)，就比方說剛才那個(gè) topic 下面有十個(gè)partition，有五個(gè)這個(gè)消費(fèi)節(jié)點(diǎn)，它這個(gè)五個(gè)消費(fèi)節(jié)點(diǎn)是怎么去消費(fèi)這些 partition？Kafka 它的性能比用 其它mq 那些都要快，那你了解過Kafka 為什么能實(shí)現(xiàn)高吞吐量嗎？
42. 場景：設(shè)計(jì)一個(gè)網(wǎng)絡(luò)服務(wù)器，現(xiàn)在有【多線程 + 每個(gè)線程內(nèi)部阻塞IO】 和 【單線程 + Epoll】這兩種方案
（1）這兩種方案在cpu負(fù)載，時(shí)間效率，內(nèi)存資源占用這三個(gè)方面各有什么特點(diǎn)？
（2）現(xiàn)在有大量的就緒socket需要處理，使用單線程模型有什么問題？該怎么優(yōu)化？
（3）開放題：如果讓你來設(shè)計(jì)一個(gè)網(wǎng)絡(luò)服務(wù)器，你有什么方案？
43. 場景：現(xiàn)在有一天內(nèi)的大量日志，每條日志記錄了用戶id, 登陸時(shí)間，登出時(shí)間 {userid, login_time, logout_time}, 時(shí)間單位是秒。
（1）怎么求出一天內(nèi)的最大在線人數(shù)？
（2）怎么求出維持在最大在線人數(shù)的最長持續(xù)時(shí)間？