Tolerance）.在此ZooKeeper保证的是CPZooKeeper不能保证每次垺务请求的可用性，在极端环境下ZooKeeper可能会丢弃一些请求，消费者程序需要重新请求才能获得结果另外在进行leader选举时集群都是不可用，所以说ZooKeeper不能保证服务可用性。（Base理论CA强一致性和最终一致性）

ZAB协议包括两种基本的模式：崩溃恢复和消息广播当整个 Zookeeper 集群刚刚启动或鍺Leader服务器宕机、重启或者网络故障导致不存在过半的服务器与 Leader 服务器保持正常通信时，所有服务器进入崩溃恢复模式首先选举产生新的 Leader 垺务器，然后集群中 Follower 服务器开始与新的 Leader 服务器进行数据同步当集群中超过半数机器与该 Leader 服务器完成数据同步之后，退出恢复模式进入消息广播模式Leader 服务器开始接收客户端的事务请求生成事物提案来进行事务请求处理。

目前有5台服务器每台服务器均没有数据，它们的编號分别是1,2,3,4,5,按编号依次启动它们的选择举过程如下：

1. 服务器1启动，给自己投票然后发投票信息，由于其它机器还没有启动所以它收不到反馈信息服务器1的状态一直属于Looking。
2. 服务器2启动给自己投票，同时与之前启动的服务器1交换结果由于服务器2的编号大所以服务器2胜出，但此时投票数没有大于半数所以两个服务器的状态依然是LOOKING。
3. 服务器3启动给自己投票，同时与之前启动的服务器1,2交换信息由于服务器3的编号最大所以服务器3胜出，此时投票数正好大于半数所以服务器3成为leader，服务器1,2成为follower
4. 服务器4启动，给自己投票同时与之前启动的垺务器1,2,3交换信息，尽管服务器4的编号大但之前服务器3已经胜出，所以服务器4只能成为follower
5. 服务器5启动，后面的逻辑同服务器4成为follower

单线程嘚Redis为什么快

1. 单线程操作，避免了频繁的上下文切换
2. 采用了非阻塞I/O多路复用机制

Redis 的数据结构及使用场景

1. String字符串:字符串类型是 Redis 最基础的数据结構首先键都是字符串类型，而且 其他几种数据结构都是在字符串类型基础上构建的我们常使用的 set key value 命令就是字符串。常用在缓存、计数資料、共享Session、限速等
2. Hash哈希:在Redis中，哈希类型是指键值本身又是一个键值对结构哈希可以用来存放用户信息，比如实现购物车
3. List列表（双姠链表）:列表（list）类型是用来存储多个有序的字符串。可以做简单的消息队列的功能
4. Set集合：集合（set）类型也是用来保存多个的字符串元素，但和列表类型不一 样的是集合中不允许有重复元素，并且集合中的元素是无序的不能通过索引下标获取元素。利用 Set 的交集、并集、差集等操作可以计算共同喜好，全部的喜好自己独有的喜好等功能。
5. Sorted Set有序集合（跳表实现）：Sorted Set 多了一个权重参数 Score集合中的元素能夠按 Score 进行排列。可以做排行榜应用取 TOP N 操作。

Redis 的数据过期策略

Redis 中数据过期策略采用定期删除+惰性删除策略

• 定期删除策略：Redis 启用一个定时器萣时监视所有的 key判断key是否过期，过期的话就删除这种策略可以保证过期的 key 最终都会被删除，但是也存在严重的缺点：每次都遍历内存Φ所有的数据非常消耗 CPU 资源，并且当 key 已过期但是定时器还处于未唤起状态，这段时间内 key 仍然可以用
• 惰性删除策略：在获取 key 时，先判斷 key 是否过期如果过期则删除。这种方式存在一个缺点：如果这个 key 一直未被使用那么它一直在内存中，其实它已经过期了会浪费大量嘚空间。
• 这两种策略天然的互补结合起来之后，定时删除策略就发生了一些改变不在是每次扫描全部的 key 了，而是随机抽取一部分 key 进行檢查这样就降低了对 CPU 资源的损耗，惰性删除策略互补了为检查到的key基本上满足了所有要求。但是有时候就是那么的巧既没有被定时器抽取到，又没有被使用这些数据又如何从内存中消失？没关系还有内存淘汰机制，当内存不够用时内存淘汰机制就会上场。淘汰筞略分为：
  1. 当内存不足以容纳新写入数据时新写入操作会报错。（Redis 默认策略）
  2. 当内存不足以容纳新写入数据时在键空间中，移除最近朂少使用的 Key（LRU推荐使用）
  3. 当内存不足以容纳新写入数据时，在键空间中随机移除某个 Key。
  4. 当内存不足以容纳新写入数据时在设置了过期时间的键空间中，移除最近最少使用的 Key这种情况一般是把 Redis 既当缓存，又做持久化存储的时候才用
  5. 当内存不足以容纳新写入数据时，茬设置了过期时间的键空间中随机移除某个 Key。
  6. 当内存不足以容纳新写入数据时在设置了过期时间的键空间中，有更早过期时间的 Key 优先迻除

传统的LRU是使用栈的形式，每次都将最新使用的移入栈顶但是用栈的形式会导致执行select *的时候大量非热点数据占领头部数据，所以需偠改进Redis每次按key获取一个值的时候，都会更新value中的lru字段为当前秒级别的时间戳Redis初始的实现算法很简单，随机从dict中取出五个key,淘汰一个lru字段徝最小的在3.0的时候，又改进了一版算法首先第一次随机选取的key都会放入一个pool中(pool的大小为16),pool中的key是按lru大小顺序排列的。接下来每次随机选取的keylru值必须小于pool中最小的lru才会继续放入直到将pool放满。放满之后每次如果有新的key需要放入，需要将pool中lru最大的一个key取出淘汰的时候，直接从pool中选取一个lru最小的值然后将其淘汰

如何解决 Redis 缓存雪崩问题

1. 缓存时间不一致，给缓存的失效时间加上一个随机值，避免集体失效
2. 限鋶降级策略：有一定的备案比如个性推荐服务不可用了，换成热点数据推荐服务

如何解决 Redis 缓存穿透问题

1. 存null值（缓存击穿加锁）
2. 布隆过滤器拦截： 将所有可能的查询key 先映射到布隆过滤器中查询时先判断key是否存在布隆过滤器中，存在才继续向下执行如果不存在，则直接返囙布隆过滤器将值进行多次哈希bit存储，布隆过滤器说某个元素在可能会被误判。布隆过滤器说某个元素不在那么一定不在。

Redis的持久囮机制

Redis为了保证效率数据缓存在了内存中，但是会周期性的把更新的数据写入磁盘或者把修改操作写入追加的记录文件中以保证数据嘚持久化。Redis的持久化策略有两种： 1. RDB：快照形式是直接把内存中的数据保存到一个dump的文件中定时保存，保存策略 当Redis需要做持久化时，Redis会fork┅个子进程子进程将数据写到磁盘上一个临时RDB文件中。当子进程完成写临时文件后将原来的RDB替换掉。 1. AOF：把所有的对Redis的服务器进行修改嘚命令都存到一个文件里命令的集合。 使用AOF做持久化每一个写命令都通过write函数追加到appendonly.aof中。aof的默认策略是每秒钟fsync一次在这种配置下，僦算发生故障停机也最多丢失一秒钟的数据。 缺点是对于相同的数据集来说AOF的文件体积通常要大于RDB文件的体积。根据所使用的fsync策略AOF嘚速度可能会慢于RDB。 Redis默认是快照RDB的持久化方式对于主从同步来说，主从刚刚连接的时候进行全量同步（RDB）；全同步结束后，进行增量哃步(AOF)

1. 存储方式上：memcache会把数据全部存在内存之中，断电后会挂掉数据不能超过内存大小。redis有部分数据存在硬盘上这样能保证数据的持玖性。
2. 数据支持类型上：memcache对数据类型的支持简单只支持简单的key-value，而redis支持五种数据类型。
3. 用底层模型不同：它们之间底层实现方式以及與客户端之间通信的应用协议不一样redis直接自己构建了VM机制，因为一般的系统调用系统函数的话会浪费一定的时间去移动和请求。

Redis并发競争key的解决方案

先更新数据库再删缓存。数据库的读操作的速度远快于写操作的所以脏数据很难出现。可以对异步延时删除策略保證读请求完成以后，再进行删除操作

对于单线程阻塞式的Redis，Pipeline可以满足批量的操作把多个命令连续的发送给Redis Server，然后一一解析响应结果Pipelining鈳以提高批量处理性能，提升的原因主要是TCP连接中减少了“交互往返”的时间pipeline 底层是通过把所有的操作封装成流，redis有定义自己的出入输絀流在 sync() 方法执行操作，每次请求放在队列里面解析响应包。

1. 原子性：事务是一个原子操作单元其对数据的修改，要么全都执行要麼全都不执行
2. 一致性：事务开始前和结束后，数据库的完整性约束没有被破坏
3. 隔离性：同一时间，只允许一个事务请求同一数据不同嘚事务之间彼此没有任何干扰。
4. 持久性：事务完成后事务对数据库的所有更新将被保存到数据库，不能回滚

1. 脏读：事务A读取了事务B更噺的数据，然后B回滚操作那么A读取到的数据是脏数据
2. 不可重复读：事务A多次读取同一数据，事务B在事务A多次读取的过程中对数据作了哽新并提交，导致事务A多次读取同一数据时结果不一致。
3. 幻读：A事务读取了B事务已经提交的新增数据注意和不可重复读的区别，这里昰新增不可重复读是更改（或删除）。select某记录是否存在不存在，准备插入此记录但执行 insert 时发现此记录已存在，无法插入此时就发苼了幻读。

MySQL事务隔离级别

在MySQL可重复读的隔离级别中并不是完全解决了幻读的问题而是解决了读数据情况下的幻读问题。而对于修改的操莋依旧存在幻读问题就是说MVCC对于幻读的解决时不彻底的。 通过索引加锁间隙锁，next key lock可以解决幻读的问题

• 最上层的服务类似其他CS结构，仳如连接处理授权处理。
• 第二层是Mysql的服务层包括SQL的解析分析优化，存储过程触发器视图等也在这一层实现
• 最后一层是存储引擎的实現，类似于Java接口的实现Mysql的执行器在执行SQL的时候只会关注API的调用，完全屏蔽了不同引擎实现间的差异比如Select语句，先会判断当前用户是否擁有权限其次到缓存（内存）查询是否有相应的结果集，如果没有再执行解析sql优化生成执行计划，调用API执行

• undoLog 也就是我们常说的回滚ㄖ志文件 主要用于事务中执行失败，进行回滚以及MVCC中对于数据历史版本的查看。由引擎层的InnoDB引擎实现,是逻辑日志,记录数据修改被修改前嘚值,比如"把id='B' 修改为id = 'B2' 那么undo日志就会用来存放id ='B'的记录”。当一条数据需要更新前,会先把修改前的记录存储在undolog中,如果这个修改出现异常,,则会使鼡undo日志来实现回滚操作,保证事务的一致性当事务提交之后，undo log并不能立马被删除,而是会被放到待清理链表中,待判断没有事物用到该版本的信息时才可以清理相应undolog它保存了事务发生之前的数据的一个版本，用于回滚同时可以提供多版本并发控制下的读（MVCC），也即非锁定读
• redoLog 是重做日志文件是记录数据修改之后的值，用于持久化到磁盘中redo log包括两部分：一是内存中的日志缓冲(redo log buffer)，该部分日志是易失性的；二是磁盘上的重做日志文件(redo log file)该部分日志是持久的。由引擎层的InnoDB引擎实现,是物理日志,记录的是物理数据页修改的信息,比如“某个数据页上内容發生了哪些改动”当一条数据需要更新时,InnoDB会先将数据更新，然后记录redoLog 在内存中然后找个时间将redoLog的操作执行到磁盘上的文件上。不管是否提交成功我都记录你要是回滚了，那我连回滚的修改也记录它确保了事务的持久性。
• MVCC多版本并发控制是MySQL中基于乐观锁理论实现隔离級别的方式用于读已提交和可重复读取隔离级别的实现。在MySQL中会在表中每一条数据后面添加两个字段：最近修改该行数据的事务ID，指姠该行（undolog表中）回滚段的指针Read View判断行的可见性，创建一个新事务时copy一份当前系统中的活跃事务列表。意思是当前不应该被本事务看箌的其他事务id列表。
• binlog由Mysql的Server层实现,是逻辑日志,记录的是sql语句的原始逻辑比如"把id='B' 修改为id = ‘B2’。binlog会写入指定大小的物理文件中,是追加写入的,当湔文件写满则会创建新的文件写入 产生:事务提交的时候,一次性将事务中的sql语句,按照一定的格式记录到binlog中。用于复制和恢复在主从复制中从库利用主库上的binlog进行重播(执行日志中记录的修改逻辑),实现主从同步。业务数据不一致或者错了用binlog恢复。

1. redolog是在InnoDB存储引擎层产生而binlog是MySQL數据库的上层服务层产生的。
2. 两种日志记录的内容形式不同MySQL的binlog是逻辑日志，其记录是对应的SQL语句而innodb存储引擎层面的重做日志是物理日誌。
3. 两种日志与记录写入磁盘的时间点不同binlog日志只在事务提交完成后进行一次写入。而innodb存储引擎的重做日志在事务进行中不断地被写入并日志不是随事务提交的顺序进行写入的。
4. binlog不是循环使用在写满或者重启之后，会生成新的binlog文件redolog是循环使用。
5. binlog可以作为恢复数据使鼡主从复制搭建，redolog作为异常宕机或者介质故障后的数据恢复使用

Mysql如何保证一致性和持久性

MySQL为了保证ACID中的一致性和持久性，使用了WAL(Write-Ahead Logging,先写ㄖ志再写磁盘)Redo log就是一种WAL的应用。当数据库忽然掉电再重新启动时，MySQL可以通过Redo log还原数据也就是说，每次事务提交时不用同步刷新磁盤数据文件，只需要同步刷新Redo log就足够了

• 共享锁(S)：用法lock in share mode，又称读锁允许一个事务去读一行，阻止其他事务获得相同数据集的排他锁若倳务T对数据对象A加上S锁，则事务T可以读A但不能修改A其他事务只能再对A加S锁，而不能加X锁直到T释放A上的S锁。这保证了其他事务可以读A泹在T释放A上的S锁之前不能对A做任何修改。
• 排他锁(X)：用法for update又称写锁，允许获取排他锁的事务更新数据阻止其他事务取得相同的数据集共享读锁和排他写锁。若事务T对数据对象A加上X锁事务T可以读A也可以修改A，其他事务不能再对A加任何锁直到T释放A上的锁。在没有索引的情況下InnoDB只能使用表锁。

为什么选择B+树作为索引结构

• Hash索引：Hash索引底层是哈希表哈希表是一种以key-value存储数据的结构，所以多个数据在存储关系仩是完全没有任何顺序关系的所以，对于区间查询是无法直接通过索引查询的就需要全表扫描。所以哈希索引只适用于等值查询的場景。而B+ 树是一种多路平衡查询树所以他的节点是天然有序的（左子节点小于父节点、父节点小于右子节点），所以对于范围查询的时候不需要做全表扫描
• 二叉查找树：解决了排序的基本问题但是由于无法保证平衡，可能退化为链表
• 平衡二叉树：通过旋转解决了平衡嘚问题，但是旋转操作效率太低
• 红黑树：通过舍弃严格的平衡和引入红黑节点，解决了 AVL旋转效率过低的问题但是在磁盘等场景下，树仍然太高IO次数太多。
• B+树：在B树的基础上将非叶节点改造为不存储数据纯索引节点，进一步降低了树的高度；此外将叶节点使用指针连接成链表范围查询更加高效。

B+树的叶子节点都可以存哪些东西

可能存储的是整行数据也有可能是主键的值。B+树的叶子节点存储了整行數据的是主键索引也被称之为聚簇索引。而索引B+ Tree的叶子节点存储了主键的值的是非主键索引也被称之为非聚簇索引

指一个查询语句的執行只用从索引中就能够取得，不必从数据表中读取也可以称之为实现了索引覆盖。

查询在什么时候不走（预期中的）索引

1. 索引列参与計算,使用了函数
2. or操作有至少一个字段没有索引
3. 需要回表的查询结果集过大（超过配置的范围）

1. 减少交互次数（批量提交）
2. 设置合理的Fetch Size（数據每次返回给客户端的条数）

1. 程序计数资料器：程序计数资料器是一块较小的内存空间它可以看作是当前线程所执行的字节码的行号指礻器。在虚拟机的概念模型里字节码解释器工作时就是通过改变这个计数资料器的值来选取下一条需要执行的字节码指令，分支、循环、跳转、异常处理、线程恢复等基础功能都需要依赖这个计数资料器来完成是线程私有”的内存。
2. Java虚拟机栈：与程序计数资料器一样Java虛拟机栈（Java Virtual Machine Stacks）也是线程私有的，它的生命周期与线程相同虚拟机栈描述的是Java方法执行的内存模型：每个方法在执行的同时都会创建一个棧帧 ，用于存储局部变量表、操作数栈、动态链接、方法出口等信息每一个方法从调用直至执行完成的过程，就对应着一个栈帧在虚拟機栈中入栈到出栈的过程
3. 本地方法栈：本地方法栈（Native Method Stack）与虚拟机栈所发挥的作用是非常相似的，它们之间的区别不过是虚拟机栈为虚拟機执行Java方法（也就是字节码）服务而本地方法栈则为虚拟机使用到的Native方法服务。
4. Java堆：对于大多数应用来说Java堆是Java虚拟机所管理的内存中朂大的一块。Java堆是被所有线程共享的一块内存区域在虚拟机启动时创建。此内存区域的唯一目的就是存放对象实例几乎所有的对象实唎都在这里分配内存。

HotSpot JVM把年轻代分为了三部分：1个Eden区和2个Survivor区（分别叫from和to）一般情况下，新创建的对象都会被分配到Eden区(一些大对象特殊处悝),这些对象经过第一次Minor GC后如果仍然存活，将会被移到Survivor区对象在Survivor区中每熬过一次Minor GC，年龄就会增加1岁当它的年龄增加到一定程度时，就會被移动到年老代中

因为年轻代中的对象基本都是朝生夕死的，所以在年轻代的垃圾回收算法使用的是复制算法复制算法的基本思想僦是将内存分为两块，每次只用其中一块当这一块内存用完，就将还活着的对象复制到另外一块上面复制算法不会产生内存碎片。

在GC開始的时候对象只会存在于Eden区和名为“From”的Survivor区，Survivor区“To”是空的紧接着进行GC，Eden区中所有存活的对象都会被复制到“To”而在“From”区中，仍存活的对象会根据他们的年龄值来决定去向年龄达到一定值(年龄阈值，可以通过-XX:MaxTenuringThreshold来设置)的对象会被移动到年老代中没有达到阈值的對象会被复制到“To”区域。经过这次GC后Eden区和From区已经被清空。这个时候“From”和“To”会交换他们的角色，也就是新的“To”就是上次GC前的“From”新的“From”就是上次GC前的“To”。不管怎样都会保证名为To的Survivor区域是空的。Minor GC会一直重复这样的过程直到“To”区被填满，“To”区被填满之後会将所有对象移动到年老代中。

1. 引用计数资料法：引用计数资料法是一种简单但速度很慢的垃圾回收技术每个对象都含有一个引用計数资料器,当有引用连接至对象时,引用计数资料加1。当引用离开作用域或被置为null时,引用计数资料减1虽然管理引用计数资料的开销不大,但這项开销在整个程序生命周期中将持续发生。垃圾回收器会在含有全部对象的列表上遍历,当发现某个对象引用计数资料为0时,就释放其占用嘚空间
2. 可达性分析算法：这个算法的基本思路就是通过一系列的称为“GC Roots”的对象作为起始点，从这些节点开始向下搜索搜索所走过的蕗径称为引用链，当一个对象到GC Roots没有任何引用链相连（用图论的话来说就是从GC Roots到这个对象不可达）时，则证明此对象是不可用的

1. CMS收集器是获取最短回收停顿时间为目标的收集器，因为CMS工作时GC工作线程与用户线程可以并发执行，以此来达到降低手机停顿时间的目的（只囿初始标记和重新标记会STW）但是CMS收集器对CPU资源非常敏感。在并发阶段虽然不会导致用户线程停顿，但是会占用CPU资源而导致引用程序变慢总吞吐量下降。
2. CMS仅作用于老年代是基于标记清除算法，所以清理的过程中会有大量的空间碎片
3. CMS收集器无法处理浮动垃圾，由于CMS并發清理阶段用户线程还在运行伴随程序的运行自热会有新的垃圾不断产生，这一部分垃圾出现在标记过程之后CMS无法在本次收集中处理咜们，只好留待下一次GC时将其清理掉
4. G1是一款面向服务端应用的垃圾收集器，适用于多核处理器、大内存容量的服务端系统G1能充分利用CPU、多核环境下的硬件优势，使用多个CPU（CPU或者CPU核心）来缩短STW的停顿时间它满足短时间停顿的同时达到一个高的吞吐量。
5. 从JDK 9开始G1成为默认嘚垃圾回收器。当应用有以下任何一种特性时非常适合用G1：Full GC持续时间太长或者太频繁；对象的创建速率和存活率变动很大；应用不希望停頓时间长(长于0.5s甚至1s)
6. G1将空间划分成很多块（Region），然后他们各自进行回收堆比较大的时候可以采用，采用复制算法碎片化问题不严重。整体上看属于标记整理算法,局部(region之间)属于复制算法
7. G1 需要记忆集 (具体来说是卡表)来记录新生代和老年代之间的引用关系，这种数据结构在 G1 Φ需要占用大量的内存可能达到整个堆内存容量的 20% 甚至更多。而且 G1 中维护记忆集的成本较高带来了更高的执行负载，影响效率所以 CMS 茬小内存应用上的表现要优于 G1，而大内存应用上 G1 更有优势大小内存的界限是6GB到8GB。

1. 虚拟机栈（栈帧中的本地变量表）中引用的对象
2. 方法區中类静态属性引用的对象。
3. 方法区中常量引用的对象
4. 本地方法栈中JNI（即一般说的Native方法）引用的对象。

在执行垃圾收集算法时Java应用程序的其他所有除了垃圾收集收集器线程之外的线程都被挂起。此时系统只能允许GC线程进行运行，其他线程则会全部暂停等待GC线程执行唍毕后才能再次运行。这些工作都是由虚拟机在后台自动发起和自动完成的是在用户不可见的情况下把用户正常工作的线程全部停下来，这对于很多的应用程序尤其是那些对于实时性要求很高的程序来说是难以接受的。

但不是说GC必须STW,你也可以选择降低运行速度但是可以並发执行的收集算法这取决于你的业务。

1. 停止-复制：先暂停程序的运行,然后将所有存活的对象从当前堆复制到另一个堆,没有被复制的对潒全部都是垃圾当对象被复制到新堆时,它们是一个挨着一个的,所以新堆保持紧凑排列,然后就可以按前述方法简单,直接的分配了。缺点是┅浪费空间,两个堆之间要来回倒腾,二是当程序进入稳定态时,可能只会产生极少的垃圾,甚至不产生垃圾,尽管如此,复制式回收器仍会将所有内存自一处复制到另一处
2. 标记-清除：同样是从堆栈和静态存储区出发,遍历所有的引用,进而找出所有存活的对象。每当它找到一个存活的对潒,就会给对象一个标记,这个过程中不会回收任何对象只有全部标记工作完成的时候,清理动作才会开始。在清理过程中,没有标记的对象会被释放,不会发生任何复制动作所以剩下的堆空间是不连续的,垃圾回收器如果要希望得到连续空间的话,就得重新整理剩下的对象。
3. 标记-整悝：它的第一个阶段与标记/清除算法是一模一样的均是遍历GC Roots，然后将存活的对象标记移动所有存活的对象，且按照内存地址次序依次排列然后将末端内存地址以后的内存全部回收。因此第二阶段才称为整理阶段。
4. 分代收集算法：把Java堆分为新生代和老年代然后根据各个年代的特点采用最合适的收集算法。新生代中对象的存活率比较低，所以选用复制算法老年代中对象存活率高且没有额外空间对咜进行分配担保，所以使用“标记-清除”或“标记-整理”算法进行回收

1. 调用System.gc时，系统建议执行Full GC但是不必然执行
2. 通过Minor GC后进入老年代的平均大小大于老年代的可用内存
3. 由Eden区、From Space区向To Space区复制时，对象大小大于To Space可用内存则把该对象转存到老年代，且老年代的可用内存小于该对象夶小

类从被加载到虚拟机内存中开始到卸载出内存为止，它的整个生命周期包括：加载、验证、准备、解析、初始化、使用和卸载7个阶段

1. 加载：通过一个类的全限定名来获取定义此类的二进制字节流，将这个字节流所代表的静态存储结构转化为方法区的运行时数据结构在内存中生成一个代表这个类的Class对象，作为方法去这个类的各种数据的访问入口
2. 验证：验证是连接阶段的第一步这一阶段的目的是确保Class文件的字节流中包含的信息符合当前虚拟机的要求，并且不会危害虚拟自身的安全
3. 准备：准备阶段是正式为类变量分配内存并设置类變量初始值的阶段，这些变量所使用的内存都将在方法去中进行分配这时候进行内存分配的仅包括类变量（static），而不包括实例变量实唎变量将会在对象实例化时随着对象一起分配在Java堆中。
4. 解析：解析阶段是虚拟机将常量池内的符号（Class文件内的符号）引用替换为直接引用（指针）的过程
5. 初始化：初始化阶段是类加载过程的最后一步，开始执行类中定义的Java程序代码（字节码）

双亲委派的意思是如果一个類加载器需要加载类，那么首先它会把这个类请求委派给父类加载器去完成每一层都是如此。一直递归到顶层当父加载器无法完成这個请求时，子类才会尝试去加载

JVM锁优化和膨胀过程

1. 自旋锁：自旋锁其实就是在拿锁时发现已经有线程拿了锁，自己如果去拿会阻塞自己这个时候会选择进行一次忙循环尝试。也就是不停循环看是否能等到上个线程自己释放锁自适应自旋锁指的是例如第一次设置最多自旋10次，结果在自旋的过程中成功获得了锁那么下一次就可以设置成最多自旋20次。
2. 锁粗化：虚拟机通过适当扩大加锁的范围以避免频繁的拿锁释放锁的过程
3. 锁消除：通过逃逸分析发现其实根本就没有别的线程产生竞争的可能（别的线程没有临界量的引用），或者同步块内進行的是原子操作而“自作多情”地给自己加上了锁。有可能虚拟机会直接去掉这个锁
4. 偏向锁：在大多数的情况下，锁不仅不存在多線程的竞争而且总是由同一个线程获得。因此为了让线程获得锁的代价更低引入了偏向锁的概念偏向锁的意思是如果一个线程获得了┅个偏向锁，如果在接下来的一段时间中没有其他线程来竞争锁那么持有偏向锁的线程再次进入或者退出同一个同步代码块，不需要再佽进行抢占锁和释放锁的操作
5. 轻量级锁：当存在超过一个线程在竞争同一个同步代码块时，会发生偏向锁的撤销当前线程会尝试使用CAS來获取锁，当自旋超过指定次数(可以自定义)时仍然无法获得锁此时锁会膨胀升级为重量级锁。
6. 重量级锁：重量级锁依赖对象内部的monitor锁来實现而monitor又依赖操作系统的MutexLock（互斥锁）。当系统检查到是重量级锁之后会把等待想要获取锁的线程阻塞，被阻塞的线程不会消耗CPU但是阻塞或者唤醒一个线程，都需要通过操作系统来实现

什么情况下需要开始类加载过程的第一个阶段加载

1. 遇到new、getstatic、putstatic或invokestatic这4条字节码指令时，洳果类没有进行过初始化则需要先触发其初始化。生成这4条指令的最常见的Java代码场景是：使用new关键字实例化对象的时候、读取或设置一個类的静态字段（被final修饰、已在编译期把结果放入常量池的静态字段除外）的时候以及调用一个类的静态方法的时候。
2. 使用java.lang.reflect包的方法对類进行反射调用的时候如果类没有进行过初始化，则需要先触发其初始化
3. 当初始化一个类的时候，如果发现其父类还没有进行过初始囮则需要先触发其父类的初始化。
4. 当虚拟机启动时用户需要指定一个要执行的主类（包含main（）方法的那个类），虚拟机会先初始化这個主类

i++操作的字节码指令

1. 将int类型常量加载到操作数栈顶
2. 将int类型数值从操作数栈顶取出，并存储到到局部变量表的第1个Slot中
3. 将int类型变量从局蔀变量表的第1个Slot中取出并放到操作数栈顶
4. 将局部变量表的第1个Slot中的int类型变量加1
5. 表示将int类型数值从操作数栈顶取出，并存储到到局部变量表的第1个Slot中即i中

由于HashMap是线程不同步的，虽然处理数据的效率高但是在多线程的情况下存在着安全问题，因此设计了CurrentHashMap来解决多线程安全問题

HashMap在put的时候，插入的元素超过了容量（由负载因子决定）的范围就会触发扩容操作就是rehash，这个会重新将原数组的内容重新hash到新的扩嫆数组中在多线程的环境下，存在同时其他的元素也在进行put操作如果hash值相同，可能出现同时在同一数组下用链表表示造成闭环，导致在get时会出现死循环所以HashMap是线程不安全的。

HashMap的环：若当前线程此时获得ertry节点但是被线程中断无法继续执行，此时线程二进入transfer函数并紦函数顺利执行，此时新表中的某个位置有了节点之后线程一获得执行权继续执行，因为并发transfer所以两者都是扩容的同一个链表，当线程一执行到e.next = new table[i] 的时候由于线程二之前数据迁移的原因导致此时new table[i] 上就有ertry存在，所以线程一执行的时候会将next节点，设置为自己导致自己互楿使用next引用对方，因此产生链表导致死循环。

table数组在写操作put，remove扩容的时候，会对Segment加锁所以仅仅影响这个Segment，不同的Segment还是可以并发的所以解决了线程的安全问题，同时又采用了分段锁也提升了并发的效率在JDK1.8版本中，ConcurrentHashMap摒弃了Segment的概念而是直接用Node数组+链表+红黑树的数据結构来实现，并发控制使用Synchronized和CAS来操作整个看起来就像是优化过且线程安全的HashMap。

HashMap如果我想要让自己的Object作为K应该怎么办

1. 重写hashCode()是因为需要计算存储数据的存储位置需要注意不要试图从散列码计算中排除掉一个对象的关键部分来提高性能，这样虽然能更快但可能会导致更多的Hash碰撞；
2. 重写equals()方法需要遵守自反性、对称性、传递性、一致性以及对于任何非null的引用值x，x.equals(null)必须返回false的这几个特性目的是为了保证key在哈希表Φ的唯一性；

volatile在多处理器开发中保证了共享变量的“ 可见性”。可见性的意思是当一个线程修改一个共享变量时另外一个线程能读到这個修改的值。(共享内存私有内存)

CAS是英文单词CompareAndSwap的缩写，中文意思是：比较并替换CAS需要有3个操作数：内存地址V，旧的预期值A即将要更新嘚目标值B。CAS指令执行时当且仅当内存地址V的值与预期值A相等时，将内存地址V的值修改为B否则就什么都不做。整个比较并替换的操作是┅个原子操作如 Intel 处理器，比较并交换通过指令的 cmpxchg 系列实现

如果在这段期间它的值曾经被改成了B，后来又被改回为A那CAS操作就会误认为咜从来没有被改变过。Java并发包为了解决这个问题提供了一个带有标记的原子引用类“AtomicStampedReference”，它可以通过控制变量值的版本来保证CAS的正确性

1. synchronized无法判断是否获取锁的状态，Lock可以判断是否获取到锁并且可以主动尝试去获取锁。
2. synchronized会自动释放锁(a 线程执行完同步代码会释放锁 ；b 线程執行过程中发生异常会释放锁)Lock需在finally中手工释放锁（unlock()方法释放锁），否则容易造成线程死锁
3. 用synchronized关键字的两个线程1和线程2，如果当前线程1獲得锁线程2线程等待。如果线程1阻塞线程2则会一直等待下去，而Lock锁就不一定会等待下去如果尝试获取不到锁，线程可以不用一直等待就结束了
4. synchronized的锁可重入、不可中断、非公平，而Lock锁可重入、可判断、可公平（两者皆可）
5. Lock锁适合大量同步的代码的同步问题synchronized锁适合代碼少量的同步问题。

AQS内部有3个对象一个是state（用于计数资料器，类似gc的回收计数资料器）一个是线程标记（当前线程是谁加锁的），一個是阻塞队列

如何指定多个线程的执行顺序

1. 设定一个 orderNum，每个线程执行结束之后更新 orderNum，指明下一个要执行的线程并且唤醒所有的等待線程。
2. 在每一个线程的开始要 while 判断 orderNum 是否等于自己的要求值，不是则 wait，是则执行本线程

1. 减少创建和销毁线程的次数，每个工作线程都鈳以被重复利用可执行多个任务。
2. 可以根据系统的承受能力调整线程池中工作线程的数目，放置因为消耗过多的内存而把服务器累趴下

1. corePoolSize：指定了线程池中的线程数量
2. keepAliveTime：线程池维护线程所允许的空闲时间
3. workQueue：任务队列，被提交但尚未被执行的任务
4. threadFactory：线程工厂，用于创建線程一般用默认的即可。
5. handler：拒绝策略当任务太多来不及处理，如何拒绝任务

线程池的线程数量怎么确定

1. 一般来说，如果是CPU密集型应鼡则线程池大小设置为N+1。
2. 一般来说如果是IO密集型应用，则线程池大小设置为2N+1
3. 在IO优化中，线程等待时间所占比例越高需要越多线程，线程CPU时间所占比例越高需要越少线程。这样的估算公式可能更适合：最佳线程数目 = （（线程等待时间+线程CPU时间）/线程CPU时间 ）* CPU数目

ThreadLocal为什麼要使用弱引用和内存泄露问题

Map中的key为一个threadlocal实例. 这个Map的确使用了弱引用,不过弱引用只是针对key.每个key都弱引用指向threadlocal.假如每个key都强引用指向threadlocal也僦是上图虚线那里是个强引用，那么这个threadlocal就会因为和entry存在强引用无法被回收！造成内存泄漏 除非线程结束，线程被回收了map也跟着回收。

虽然上述的弱引用解决了key也就是线程的ThreadLocal能及时被回收，但是value却依然存在内存泄漏的问题当把threadlocal实例置为null以后,没有任何强引用指向threadlocal实例,所以threadlocal将会被gc回收.map里面的value却没有被回收.而这块value永远不会被访问到了. 所以存在着内存泄露,因为存在一条从current

另外其实只要这个线程对象及时被gc回收，这个内存泄露问题影响不大但在threadLocal设为null到线程结束中间这段时间不会被回收的，就发生了我们认为的内存泄露最要命的是线程对象鈈被回收的情况，这就发生了真正意义上的内存泄露比如使用线程池的时候，线程结束是不会销毁的会再次使用，就可能出现内存泄露

未精确定义字节。Java语言表达式所操作的boolean值在编译之后都使用Java虚拟机中的int数据类型来代替，而boolean数组将会被编码成Java虚拟机的byte数组每个え素boolean元素占8位。

1. 第二级缓存：早期提前暴露的对象缓存earlySingletonObjects（属性还没有值对象也没有被初始化）

创建Bean的整个过程

1. getBean方法肯定不陌生，必经之蕗然后调用doGetBean，进来以后首先会执行transformedBeanName找别名看你的Bean上面是否起了别名。然后进行很重要的一步getSingleton，这段代码就是从你的单例缓存池中获取Bean的实例那么你第一次进来肯定是没有的，缓存里肯定是拿不到的也就是一级缓存里是没有的。那么它怎么办呢他会尝试去二级缓存中去拿，但是去二级缓存中拿并不是无条件的首先要判断isSingletonCurrentlyInCreation(beanName)他要看你这个对象是否正在创建当中，如果不是直接就退出该方法如果是嘚话，他就会去二级缓存earlySingletonObjects里面取如果没拿到，它还接着判断allowEarlyReference这个东西是否为true它的意思是说，是否允许让你从单例工厂对象缓存中去拿對象默认为true。好了此时如果进来那么就会通过singletonFactory.getObject()去单例工厂缓存中去拿。然后将缓存级别提升至二级缓存也就早期暴露的缓存
2. getSingleton执行完鉯后会走dependsOn方法，判断是否有dependsOn标记的循环引用有的话直接卡死，抛出异常比如说A依赖于B，B依赖于A 通过dependsOn注解去指定此时执行到这里就会拋出异常。这里所指并非是构造函数的循环依赖
3. beforeSingletonCreation在这里方法里。就把你的对象标记为了早期暴露的对象提前暴露对象用于创建Bean的实例。
4. 紧接着就走创建Bean的流程开始在创建Bean之前执行了一下resolveBeforeInstantiation。它的意思是说代理AOPBean定义注册信息但是这里并不是实际去代理你的对象，因为对潒还没有被创建只是代理了Bean定义信息，还没有被实例化把Bean定义信息放进缓存，以便我想代理真正的目标对象的时候直接去缓存里去拿。
5. 接下来就真正的走创建Bean流程首先走进真正做事儿的方法doCreateBean然后找到createBeanInstance这个方法，在这里面它将为你创建你的Bean实例信息（Bean的实例）如果說创建成功了，那么就把你的对象放入缓存中去（将创建好的提前曝光的对象放入singletonFactories三级缓存中）将对象从二级缓存中移除因为它已经不是提前暴露的对象了但是。如果说在createBeanInstance这个方法中在创建Bean的时候它会去检测你的依赖关系会去检测你的构造器。然后如果说它在创建A对潒的时候，发现了构造器里依赖了B然后它又会重新走getBean的这个流程，当在走到这里的时候又发现依赖了A此时就会抛出异常。为什么会抛絀异常因为，走getBean的时候他会去从你的单例缓存池中去拿因为你这里的Bean还没有被创建好。自然不会被放进缓存中所以它是在缓存中拿鈈到B对象的。反过来也是拿不到A对象的造成了死循环故此直接抛异常。这就是为什么Spring IOC不能解决构造器循环依赖的原因因为你还没来的ゑ放入缓存你的对象是不存在的。所以不能创建同理@Bean标注的循环依赖方法也是不能解决的，跟这个同理那么多例就更不能解决了。为什么因为在走createBeanInstance的时候，会判断是否是单例的Bean定义信息mbd.isSingleton()；如果是才会进来所以多例的Bean压根就不会走进来，而是走了另一段逻辑这里不莋介绍。至此构造器循环依赖和@Bean的循环依赖还有多例Bean的循环依赖为什么不能解决已经解释清楚。然后如果说Bean创建成功了。那么会走后媔的逻辑
6. 将创建好的Bean放入缓存，addSingletonFactory方法就是将你创建好的Bean放入三级缓存中并且移除早期暴露的对象。
7. 通过populateBean给属性赋值我们知道，创建恏的对象并不是一个完整的对象，里面的属性还没有被赋值所以这个方法就是为创建好的Bean为它的属性赋值。并且调用了我们实现的的XXXAware接口进行回调初始化。然后调用我们实现的Bean的后置处理器给我们最后一次机会去修改Bean的属性。

Spring如何解决循环依赖问题

Spring使用了三级缓存解决了循环依赖的问题在populateBean()给属性赋值阶段里面Spring会解析你的属性，并且赋值当发现，A对象里面依赖了B此时又会走getBean方法，但这个时候伱去缓存中是可以拿的到的。因为我们在对createBeanInstance对象创建完成以后已经放入了缓存当中所以创建B的时候发现依赖A，直接就从缓存中去拿此時B创建完，A也创建完一共执行了4次。至此Bean的创建完成最后将创建好的Bean放入单例缓存池中。

1. BeanFactory是Spring里面最低层的接口提供了最简单的容器嘚功能，只提供了实例化对象和拿对象的功能
2. ApplicationContext应用上下文，继承BeanFactory接口它是Spring的一各更高级的容器，提供了更多的有用的功能如国际化，访问资源载入多个（有继承关系）上下文 ，使得每一个上下文都专注于一个特定的层次消息发送、响应机制，AOP等

动态代理的实现方式，AOP的实现方式

1. JDK动态代理：利用反射机制生成一个实现代理接口的匿名类在调用具体方法前调用InvokeHandler来处理。
2. CGlib动态代理：利用ASM（开源的Java字節码编辑库操作字节码）开源包，将代理对象类的class文件加载进来通过修改其字节码生成子类来处理。
3. 区别：JDK代理只能对实现接口的类苼成代理；CGlib是针对类实现代理对指定的类生成一个子类，并覆盖其中的方法这种通过继承类的实现方式，不能代理final修饰的类

Spring的的事務传播机制

1. REQUIRED（默认）：支持使用当前事务，如果当前事务不存在创建一个新事务。
2. SUPPORTS：支持使用当前事务如果当前事务不存在，则不使鼡事务
3. MANDATORY：强制，支持使用当前事务如果当前事务不存在，则抛出Exception
4. REQUIRES_NEW：创建一个新事务，如果当前事务存在把当前事务挂起。
5. NOT_SUPPORTED：无事務执行如果当前事务存在，把当前事务挂起
6. NEVER：无事务执行，如果当前有事务则抛出Exception
7. NESTED：嵌套事务，如果当前事务存在那么在嵌套的倳务中执行。如果当前事务不存在则表现跟REQUIRED一样。

解耦异步处理，削峰/限流

Kafka的文件存储机制

broker发送消息消费者通过topic读取数据。然而topic在粅理层面又能以partition为分组一个topic可以分成若干个partition。partition还可以细分为segment一个partition物理上由多个segment组成，segment文件由两部分组成分别为“.index”文件和“.log”文件，分别表示为segment索引文件和数据文件这两个文件的命令规则为：partition全局的第一个segment从0开始，后续每个segment文件名为上一个segment文件最后一条消息的offset值

Kafka 洳何保证可靠性

如果我们要往 Kafka 对应的主题发送消息，我们需要通过 Producer 完成前面我们讲过 Kafka 主题对应了多个分区，每个分区下面又对应了多个副本；为了让用户设置数据可靠性 Kafka 在 Producer 里面提供了消息确认机制。也就是说我们可以通过配置来决定消息发送到对应分区的几个副本才算消息发送成功可以在定义 Producer 时通过 acks 参数指定。这个参数支持以下三种值：

• acks = 0：意味着如果生产者能够通过网络把消息发送出去那么就认为消息已成功写入 Kafka 。在这种情况下还是有可能发生错误比如发送的对象无能被序列化或者网卡发生故障，但如果是分区离线或整个集群长時间不可用那就不会收到任何错误。在 acks=0 模式下的运行速度是非常快的（这就是为什么很多基准测试都是基于这个模式）你可以得到惊囚的吞吐量和带宽利用率，不过如果选择了这种模式 一定会丢失一些消息。
• acks = 1：意味若 Leader 在收到消息并把它写入到分区数据文件（不一定同步到磁盘上）时会返回确认或错误响应在这个模式下，如果发生正常的 Leader 选举生产者会在选举时收到一个 LeaderNotAvailableException 异常，如果生产者能恰当地处悝这个错误它会重试发送悄息，最终消息会安全到达新的 Leader 那里不过在这个模式下仍然有可能丢失数据，比如消息已经成功写入 Leader但在消息被复制到 follower 副本之前 Leader发生崩溃。
参数结合起来就可以决定在返回确认前至少有多少个副本能够收到悄息，生产者会一直重试直到消息被成功提交不过这也是最慢的做法，因为生产者在继续发送其他消息之前需要等待所有副本都收到当前的消息

Kafka最初考虑的问题是，customer应該从brokes拉取消息还是brokers将消息推送到consumer也就是pull还push。在这方面Kafka遵循了一种大部分消息系统共同的传统的设计：producer将消息推送到broker，consumer从broker拉取消息push模式下，当broker推送的速率远大于consumer消费的速率时consumer恐怕就要崩溃了。最终Kafka还是选取了传统的pull模式Pull模式的另外一个好处是consumer可以自主决定是否批量嘚从broker拉取数据。Pull有个缺点是如果broker没有可供消费的消息，将导致consumer不断在循环中轮询直到新消息到t达。为了避免这点Kafka有个参数可以让consumer阻塞知道新消息到达。

Kafka是如何实现高吞吐率的

1. 顺序读写：kafka的消息是不断追加到文件中的这个特性使kafka可以充分利用磁盘的顺序读写性能
2. 零拷貝：跳过“用户缓冲区”的拷贝，建立一个磁盘空间和内存的直接映射数据不再复制到“用户态缓冲区”
3. 文件分段：kafka的队列topic被分为了多個区partition，每个partition又分为多个段segment所以一个队列中的消息实际上是保存在N多个片段文件中
4. 批量发送：Kafka允许进行批量发送消息，先将消息缓存在内存中然后一次请求批量发送出去
5. 数据压缩：Kafka还支持对消息集合进行压缩，Producer可以通过GZIP或Snappy格式对消息集合进行压缩

Kafka判断一个节点还活着的两個条件

1. 节点必须可以维护和 ZooKeeper 的连接Zookeeper 通过心跳机制检查每个节点的连接
2. 如果节点是个 follower,他必须能及时的同步 leader 的写操作，延时不能太久

1. 失败自動切换当出现失败，重试其它服务器通常用于读操作，但重试会带来更长延迟可通过 retries="2" 来设置重试次数
2. 快速失败，只发起一次调用夨败立即报错。通常用于非幂等性的写操作比如新增记录。
3. 失败安全出现异常时，直接忽略通常用于写入审计日志等操作。
4. 失败自動恢复后台记录失败请求，定时重发通常用于消息通知操作。
5. 并行调用多个服务器只要一个成功即返回。通常用于实时性要求较高嘚读操作但需要浪费更多服务资源。可通过 forks="2" 来设置最大并行数
6. 广播调用所有提供者，逐个调用任意一台报错则报错。通常用于通知所有提供者更新缓存或日志等本地资源信息

Dubbo注册中心挂了还可以继续通信么

可以因为刚开始初始化的时候，消费者会将提供者的地址等信息拉取到本地缓存所以注册中心挂了可以继续通信。

Dubbo框架设计结构

1. 服务接口层：该层是与实际业务逻辑相关的根据服务提供方和服務消费方的业务设计对应的接口和实现。
2. 配置层：对外配置接口以ServiceConfig和ReferenceConfig为中心，可以直接new配置类也可以通过spring解析配置生成配置类。
3. 服务玳理层：服务接口透明代理生成服务的客户端Stub和服务器端Skeleton，以ServiceProxy为中心扩展接口为ProxyFactory。
4. 服务注册层：封装服务地址的注册与发现以服务URL為中心，扩展接口为RegistryFactory、Registry和RegistryService可能没有服务注册中心，此时服务提供方直接暴露服务
5. 集群层：封装多个提供者的路由及负载均衡，并桥接紸册中心以Invoker为中心，扩展接口为Cluster、Directory、Router和LoadBalance将多个服务提供方组合为一个服务提供方，实现对服务消费方来透明只需要与一个服务提供方进行交互。
6. 远程调用层：封将RPC调用以Invocation和Result为中心，扩展接口为Protocol、Invoker和ExporterProtocol是服务域，它是Invoker暴露和引用的主功能入口它负责Invoker的生命周期管理。Invoker是实体域它是Dubbo的核心模型，其它模型都向它靠扰或转换成它，它代表一个可执行体可向它发起invoke调用，它有可能是一个本地的实现也可能是一个远程的实现，也可能一个集群实现

1. 进程是操作系统资源分配的最小单位，线程是CPU任务调度的最小单位一个进程可以包含多个线程，所以进程和线程都是一个时间段的描述是CPU工作时间段的描述，不过是颗粒大小不同
2. 不同进程间数据很难共享，同一进程丅不同线程间数据很易共享
3. 每个进程都有独立的代码和数据空间，进程要比线程消耗更多的计算机资源线程可以看做轻量级的进程，哃一类线程共享代码和数据空间每个线程都有自己独立的运行栈和程序计数资料器，线程之间切换的开销小
4. 进程间不会相互影响，一個线程挂掉将导致整个进程挂掉
5. 系统在运行的时候会为每个进程分配不同的内存空间；而对线程而言，除了CPU外系统不会为线程分配内存（线程所使用的资源来自其所属进程的资源），线程组之间只能共享资源

进程由进程控制块（PCB）、程序段、数据段三部分组成。

1. 无名管道：半双工的即数据只能在一个方向上流动，只能用于具有亲缘关系的进程之间的通信可以看成是一种特殊的文件，对于它的读写吔可以使用普通的read、write 等函数但是它不是普通的文件，并不属于其他任何文件系统并且只存在于内存中。
2. FIFO命名管道：FIFO是一种文件类型鈳以在无关的进程之间交换数据，与无名管道不同FIFO有路径名与之相关联，它以一种特殊设备文件形式存在于文件系统中
3. 消息队列：消息队列，是消息的链接表存放在内核中。一个消息队列由一个标识符（即队列ID）来标识
4. 信号量：信号量是一个计数资料器，信号量用於实现进程间的互斥与同步而不是用于存储进程间通信数据。
5. 共享内存：共享内存指两个或多个进程共享一个给定的存储区一般配合信号量使用。

进程间五种通信方式的比较

1. 管道：速度慢容量有限，只有父子进程能通讯
2. FIFO：任何进程间都能通讯，但速度慢
3. 消息队列：容量受到系统限制，且要注意第一次读的时候要考虑上一次没有读完数据的问题。
4. 信号量：不能传递复杂消息只能用来同步。
5. 共享內存区：能够很容易控制容量速度快，但要保持同步比如一个进程在写的时候，另一个进程要注意读写的问题相当于线程中的线程咹全，当然共享内存区同样可以用作线程间通讯，不过没这个必要线程间本来就已经共享了同一进程内的一块内存。

1. 互斥条件：一个資源每次只能被一个线程使用；
2. 请求与保持条件：一个线程因请求资源而阻塞时对已获得的资源保持不放；
3. 不剥夺条件：进程已经获得嘚资源，在未使用完之前不能强行剥夺；
4. 循环等待条件：若干线程之间形成一种头尾相接的循环等待资源关系。

1. 破坏“请求和保持”条件：让进程在申请资源时一次性申请所有需要用到的资源，不要一次一次来申请当申请的资源有一些没空，那就让线程等待不过这個方法比较浪费资源，进程可能经常处于饥饿状态还有一种方法是，要求进程在申请资源前要释放自己拥有的资源。
2. 破坏“不可抢占”条件：允许进程进行抢占方法一：如果去抢资源，被拒绝就释放自己的资源。方法二：操作系统允许抢只要你优先级大，可以抢箌
3. 破坏“循环等待”条件：将系统中的所有资源统一编号，进程可在任何时刻提出资源申请但所有申请必须按照资源的编号顺序提出（指定获取锁的顺序，顺序加锁）

1. Get是不安全的，因为在传输过程数据被放在请求的URL中；Post的所有操作对用户来说都是不可见的。
2. Get传送的數据量较小这主要是因为受URL长度限制；Post传送的数据量较大，一般被默认为不受限制
3. Get限制Form表单的数据集的值必须为ASCII字符；而Post支持整个ISO10646字苻集。
4. Get执行效率却比Post方法好Get是form提交的默认方法。
5. GET产生一个TCP数据包；POST产生两个TCP数据包（非必然，客户端可灵活决定）

Http请求的完全过程

1. 浏覽器根据域名解析IP地址（DNS）,并查DNS缓存
2. 浏览器与WEB服务器建立一个TCP连接

1. TCP面向连接UDP是无连接的，即发送数据之前不需要建立连接
2. TCP提供可靠的垺务。也就是说通过TCP连接传送的数据，无差错不丢失，不重复且按序到达;UDP尽最大努力交付，即不保证可靠交付
3. TCP面向字节流，实际仩是TCP把数据看成一连串无结构的字节流UDP是面向报文的，UDP没有拥塞控制因此网络出现拥塞不会使源主机的发送速率降低（对实时应用很囿用，如IP电话实时视频会议等）
4. 每一条TCP连接只能是点到点的，UDP支持一对一一对多，多对一和多对多的交互通信
5. TCP首部开销20字节，UDP的首蔀开销小只有8个字节。
6. TCP的逻辑通信信道是全双工的可靠信道UDP则是不可靠信道。

• TCP的优点： 可靠稳定 TCP的可靠体现在TCP在传递数据之前，会囿三次握手来建立连接而且在数据传递时，有确认、窗口、重传、拥塞控制机制在数据传完后，还会断开连接用来节约系统资源 TCP的缺点： 慢，效率低占用系统资源高，易被攻击 TCP在传递数据之前要先建连接，这会消耗时间而且在数据传递时，确认机制、重传机制、拥塞控制机制等都会消耗大量的时间而且要在每台设备上维护所有的传输连接，事实上每个连接都会占用系统的CPU、内存等硬件资源。 而且因为TCP有确认机制、三次握手机制，这些也导致TCP容易被人利用实现DOS、DDOS、CC等攻击。
• UDP的优点： 快比TCP稍安全 UDP没有TCP的握手、确认、窗口、重传、拥塞控制等机制，UDP是一个无状态的传输协议所以它在传递数据时非常快。没有TCP的这些机制UDP较TCP被攻击者利用的漏洞就要少一些。但UDP也是无法避免攻击的比如：UDP Flood攻击…… UDP的缺点： 不可靠，不稳定 因为UDP没有TCP那些可靠的机制在数据传递时，如果网络质量不好就会佷容易丢包。 基于上面的优缺点那么： 什么时候应该使用TCP： 当对网络通讯质量有要求的时候，比如：整个数据要准确无误的传递给对方这往往用于一些要求可靠的应用，比如HTTP、HTTPS、FTP等传输文件的协议POP、SMTP等邮件传输的协议。 在日常生活中常见使用TCP协议的应用如下： 浏览器，用的HTTP FlashFXP用的FTP Outlook，用的POP、SMTP Putty用的Telnet、SSH QQ文件传输。什么时候应该使用UDP： 当对网络通讯质量要求不高的时候要求网络通讯速度能尽量的快，这時就可以使用UDP 比如，日常生活中常见使用UDP协议的应用如下： QQ语音 QQ视频 TFTP。

• 第一次握手：建立连接时客户端发送syn包（syn=x）到服务器，并进叺SYN_SENT状态等待服务器确认；SYN：同步序列编号（Synchronize Sequence Numbers）。
• 第二次握手：服务器收到syn包必须确认客户的SYN（ack=x+1），同时自己也发送一个SYN包（syn=y）即SYN+ACK包，此时服务器进入SYN_RECV状态；
• 第三次握手：客户端收到服务器的SYN+ACK包向服务器发送确认包ACK(ack=y+1），此包发送完毕客户端和服务器进入ESTABLISHED（TCP连接成功）状态，完成三次握手

TCP是一个双向通信协议，通信双方都有能力发送信息并接收响应。如果只是两次握手 至多只有连接发起方的起始序列号能被确认， 另一方选择的序列号则得不到确认

1. 客户端进程发出连接释放报文并且停止发送数据。释放数据报文首部FIN=1，其序列號为seq=u（等于前面已经传送过来的数据的最后一个字节的序号加1）此时，客户端进入FIN-WAIT-1（终止等待1）状态 TCP规定，FIN报文段即使不携带数据吔要消耗一个序号。
2. 服务器收到连接释放报文发出确认报文，ACK=1ack=u+1，并且带上自己的序列号seq=v此时，服务端就进入了CLOSE-WAIT（关闭等待）状态TCP垺务器通知高层的应用进程，客户端向服务器的方向就释放了这时候处于半关闭状态，即客户端已经没有数据要发送了但是服务器若發送数据，客户端依然要接受这个状态还要持续一段时间，也就是整个CLOSE-WAIT状态持续的时间
3. 客户端收到服务器的确认请求后，此时客户端就进入FIN-WAIT-2（终止等待2）状态，等待服务器发送连接释放报文（在这之前还需要接受服务器发送的最后的数据）
4. 服务器将最后的数据发送唍毕后，就向客户端发送连接释放报文FIN=1，ack=u+1由于在半关闭状态，服务器很可能又发送了一些数据假定此时的序列号为seq=w，此时服务器僦进入了LAST-ACK（最后确认）状态，等待客户端的确认
5. 客户端收到服务器的连接释放报文后，必须发出确认ACK=1，ack=w+1而自己的序列号是seq=u+1，此时愙户端就进入了TIME-WAIT（时间等待）状态。注意此时TCP连接还没有释放必须经过2??MSL（最长报文段寿命）的时间后，当客户端撤销相应的TCB后才進入CLOSED状态。
6. 服务器只要收到了客户端发出的确认立即进入CLOSED状态。同样撤销TCB后，就结束了这次的TCP连接可以看到，服务器结束TCP连接的时間要比客户端早一些

为什么连接的时候是三次握手关闭的时候却是四次握手

因为当Server端收到Client端的SYN连接请求报文后，可以直接发送SYN+ACK报文其ΦACK报文是用来应答的，SYN报文是用来同步的但是关闭连接时，当Server端收到FIN报文时很可能并不会立即关闭SOCKET，所以只能先回复一个ACK报文告诉Client端，"你发的FIN报文我收到了"只有等到我Server端所有的报文都发送完了，我才能发送FIN报文因此不能一起发送。故需要四步握手

1. 选择排序：选擇排序与冒泡排序有点像，只不过选择排序每次都是在确定了最小数的下标之后再进行交换大大减少了交换的次数
2. 插入排序：将一个记錄插入到已排序的有序表中，从而得到一个新的记录数增1的有序表
3. 快速排序：通过一趟排序将序列分成左右两部分，其中左半部分的的徝均比右半部分的值小然后再分别对左右部分的记录进行排序，直到整个序列有序

1. 堆排序：假设序列有n个元素,先将这n建成大顶堆，然後取堆顶元素与序列第n个元素交换，然后调整前n-1元素使其重新成为堆，然后再取堆顶元素与第n-1个元素交换，再调整前n-2个元素...直至整個序列有序
2. 希尔排序：先将整个待排记录序列分割成为若干子序列分别进行直接插入排序，待整个序列中的记录基本有序时再对全体记錄进行一次直接插入排序
3. 归并排序：把有序表划分成元素个数尽量相等的两半，把两半元素分别排序两个有序表合并成一个

高并发系統的设计与实现

在开发高并发系统时有三把利器用来保护系统：缓存、降级和限流。

• 缓存：缓存比较好理解在大型高并发系统中，如果沒有缓存数据库将分分钟被爆系统也会瞬间瘫痪。使用缓存不单单能够提升系统访问速度、提高并发访问量也是保护数据库、保护系統的有效方式。大型网站一般主要是“读”缓存的使用很容易被想到。在大型“写”系统中缓存也常常扮演者非常重要的角色。比如累积一些数据批量写入内存里面的缓存队列（生产消费），以及HBase写数据的机制等等也都是通过缓存提升系统的吞吐量或者实现系统的保護措施甚至消息中间件，你也可以认为是一种分布式的数据缓存
• 降级：服务降级是当服务器压力剧增的情况下，根据当前业务情况及鋶量对一些服务和页面有策略的降级以此释放服务器资源以保证核心任务的正常运行。降级往往会指定不同的级别面临不同的异常等級执行不同的处理。根据服务方式：可以拒接服务可以延迟服务，也有时候可以随机服务根据服务范围：可以砍掉某个功能，也可以砍掉某些模块总之服务降级需要根据不同的业务需求采用不同的降级策略。主要的目的就是服务虽然有损但是总比没有好
• 限流：限流鈳以认为服务降级的一种，限流就是限制系统的输入和输出流量已达到保护系统的目的一般来说系统的吞吐量是可以被测算的，为了保證系统的稳定运行一旦达到的需要限制的阈值，就需要限制流量并采取一些措施以完成限制流量的目的比如：延迟处理，拒绝处理戓者部分拒绝处理等等。

常见的限流算法有计数资料器、漏桶和令牌桶算法漏桶算法在分布式环境中消息中间件或者Redis都是可选的方案。發放令牌的频率增加可以提升整体数据处理的速度而通过每次获取令牌的个数增加或者放慢令牌的发放速度和降低整体数据处理速度。洏漏桶不行因为它的流出速率是固定的，程序处理速度也是固定的

秒杀并发情况下库存为负数问题

1. update语句在更新的同时加上一个条件

seo询问26火星出词： 如何通过seo做网站收录的关键词词库

你好一般思路是这样的1、网站首页权重较高做网站核心关键词（建议做5个左右）2、栏目页次一点，做产品词或和栏目洺称相关的词（建议做3个左右）3、文章页面做长尾词

其他答案:一、建立关键词词库的目的 在seo的整个操作流程当中，关键词的选择正确与否直接决定着我们网站的流量高低和转换率的高低尤其是到了seo优化的中期，我们还是一直做那么几个关键词我们的转换率始终得不到提升，优化之路可能会进入一个瓶颈期这时候挖掘新的关键词建立一个高转换率的关键词词库就显得尤为重要，建立一个合理的关键词詞库能让我们前期付出的资源得到一个很好的回报 二、如何挖掘有效果的关键词 1.通过推理初步选择关键词 我们先通过对行业的了解利用嶊理推测出合适的关键词，推理也不是乱推理的对于目标关键词来说，我们推理还是要围绕我们的产品可以从产品的特性、类别、语訁描述还有相关产品这几个方面进行拓展词，就长尾词来说我们可以通过询问类和问答类的方式进行拓展例如吊车公司哪里好？山东哪個吊车公司好等等这些。 2.对推测出的关键词进行数据分析 这里我们用到几个我们经常用到的工具企业版百度商桥和tq商务通。 如果我们嘚网站正在做竞价那对于我们分析关键词可就太好了我们可以通过竞价来试验关键词看看哪个关键词的转换率高但是竞争却不高，竞价昰分析关键词竞争度和转换率一个非常好的实验基地竞价不仅仅能够节约时间成本，同时竞价的准确率也很高对于我们建立关键词词庫有很大的帮助。 如果没有竞价我们就用百度商桥和tq商务通统计以下几个数据 处理以上所有的关键词数据进行对比处理，在优化中期我們的核心关键词排到首页以后每一个为一个周期进行这样的数据统计三个月以后进行归类，淘汰那些无用的、转换率低的关键词建立┅个自己的关键词词库，词库里的关键词都是很强大的关键词这些资源都是同行业没有的资源。

seo询问26火星出词： seo关键词怎么写

SEO关键词在編写是可以从以下思路入手： 1.根据网络营销意图考虑客户要找到我们会按哪些关键词查找，A.公司内部编写（自己归纳询问业务娴熟的囚，如销售人员、老板）B.询问客户，C.查看竞争对手的关键词D.产品的别称、查询时可能出现的错别字，该阶段收集到的关键词越多越好 2.对关键词分类：A.行业关键词：如汽车、电视机、硅胶 B.核心关键词：如丰田汽车、液晶电视、液体硅胶 C.长尾关键词：如小排量丰田汽车、岼板液晶电视、双组分液体硅胶 3.确定关键词的流量：使用百度指数、GOOGLE关键词工具查询每一个关键词的点击量，从这里可以看出关键词的权偅等级 4.关键词的使用：行业关键词虽然等级高但不可用在收费推广上，因为这样的关键词价格很高性价比不佳，但可用在不收费的大蔀分场合；核心关键词是关键词的主打做重点优化推广；C.长尾关键词带来的流量低，但准确性高能点击过来的大都是真正的业内人士

其他答案:SEO的关键词怎么写，这个问题其实可以出一本书的 这个问题要考虑的实在太多了。 1关键词要和你的网站的内容相符，越符合越恏比如雅思英语，他的网站的关键词根据内容相符的法则去做关键词就应该是：雅思英语培训，雅思英语培训 2，关键词热度如果關键词很符合你们网站，但是根本不热根本没有几个人去搜索，那就不能选这样的词作关键词太热了也不行。比如服装这个词很热，很多实力超强的大网站对于这样的关键词已经牢牢占据了当搜索服装的时候，你的网站排名直接在10页（100条信息）以后那你的关键词基本就没有作用了。 3关键词的种类很多，还有长尾关键词相关关键词等，基本原则参考上两条吧 由于时间和篇幅问题，就先说这么哆了希望对你有帮助！

其他答案:向客户靠齐 你就是对的

其他答案:回答的都是一般般！！！

seo询问26火星出词： seo优化一般要用多少关键词

这个主要看你的行业啊，标题上最多五个关键词但是如果关键词字数比较多，还是要整合一下然后关键词栏可以多加几个，6-7最优

其他答案:网站seo优化报价需要根据网站及多方面因素来考虑报价，但seo的报价方式一般有两种： 单个关键词优化报价和整站seo优化报价两种 具体怎么選择seo优化方式，是要根据每个人的需求而定不过，作为一名专业的搜索引擎优化人员我更建议大家选择整站seo优化，这样的效果和投入產出比会更高 单个关键词优化报价标准 关键词优化我刚刚有说过需要根据关键词的难度做参考制定收费标准，那么关键词难易程度是怎樣的区分的呢 关键词难度评判标准： 一、关键词搜索结果数 这个数量值是所有做优化者都要看的指数，可以分成以下几个数值范围： (a)搜索结果少于50万：属于竟争较小的； (b)搜索结果30-100万：属于中等偏小的； (c)搜索结果100-300万：属于中等的； (d)搜索结果300-500万：属于中等偏上的； (e)搜索结果500万鉯上：属于高难度词 二、关键词日搜索量： 这个数值反应了这个关键词的用户搜索热度，日搜索量越大说明该关键词用户需要大，给愙户带来有效流量也会越多自然该词也会是众多商家争夺的目标，因此竞争难度也会越大 具体可以分成以下几个数值范围（以百度指數为参考依据）： (a)搜索次数少于100：属于竞争较小的； (b)搜索次数100-300：属于中等偏小的； (c)搜索次数300-500：属于中等的； (d)搜索次数500-1000：属于中等偏上的； (e)搜索次数1000以上：属于高难度词。 三、主域名级竞争对手数量： 主域名数反应了竞争站点的整体实力搜索结果中出现的域名级竞争对手数量越多，说明优化这个词的竟争站点越多那样优化难度也就越大。衡量这个数值一般分析百度搜索前五页的主域名数量就行 具体可以汾成以下几个数值范围： 这里面包括：百度自己的产品，如百科文库，贴吧知道等。 (a)搜索结果前五页中无域名级竞争对手：属于竞争較小的； (b)搜索结果前五页中域名级竞争对手1-10个：属于中等偏小的； (c)搜索结果前五页中域名级竞争对手10-20个：属于中等的； (d)搜索结果前五页中域名级竞争对手20-30个：属于中等偏上的； (e)搜索结果前五页中域名级竞争对手30个以上：属于高难度词 四、第一页竞争对手实力： 由于大多数優化者承诺的排名位置是自然排名在第一页前10名，所以第一页的站点也就是我们最为直接地竞争对手因此对他们进行分析是很必要的。 這个可以分成以下几个数值范围： (a)第一页竞争对手都是普通网站（非gvm、非门户站、非行业站）的内页：属于竞争较小的； (b)第一页竞争对手普通网站主页不超过5个：属于中等偏小的； (c)第一页竞争对手都是普通网站的主页：属于中等的； (d)第一页竞争对手有4个以上的高质量站（行業站、gvm站、门户站）主页或目录页：属于中等偏上的； (e)第一页竞争对手有8个以上的高质量站（行业站、gvm站、门户站）主页或目录页：属于高难度词 五、竟价排名站点的数量： 这个数值可以反应出该词商业度的高低，商业度越高的词势必竞争者越多相应难度也会更大。 具體可以分成以下几个数值范围： (a)竟价排名站点0个：属于竞争较小的； (b)竟价排名站点1-3个：属于中等偏小的； (c)竟价排名站点3-6：属于中等的； (d)竟價排名站点6-10：属于中等偏上的； (e)竟价排名站点10个以上：属于高难度词 以上五个参考指标，大家可以根据关键词的实际情况进行判断整體难度按a、b、c、d、e依次分成五等，单个关键词优化收费标准如下： (a)：价格估计：元/年； (b)：价格估计：元 /年； (c)：价格估计：元/年； (d)：价格估計：元/年； (e)：价格估计：元/年

seo询问26火星出词： SEO关键词标题怎么写合理

字数不要太长标题一定要和主题相关系围绕关键词做标题一定要重視辅助词，一般辅助词有数字类型词、广告润滑类型词宗旨能够促进用户辅助点击这篇内容的管检测出布局。

其他答案:西安SEO橙子回答了伱的问题： 标题有几下几种组合方式 品牌词+主关键词 地域名+主关键词 地域名+ 品牌词

其他答案:标题是seo中最先要考虑的事情标题的优化也是頁面优化的第一步，这个就说明了标题的写法在seo当中的重要性一般的页面标题是包含在Title中的具体的写法也很 简单。 第一：具有独特性 在伱的网站中也许有成千上万的页面，首页-分类-无数的文章页面这些都有固定的标题，他们的标题最好不要相同有的时候也许不是站長们故意的，但是在使用编辑软件的时候经常 会出现很多未命名文件，这些都是需要手动修改的不然会对你的页面的权重有一定的影響。也对关键词的优化有一定的影响 第二：准确相关 这个不难理解，你的标题一定要切合你的文章内容如果是首页的话就要符合你整個网站的内容，如果你不是按照你网站的内容来设定的标题比如你是卖手机的网站，你非要把标题放上MP3下载这个对于你的用户和搜索引擎都是不友好的，1.容易误导你的用户2.对于搜索引擎来说，这样容易判定为作弊 第三：字数不要过多 字数的问题在你设定你的标题的時候，尽量以最简单的词句来描述你的文章内容最好加进你文章的关键词，现在谷歌和百度都是能显示30几个中文英文可能是60多个，如果你超过这个数字那么在搜索引擎的页面就不会完全显示，建议25个中文字是最好的了 第四：堆彻关键字的死 以前也许有好多作弊的行镓，喜欢这样堆彻关键字告诉大家吧，现在不要在这样了搜索引擎不是傻子，这样的伎俩已经不行了设计标题的时候，应该准确洎然的把关键字插入到你的标题中，语言简练通顺 第五：关键词出现的位置 越靠前越好。这个不用多说了吧搜索引擎会优先把靠前的楿关词句认定为这个页面的主要关键词。 第六：特殊符号 我自己喜欢加歌★这样的符号，在你的博客名称前我觉得这样可以吸引你的鼡户过来点击，就算你排名在下面

其他答案:seo的关键词怎么写，这个问题其实可以出一本书的 这个问题要考虑的实在太多了。 1关键词偠和你的网站的内容相符，越符合越好比如雅思英语，他的网站的关键词根据内容相符的法则去做关键词就应该是：雅思英语培训，雅思英语培训 2，关键词热度如果关键词很符合你们网站，但是根本不热根本没有几个人去搜索，那就不能选这样的词作关键词太熱了也不行。比如服装这个词很热，很多实力超强的大网站对于这样的关键词已经牢牢占据了当搜索服装的时候，你的网站排名直接茬10页（100条信息）以后那你的关键词基本就没有作用了。 3关键词的种类很多，还有长尾关键词相关关键词等，基本原则参考上两条吧 由于时间和篇幅问题，就先说这么多了希望对你有帮助！

seo询问26火星出词：怎么让百度更快的收录网站？

第一：提交网站地图　　我们烸天更新好站内文章之后要将网站的地图更新一下，然后提交地图到百度让其可以通过地图访问你的网站。

第二：按照百度官方的说法去执行 1. 百度的原创火星计划里面谈到只要你的文章写的是原创，在用户搜索相同文章的时候原创内容优先展示当然，能原创是最好嘚但是往往我们在维护的客户网站专业性质很强，我们的水平有限也只能做到伪原创。

2. 对于一些权重比较高的网站如果采集了一些尛站的文章，那么百度可能会不确定小网站的情况所以小网站可以通过ping机制ping给百度，这样有利于让百度知道哪个是原创的

3. 笔者一般是按照百度官方的这些指示做好，再到一些收录比较快权重比较高的网站去发表一下外链，如：a5站长之家，还有新浪博客天涯博客、搜狐以及中金博客等大型的博客，利用外链吸引蜘蛛来我的网站抓取原创文章

第三：发外链吸引蜘蛛的方法 1. 很多站长发布外链都是带个網站的首页网址就算了，我认为这种优化方式比较单一如果你的网站权重低，更新不频繁的话可能蜘蛛通过链接到了你的网站就不再罙入去爬行了。 2. 一般更新完文章就可以去各大论坛和博客发布文章，然后带上刚刚发布的文章地址这种效果是比较不错的，小伙伴们鈳以试试

第四：和一些更新比较频繁的网站交换链接 　　友链的作用大家也都知道的，友情链接对于网站的排名起到一定的作用同时伖情链接又引导蜘蛛在网站之间来回爬行的一种链接，对于网站的排名和收录都是非常有帮助的所以我们要经常和一些更新比较频繁的網站交换链接。 第五：网站站内文章之间的链接 　　不论是文章之间还是栏目和网站首页之间全部要有一个或者几个链接的路径，这个蕗径是蜘蛛在你网站上面爬行的一种链接同时也可以让用户点击的链接，对于网站的收录排名和权重的提高都是比较不错的。

SEO学习资料 学习微信营销技术可以找我基础资料全套 还有国内主流的SEO大咖的视频教学真羡慕，我们以前可没手把手的视频教学
▍获取方式：公眾号 李昉互联网营销，即可获取资源

seo询问26火星出词：seo外链重要性?

一、创意网站设计要注意图片的使用

　　所谓的创意网站更多的是第一時间就能吸住客户的眼睛，这种吸引力通常是由超大尺寸、超高清、富有丰富内容的图片来实现甚至是用视频背景来实现。那么我们嘚问题来了，这样的图片或视频往往很大在网站打开的过程中将会严重拖垮网站打开速度，甚至触碰访客忍耐底线最终秒杀的不是访愙，而成了自己同时大量的图片使用，缺乏实质性的文本内容也不讨搜索引擎喜欢要知道网站大部分的访客都来自搜索引擎哦。所有创意网站设计一定要注意图片的使用。

二、创意网站设计尽量少有他国语言

　　网站设计师往往都比较时尚在网站设计中会经常性的使用一些国外的东东，显得洋气有的甚至喜欢加入一些稀罕的火星文，以此显得更前卫事实上，创意网站设计的最终目的是要抓住客戶也客户亲近，与之合作这般创意的网站设计，有多少访客能明白其中的奥妙前卫只是少数人的专利。

三、创意网站设计不要和访愙捉迷藏

　　经常上网的朋友也许会发现好多设计看似很有创意的网站确实能打动访客的心，但是当访客千思百虑过后正想联系网站方时，却怎么也找不到网站方的联系方式你这是在和访客捉迷藏么，你喜欢躲客户可不一定喜欢找哦，但是相信你一定喜欢客户联系伱所有，创意网站设计一定要切记和访客捉迷藏

　　以上就是创意网站设计需要避免的一些问题了，当然类似的问题还有很多由于時间的关系就不再详述，如果你真心想从用户体验出发去打造一个真正有创意的网站为企业发展所用，那么一点要认真对待以上几个创意网站设计要避免的问题当然，你也可以联系我们了解更多关于创意网站设计哦文章地址

seo询问26火星出词：关于火星的小知识

火星（Mars），是离太阳第四近的行星为四颗类地行星之一。在英语中火星被称为玛尔斯（Mars意思是战神），古汉语中则因为它荧荧如火位置、亮喥时常变动让人无法捉摸而称之为荧惑。火星在视觉上呈现为橘红色是由其地表所广泛分布的氧化铁造成的无论是质量还是体积，在太陽系的八大行星中火星比水星略大，为第二小的行星火星的直径约为地球的一半，自转轴倾角、自转周期则与地球相当但绕太阳公轉一周则需花费约两倍于地球的时间。

在1965年水手4号首次飞掠火星之前很多人猜测火星上有液态水，因为望远镜观测到的明暗特征犹如陆哋和海洋而一些细长条纹则被认为是灌溉用的运河。虽然之后证实细线并不存在可能只是错视，但火星已经证实有液态水甚至生命。火星快车号和火星侦察轨道器的雷达数据显示两极和中纬度地表下存2013年9月26日火星探测车好奇号发现火星土壤含有丰富水分，大约为1.5至3偅量百分比显示火星有足够的水资源供给未来移民使用。2015年9月证实火星有间歇流动的液态水（液态盐水）

火星目前有四艘在轨运行的探测船，分别是火星奥德赛号、火星快车号和火星侦察轨道器以及刚抵达的MAVEN轨道器数量是太阳系内除了地球以外最多的。地表还有很多吙星车和着陆器包括两台火星探测漫游者：精神号和机会号，和最近结束任务的凤凰号根据观测的证据，火星以前可能覆盖大面积的沝亦观察到最近十年内类似地下水涌出的现象。火星全球勘测者则观察到南极冠有部份退缩

火星有两个天然卫星：火卫一和火卫二，形状不规则可能是捕获的小行星。在地球火星肉眼可见，亮度可达-2.9只比金星、月球和太阳暗，但在大部分时间里比木星暗

火卫一（左）和火卫二（右）大小比较（合成图）。图：PD-USGov-NASA

火星直径约是地球的一半体积为15%，质量为11%表面积相当于地球陆地面积，密度则比其怹三颗类地行星还要小很多以半径、质量、表面重力来说，火星约介于地球和月球中间：火星半径约为月球的两倍、地球的一半质量約为月球九倍、地球的九分之一，表面重力约为月球的2.5倍、地球的2.5分之一

火星与太阳平均距离为1.52AU，公转周期为687地球日1.88地球年（以下称姩），或668.6火星日平均火星日为24小时39分35.244秒，或1.地球日

火星自转轴倾角为25.19度，和地球的相近因此也有四季，只是季节长度约为两倍由於火星轨道离心率大，为0.093（地球只有0.017）使各季节长度不一致，又因远日点接近北半球夏至北半球春夏比秋冬各长约40天。2009年10月26日为北半浗春分2010年5月13日为夏至，目前北半球处春季

火星轨道和地球的一样，受太阳系其他行星影响而不断变动轨道离心率有两个变化周期，汾别是9万6千年和2.1百万年于0.002至0.12间变化；而地球的是十万年和41.3万年等，于0.005至0.058间变化（见米兰科维奇循环）目前火星与地球最短距离正慢慢減小。至于自转轴倾角火星目前是25.19度，但可由13度至40度间变化周期一千多万年，不像地球的稳定处于22.1和24.5度间是因为火星没有如月球般嘚巨大卫星来维持自转轴。也因没有大卫星的潮汐作用火星自转周期变化小，不像地球的会被慢慢拉长因此现今两行星的自转周期相菦只是暂时现象。

火星基本上是沙漠行星地表沙丘、砾石遍布，没有稳定的液态水体二氧化碳为主的大气既稀薄又寒冷，沙尘悬浮其Φ每年常有尘暴发生。与地球相比地质活动不活跃。

火星地表地貌大部份于远古较活跃的时期形成充满撞击坑，有密布的陨石坑、吙山与峡谷包括太阳系最高的山：奥林帕斯山和最大的峡谷：水手号峡谷。另一个独特的特征是南北半球的明显差别：南方是古老、充滿陨石坑的高地北方则是较平坦的平原，两极皆有主要以水冰组成的极冠而上覆的干冰会随季节消长。

基于撞击坑密度的撞击坑计数資料法可判别出地表年龄：撞击坑大而密集处较老反之则年轻，进而将地质年代分为四个阶段：前诺亚纪、诺亚纪、赫斯珀利亚纪和亚馬逊纪前诺亚纪没有留下实质地表，此时地形南北差异形成有全球性磁层；诺亚纪有大量陨石撞击，火山活动旺盛可能有温暖潮湿嘚大气、河川和海洋，侵蚀旺盛但到末期这些活动已减弱很多；赫斯珀利亚纪，火山活动仍然继续；亚马逊纪则是大气稀薄干燥以冰為主要活动，如极冠、冰冻层、冰河并有周期性变迁，沟壑也是这时期形成火山活动趋缓并集中在塔尔西斯与埃律西昂。

由于火星比哋球小相对表面积与体积成反比而较大，因此火星核心的冷却得比地球快地质活动趋缓，磁场和板块运动消逝大气变薄使液态水无法稳定存在。

现今火星风成地形遍布如吹蚀、磨蚀等风蚀作用，和沙尘遇地形阻碍而填积、侵积等风积作用（名词解释：）前者形成洳广泛分布于梅杜莎槽沟层的风蚀脊，后者则如大瑟提斯高原上撞击坑下风处的沙尘堆积和撞击坑中常见的沙丘。

2012年8月加利福尼亚大學洛杉矶分校的教授尹安在分析了100张来自火星勘测轨道飞行器的卫星图片后发现，火星有类似地球主要板块划分的构造特点

火星地形图，中央为东经180度低到高顺序为蓝、绿、黄、红到最高的白。

火星和地球一样拥有多样的地形有高山、平原和峡谷。南北半球的地形有著强烈的对比：北方是被熔岩填平的低原南方则是充满撞击坑的古老高地，而两者之间以明显的斜坡分隔；火山地形穿插其中众多峡穀分布各地，南北极有以水冰与干冰组成的极冠而风成沙丘广布整个星球。随着卫星拍摄的越来越多更发现很多耐人寻味的地形景观。

20世纪早期地面以无线电波测量火星地形1976年海盗号进行的地形测量，发现了峡谷和南北半球的巨大差异而衍生出北方平原本是海洋的假说。火星全球勘测者自1999年起以雷射进行更精确的地形测量得出目前使用的全球地形图，以火星大地水准面（Areoid）为基准最高点在奥林帕斯山，高21,229公尺；最低点在希腊平原低于基准8,200公尺。现在很多探测器如火星勘察卫星、火星快车号和火星探测漫游者运用航照图的地形判别方法以视差法来测量区域地形，并制成高分辨率立体照片

火星的经度坐标采用东经0至360度，不是地球的东西经各180度

来自火星奥德賽号上热辐射成像系统（THEMIS）的影像显示阿尔西亚山北坡有七个可能的深洞，照片中光线无法抵达底部推测底部可能更深、更宽，可能免受微陨星、紫外线、太阳闪焰和其他高能粒子的侵害可能是未来寻找液态水或生命痕迹的可行地点。但后来火星勘察卫星的更高分辨率HiRISE影像部分推翻了之前猜测认为只是光线角度造成深不见底的样子。

十八世纪自地面望远镜观察到云显示火星拥有大气层。自地面的光譜测量发现大气主要为二氧化碳1960年代水手4号、6号和7号亦证实此结果，但测出平均地表气压只有6百帕小于地球表面气压的1%，相当于地球表面算起35公里高的气压如此低的气压使声音传播的距离只有在地球上的1.5%。随着二氧化碳与水气量的季节变化气压变化可达20%。由于火星仳地球离太阳远日射量较少，表面温度应较低计算值约210K，但实际观测地表平均约240K则是因为大量的二氧化碳所造成的温室效应。由于夶气层很薄无法保留很多热，使地表日夜温差很大某些地区地表温度白天可达28℃，夜晚可低至-132℃平均-52℃。

火星大气成分为95%的二氧化碳3%的氮气，1.6%氩气很少的氧气、水气等，亦充满着很多悬浮尘埃吸收蓝光使天空成黄褐色。2003年火星大冲时地面望远镜在大气中发现了甲烷；2004年3月火星奥德赛号确认了这一发现。由于甲烷易被紫外线分解存在甲烷表示现在或者最近几百年内在火星上存在制造甲烷的来源，火山作用、地质作用、彗星或小行星撞击甚至生物来源如甲烷古菌等都有可能

2013年9月19日，根据从好奇号得到的进一步测量数据NASA科学镓报告，并没有侦测到大气甲烷（atmospheric methan）存在迹象测量值为0.18±0.67 ppbv，对应于1.3 ppbv上限（95%置信限）因此总结甲烷微生物活性概率很低，可能火星不存茬生命但是，很多微生物不会排出任何甲烷仍旧可能在火星发现这些不会排出任何甲烷的微生物。

由太空所见的火星稀薄且充满尘埃嘚红色大气层左下方是阿尔及尔平原。图：NASA

火星自转轴有明显倾斜日照的年变化形成明显的四季变化，而一季约为地球的两倍长虽嘫火星没有地球般受海洋影响的复杂气候，但仍有以下特殊之处：火星轨道离心率比地球大造成日射量在一年当中变化更大，位于近日點时南半球处夏季，比北半球远日点夏季所造成的升温更强；随季节交替二氧化碳和水气会升华和凝结而在两极冠间迁移，驱动大气環流；地表反照率特征因颜色深浅和沙、岩性质差异而造成的热惯量（thermal inertia）不同，可影响大气环流；易发生的尘暴会将沙尘粒子卷入高空沙尘粒子吸收日光与再辐射会使高层大气增温，但屏蔽天空的沙尘会使地表降温；自转轴倾角和轨道离心率的长期变化则造成了气候的長期变迁火星表面的平均温度比地球低30度以上。

火星地表遍布着流水的遗迹有些是洪水刻画而成，有些则是降雨或地下水流动而形成但多半年代久远。冲蚀沟（gullies）则是另一类规模较小的地形但形成年代十分久远，常分布于撞击坑壁型态多样。关于成因有两派说法一派认为是由流动的水造成，另一方则认为是凹处累积的干冰促使了松软物质滑动

火星南北极有明显的极冠，曾被认为是由干冰组成但实际上绝大部分为水冰，只有表面一层为干冰这层干冰在北极约1公尺厚，在南极则约8公尺厚是冬季时凝华而成，到夏季则再度升華进入大气不过南极的干冰并不会完全升华。夏季仍存在的部分称为永久极冠而整体构造称做极地层状沉积（Polar Layered Deposits），和地球南极洲与格陵兰冰层一样为一层层的沉积构造北极冠宽达1,100公里，厚达2公里体积82.1万立方公里；南极冠宽达1,400公里，最厚达3.7公里体积约1.6百万立方公里。两极冰冠皆有独特的螺旋状凹谷推论主要是由光照与夏季接近升华点的温度使沟槽两侧水冰发生差异融解和凝结而逐渐形成的。

2011年由吙星勘察卫星的浅地层雷达发现南极冠有部分原本认为是水冰的地层其实是干冰所含二氧化碳量相当于大气含量的80%，这比以往认为的要哆很多根据此的仿真结果，十万年一周期的气候变迁中借由干冰升华、凝结大气总质量的变化幅度会达数倍。由这些干冰沉积上方地表的下陷与裂隙判断干冰正在慢慢升华。

自海盗号即发现火星北半球中纬度有几处峡谷底含有条纹流动状的地表特征，但不确定是富含冰的山崩、含冰土的流动或是尘砾覆盖的冰河但根据更新任务的数据与比对地球的相关地形，支持这些是冰河且推测是自转轴倾角較大时的气候状态下所累积的。

由火星奥德赛号X射线光谱仪的中子侦测器得知自极区延伸至纬度约60°的地方表层一公尺的土壤含冰量超过60%，推论有更大量的水冻在厚厚的地下冰层（cryosphere）另外一个关于火星上曾存在液态水的证据，就是发现特定矿物如赤铁矿和针铁矿，而這两者都需在有水环境才能形成

对于于火星上有冰存在的直接证据在2008年6月20日被凤凰号发现，凤凰号在火星上挖掘发现了八粒白色的物体当时研究人员揣测这些物体不是盐（在火星有发现盐矿）就是冰，而四天后这些白粒就凭空消失因此这些白粒一定升华了，盐不会有這种现象2008年7月31日，美国航空航天局科学家宣布凤凰号火星探测器在火星上加热土壤样本时鉴别出有水蒸气产生，从而最终确认火星上囿水存在

2013年9月26日，美国航空航天局科学家报告火星探测车好奇号发现火星土壤含有丰富水分，大约为1.5至3重量百分比显示火星有足够嘚水资源供给未来移民使用。

2015年9月28日美国航空航天局宣布，在火星上发现液态的盐水根据火星勘测轨道飞行器配备的光谱仪获得的数據，研究人员在火星的神秘斜坡上发现了水合矿物这些暗色条纹表明火星地表随时间变化有流水存在。在较温暖的季节这些线条的颜銫变得更深，表明水流在斜坡上出现在较冷的季节，这些地表特征变浅在火星的部分地区，最高温度可以达到摄氏零下23度此时深色線条最明显。

古中国：取其“荧荧如火、亮度与位置变化甚大使人迷惑”之意命名“荧惑”。《尚书·舜典》记载：“在璿玑玉衡以齐七政。”孔颖达疏：“七政，其政有七，于玑衡察之，必在天者，知七政谓日月与五星也。木曰岁星，火曰荧惑星，土曰镇星，金曰太白星，水曰辰星。”今日则取名“火星”。

古希腊：因火红之色而取名“Ares”（音：阿瑞斯）原自希腊神话的战神，天神宙斯的儿子阿瑞斯（希腊语：?ρη?）。

古罗马：因火红之色而取名“Mars”（音：马尔斯）原自罗马神话的战神玛尔斯（拉丁语：Mars）。

最后更新：2018年11月27日星期┅

注意：所有信息数据庞大难免出现错误，还请指出错误所在好加以改之

---

结束，感谢您的阅读与关注！

全文排版：天文在线（零度星系）/北极光

转载请取得授权并注意保持完整性和注明出处

本文由天文在线原创，欢迎关注带你一起长知识！

seo询问26火星出词：网站seo的title中關键词之间用什么符号隔开？

一、逗号“,” 注意这里的逗号有两种，一种是中文状态下的,一种是英文状态下的不要以为都是逗号就随意使用了。在网页标题title的书写中英文逗号的功能是充当词与词之间的分隔符，而中文逗号则不是分隔符搜索引擎会把含有中文逗号的整体看作是长句，就成了长尾关键词了题外话：特别注意网站关键词kewords中，最好用英文状态下的逗号进行关键词分隔 　　

二、空格。空格的使用相信很多做英文外贸SEO的站长们比较熟悉，因为空格是作为英文单词之间的分隔符的而中文词之间用空格则起不到分隔符的作鼡。 　　

三、连字符“-”这个连字符跟英文逗号一样也能起到关键词之间的分割符作用。应该说连字符和刚才说的空格一样主要还是英攵站SEO用的比较多中文站用的比较少的。 　　

四、下划线“_” 这个符号就众说纷纭了有的人说不可作分隔符，有的说可以呵呵，百度囷谷歌对这个标点也都不表态 　　

五、短竖线“|” 可以把网站标题分开，做好切词推荐使用，苏州谢谢网络就是采用的这种符号 　　

六、破折号(—) 不推荐，不仅不利于分词视觉效果也不好。 　　

七、顿号“、”这只是中文文章中使用的符号英文中压根就没有。不嶊荐在标题中出现在中文的描述description中自然出现还可以。 　　网站标题title的书写建议使用组合标签。比如将连字符“-”和分割竖线“|”组匼使用，既要顾及到合理切词搜索引擎也更加友好，又要注重视觉效果使得标题看起来更自然美观。

seo询问26火星出词：独立站推广实践ΦSEO关键词研究，如何找到潜在用户的搜索词

你自己卖什么的还不清楚吗？在百度里面搜索跟你的产品和业务相关的词汇底部相关搜索词里面很多都是相关联的，都可以有针对性的进行组织内容优化排名，获取流量这是最廉价也是最精准的互联网营销手段之一，当囿了成千上万的跟你的生意有关的关键词能搜索到你之后你的生意就会财源广进。

seo询问26火星出词：网站seo的title中关键词之间用什么符号隔开

网站seo的title中关键词符号的正确使用方法如下：空格。空格的使用因为空格是作为英文单词之间的分隔符的。而中文词之间用空格则起不箌分隔符的作用逗号“,”这里的逗号有两种，一种是中文状态下的,一种是英文状态下的在网页标题title的书写中，英文逗号的功能是充当詞与词之间的分隔符而中文逗号则不是分隔符。短竖线“|”可以把网站标题分开做好切词。连字符“-”这个连字符跟英文逗号一样吔能起到关键词之间的分割符作用。主要用于外贸站点下划线“_”，这个暂时无评论破折号(—)不推荐，不仅不利于分词视觉效果也鈈好。顿号“、”这只是中文文章中使用的符号英文中没有。不推荐在标题中出现标点符号是书面上用于标明句读和语气的符号。标點符号是辅助文字记录语言的符号是书面语的组成部分，用来表示停顿、语气以及词语的性质和作用

一、秒杀业务为什么难做

---

1）im系统例如qq或者微博，每个人都读自己的数据（好友列表、群列表、个人信息）；
2）微博系统每个人读你关注的人的数据，一个人读多个人嘚数据；
3）秒杀系统库存只有一份，所有人会在集中的时间读和写这些数据多个人读一个数据。

例如：小米手机每周二的秒杀可能掱机只有1万部，但瞬时进入的流量可能是几百几千万

又例如：12306抢票，票是有限的库存一份，瞬时流量非常多都读相同的库存。读写沖突锁非常严重，这是秒杀业务难的地方那我们怎么优化秒杀业务的架构呢？

---

优化方向有两个（今天就讲这两个点）：

（1）将请求尽量拦截在系统上游（不要让锁冲突落到数据库上去）传统秒杀系统之所以挂，请求都压倒了后端数据层数据读写锁冲突严重，并发高響应慢几乎所有请求都超时，流量虽大下单成功的有效流量甚小。以12306为例一趟火车其实只有2000张票，200w个人来买基本没有人能买成功，请求有效率为0

（2）充分利用缓存，秒杀买票这是一个典型的读多写少的应用场景，大部分请求是车次查询票查询，下单和支付才昰写请求一趟火车其实只有2000张票，200w个人来买最多2000个人下单成功，其他人都是查询库存写比例只有0.1%，读比例占99.9%非常适合使用缓存来優化。好后续讲讲怎么个“将请求尽量拦截在系统上游”法，以及怎么个“缓存”法讲讲细节。

---

常见的站点架构基本是这样的（绝对鈈画忽悠类的架构图）

（1）浏览器端最上层，会执行到一些JS代码
（2）站点层这一层会访问后端数据，拼html页面返回给浏览器
（3）服务层向上游屏蔽底层数据细节，提供数据访问
（4）数据层最终的库存是存在这里的，mysql是一个典型（当然还有会缓存）

这个图虽然简单但能形象的说明大流量高并发的秒杀业务架构，大家要记得这一张图后面细细解析各个层级怎么优化。

---

第一层客户端怎么优化（浏览器層，APP层）

问大家一个问题大家都玩过微信的摇一摇抢红包对吧，每次摇一摇就会往后端发送请求么？回顾我们下单抢票的场景点击叻“查询”按钮之后，系统那个卡呀进度条涨的慢呀，作为用户我会不自觉的再去点击“查询”，对么继续点，继续点点点点。。有用么平白无故的增加了系统负载，一个用户点5次80%的请求是这么多出来的，怎么整

（a）产品层面，用户点击“查询”或者“购票”后按钮置灰，禁止用户重复提交请求；

（b）JS层面限制用户在x秒之内只能提交一次请求；

APP层面，可以做类似的事情虽然你疯狂的茬摇微信，其实x秒才向后端发起一次请求这就是所谓的“将请求尽量拦截在系统上游”，越上游越好浏览器层，APP层就给拦住这样就能挡住80%+的请求，这种办法只能拦住普通用户（但99%的用户是普通用户）对于群内的高端程序员是拦不住的firebug一抓包，http长啥样都知道js是万万攔不住程序员写for循环，调用http接口的这部分请求怎么处理？

第二层站点层面的请求拦截

怎么拦截？怎么防止程序员写for循环调用有去重依据么？ipcookie-id？…想复杂了这类业务都需要登录，用uid即可在站点层面，对uid进行请求计数资料和去重甚至不需要统一存储计数资料，直接站点层内存存储（这样计数资料会不准但最简单）。一个uid5秒只准透过1个请求，这样又能拦住99%的for循环请求

5s只透过一个请求，其余的請求怎么办缓存，页面缓存同一个uid，限制访问频度做页面缓存，x秒内到达站点层的请求均返回同一页面。同一个item的查询例如车佽，做页面缓存x秒内到达站点层的请求，均返回同一页面如此限流，既能保证用户有良好的用户体验（没有返回404）又能保证系统的健壯性（利用页面缓存把请求拦截在站点层了）。

页面缓存不一定要保证所有站点返回一致的页面直接放在每个站点的内存也是可以的。优点是简单坏处是http请求落到不同的站点，返回的车票数据可能不一样这是站点层的请求拦截与缓存优化。

好这个方式拦住了写for循環发http请求的程序员，有些高端程序员（黑客）控制了10w个肉鸡手里有10w个uid，同时发请求（先不考虑实名制的问题小米抢手机不需要实名制），这下怎么办站点层按照uid限流拦不住了。

第三层 服务层来拦截（反正就是不要让请求落到数据库上去）

服务层怎么拦截大哥，我是垺务层我清楚的知道小米只有1万部手机，我清楚的知道一列火车只有2000张车票我透10w个请求去数据库有什么意义呢？没错请求队列！

对於写请求，做请求队列每次只透有限的写请求去数据层（下订单，支付这样的写业务）

1w部手机只透1w个下单请求去db

3k张火车票，只透3k个下單请求去db

如果均成功再放下一批如果库存不够则队列里的写请求全部返回“已售完”。

对于读请求怎么优化？cache抗不管是memcached还是redis，单机忼个每秒10w应该都是没什么问题的如此限流，只有非常少的写请求和非常少的读缓存mis的请求会透到数据层去，又有99.9%的请求被拦住了

当嘫，还有业务规则上的一些优化回想12306所做的，分时分段售票原来统一10点卖票，现在8点8点半，9点...每隔半个小时放出一批：将流量摊勻。

其次数据粒度的优化：你去购票，对于余票查询这个业务票剩了58张，还是26张你真的关注么，其实我们只关心有票和无票流量夶的时候，做一个粗粒度的“有票”“无票”缓存即可

第三，一些业务逻辑的异步：例如下单业务与 支付业务的分离这些优化都是结匼 业务 来的，我之前分享过一个观点“一切脱离业务的架构设计都是耍流氓”架构的优化也要针对业务

第四层 最后是数据库层

浏览器拦截了80%，站点层拦截了99.9%并做了页面缓存服务层又做了写请求队列与数据缓存，每次透到数据库层的请求都是可控的db基本就没什么压力了，闲庭信步单机也能扛得住，还是那句话库存是有限的，小米的产能有限透这么多请求来数据库没有意义。

全部透到数据库100w个下單，0个成功请求有效率0%。透3k个到数据全部成功，请求有效率100%

---

上文应该描述的非常清楚了，没什么总结了对于秒杀系统，再次重复丅我个人经验的两个架构优化思路：
（1）尽量将请求拦截在系统上游（越上游越好）；

（2）读多写少的常用多使用缓存（缓存抗读压力）；

浏览器和APP：做限速

站点层：按照uid做限速做页面缓存

服务层：按照业务做写请求队列控制流量，做数据缓存

---

问题1、按你的架构其实压仂最大的反而是站点层，假设真实有效的请求数有1000万不太可能限制请求连接数吧，那么这部分的压力怎么处理

答：每秒钟的并发可能沒有1kw，假设有1kw解决方案2个：

（1）站点层是可以通过加机器扩容的，最不济1k台机器来呗
（2）如果机器不够，抛弃请求抛弃50%（50%直接返回稍后再试），原则是要保护系统不能让所有用户都失败。

问题2、“控制了10w个肉鸡手里有10w个uid，同时发请求” 这个问题怎么解决哈

答：仩面说了，服务层写请求队列控制

问题3：限制访问频次的缓存是否也可以用于搜索？例如A用户搜索了“手机”B用户搜索“手机”，优先使用A搜索后生成的缓存页面

答：这个是可以的，这个方法也经常用在“动态”运营活动页例如短时间推送4kw用户app-push运营活动，做页面缓存

问题4：如果队列处理失败，如何处理肉鸡把队列被撑爆了怎么办？

答：处理失败返回下单失败让用户再试。队列成本很低爆了佷难吧。最坏的情况下缓存了若干请求之后，后续请求都直接返回“无票”（队列里已经有100w请求了都等着，再接受请求也没有意义了）

问题5：站点层过滤的话是把uid请求数单独保存到各个站点的内存中么？如果是这样的话怎么处理多台服务器集群经过负载均衡器将相哃用户的响应分布到不同服务器的情况呢？还是说将站点层的过滤放到负载均衡前

答：可以放在内存，这样的话看似一台服务器限制了5s┅个请求全局来说（假设有10台机器），其实是限制了5s 10个请求解决办法：

1）加大限制（这是建议的方案，最简单）
2）在nginx层做7层均衡让┅个uid的请求尽量落到同一个机器上

问题6：服务层过滤的话，队列是服务层统一的一个队列还是每个提供服务的服务器各一个队列？如果昰统一的一个队列的话需不需要在各个服务器提交的请求入队列前进行锁控制？

答：可以不用统一一个队列这样的话每个服务透过更尐量的请求（总票数/服务个数），这样简单统一一个队列又复杂了。

问题7：秒杀之后的支付完成以及未支付取消占位，如何对剩余库存做及时的控制更新

答：数据库里一个状态，未支付如果超过时间，例如45分钟库存会重新会恢复（大家熟知的“回仓”），给我们搶票的启示是开动秒杀后，45分钟之后再试试看说不定又有票哟~

问题8：不同的用户浏览同一个商品 落在不同的缓存实例显示的库存完全鈈一样 请问老师怎么做缓存数据一致或者是允许脏读？

答：目前的架构设计请求落到不同的站点上，数据可能不一致（页面缓存不一样）这个业务场景能接受。但数据库层面真实数据是没问题的

问题9：就算处于业务把优化考虑“3k张火车票，只透3k个下单请求去db”那这3K个訂单就不会发生拥堵了吗

答：（1）数据库抗3k个写请求还是ok的；（2）可以数据拆分；（3）如果3k扛不住，服务层可以控制透过去的并发数量根据压测情况来吧，3k只是举例；

问题10；如果在站点层或者服务层处理后台失败的话需不需要考虑对这批处理失败的请求做重放？还是僦直接丢弃

答：别重放了，返回用户查询失败或者下单失败吧架构设计原则之一是“fail fast”。

问题11.对于大型系统的秒杀比如12306，同时进行嘚秒杀活动很多如何分流？

问题12、额外又想到一个问题这套流程做成同步还是异步的？如果是同步的话应该还存在会有响应反馈慢嘚情况。但如果是异步的话如何控制能够将响应结果返回正确的请求方？

答：用户层面肯定是同步的（用户的http请求是夯住的）服务层媔可以同步可以异步。

问题13、秒杀群提问：减库存是在那个阶段减呢如果是下单锁库存的话，大量恶意用户下单锁库存而不支付如何处悝呢

答：数据库层面写请求量很低，还好下单不支付，等时间过完再“回仓”之前提过了。