2020关于面试字节跳动，我总结一些面试点，希望对最近需要面试的你们一些帮助

回收类型：

1.堆中的对象

• 分代收集 GC 方法会吧堆划分为新生代、老年代
• 新生代：新建小对象会进入新生代；通过复制算法回收对象
• 老年代：新建大对象及老对象会进入老年代；通过标记-清除算法回收对象

2.方法区中的类信息、常量池

判断一个对象是否可被回收：

1.引用计数法
缺点：循环引用

2.可达性分析法
定义：从 GC ROOT 开始搜索，不可达的对象都是可以被回收的

GC ROOT

1.虚拟机栈/本地方法栈中引用的对象
2.方法区中常量/静态变量引用的对象

四种引用

• 强引用：不会被回收
• 软引用：内存不足时会被回收
• 弱引用：gc 时会被回收
• 虚引用：无法通过虚引用得到对象，可以监听对象的回收

ClassLoader

类的生命周期：

1.加载；2.验证；3.准备；4.解析；5.初始化；6.使用；7.卸载

类加载过程：

1.加载：获取类的二进制字节流；生成方法区的运行时存储结构；在内存中生成 Class 对象
2.验证：确保该 Class 字节流符合虚拟机要求
3.准备：初始化静态变量
4.解析：将常量池的符号引用替换为直接引用
5.初始化：执行静态块代码、类变量赋值

类加载时机：

1.实例化对象
2.调用类的静态方法
3.调用类的静态变量（放入常量池的常量除外）

类加载器：负责加载 class 文件

分类：

1.引导类加载器 - 没有父类加载器
2.拓展类加载器 - 继承自引导类加载器
3.系统类加载器 - 继承自拓展类加载器

双亲委托模型：

当要加载一个 class 时，会先逐层向上让父加载器先加载，加载失败才会自己加载

为什么叫双亲？不考虑自定义加载器，系统类加载器需要网上询问两层，所以叫双亲

判断是否是同一个类时，除了类信息，还必须时同一个类加载器

优点：

• 防止重复加载，父加载器加载过了就没必要加载了
• 安全，防止篡改核心库类

动态代理原理及实现

• InvocationHandler 接口，动态代理类需要实现这个接口
• Proxy.newProxyInstance，用于动态创建代理对象
• Retrofit 应用： Retrofit 通过动态代理，为我们定义的请求接口都生成一个动态代理对象，实现请求

4、Android 基础&性能优化&Framwork

Activity 启动模式

• standard 标准模式

• singleTop 栈顶复用模式，

• 推送点击消息界面

• singleTask 栈内复用模式，

• 首页

• singleInstance 单例模式，单独位于一个任务栈中

• 拨打电话界面
  细节：

• taskAffinity：任务相关性，用于指定任务栈名称，默认为应用包名

• allowTaskReparenting：允许转移任务栈

View 工作原理

• DecorView (FrameLayout)

• LinearLayout

• titlebar

• Content

• 调用 setContentView 设置的 View

ViewRoot 的 performTraversals 方法调用触发开始 View 的绘制，然后会依次调用:

• performMeasure：遍历 View 的 measure 测量尺寸
• performLayout：遍历 View 的 layout 确定位置
• performDraw：遍历 View 的 draw 绘制

事件分发机制

• 一个 MotionEvent 产生后，按 Activity -> Window -> decorView -> View 顺序传递，View 传递过程就是事件分发，主要依赖三个方法:

• dispatchTouchEvent：用于分发事件，只要接受到点击事件就会被调用，返回结果表示是否消耗了当前事件

• onInterceptTouchEvent：用于判断是否拦截事件，当 ViewGroup 确定要拦截事件后，该事件序列都不会再触发调用此 ViewGroup 的 onIntercept

• onTouchEvent：用于处理事件，返回结果表示是否处理了当前事件，未处理则传递给父容器处理

• 细节：

• 一个事件序列只能被一个 View 拦截且消耗

• View 没有 onIntercept 方法，直接调用 onTouchEvent 处理

• OnTouchListener 优先级比 OnTouchEvent 高，onClickListener 优先级最低

• requestDisallowInterceptTouchEvent 可以屏蔽父容器 onIntercet 方法的调用

Window 、 WindowManager、WMS、SurfaceFlinger

• Window：抽象概念不是实际存在的，而是以 View 的形式存在，通过 PhoneWindow 实现
• WindowManager：外界访问 Window 的入口，内部与 WMS 交互是个 IPC 过程
• WMS：管理窗口 Surface 的布局和次序，作为系统级服务单独运行在一个进程
• SurfaceFlinger：将 WMS 维护的窗口按一定次序混合后显示到屏幕上

View 动画、帧动画及属性动画

View 动画：

• 作用对象是 View，可用 xml 定义，建议 xml 实现比较易读
• 支持四种效果：平移、缩放、旋转、透明度

帧动画：

• 通过 AnimationDrawable 实现，容易 OOM

属性动画：

• 可作用于任何对象，可用 xml 定义，Android 3 引入，建议代码实现比较灵活
• 包括 ObjectAnimator、ValuetAnimator、AnimatorSet
• 时间插值器：根据时间流逝的百分比计算当前属性改变的百分比
• 系统预置匀速、加速、减速等插值器
• 类型估值器：根据当前属性改变的百分比计算改变后的属性值
• 系统预置整型、浮点、色值等类型估值器
• 使用注意事项：
• 避免使用帧动画，容易OOM
• 界面销毁时停止动画，避免内存泄漏
• 开启硬件加速，提高动画流畅性 ，硬件加速：
• 将 cpu 一部分工作分担给 gpu ，使用 gpu 完成绘制工作
• 从工作分摊和绘制机制两个方面优化了绘制速度

Handler、MessageQueue、Looper

• Handler：开发直接接触的类，内部持有 MessageQueue 和 Looper
• MessageQueue：消息队列，内部通过单链表存储消息
• Looper：内部持有 MessageQueue，循环查看是否有新消息，有就处理，没就阻塞
• 如何实现阻塞：通过 nativePollOnce 方法，基于 Linux epoll 事件管理机制
• 为什么主线程不会因为 Looper 阻塞：系统每 16ms 会发送一个刷新 UI 消息唤醒

MVC、MVP、MVVM

• MVP：Model：处理数据；View：控制视图；Presenter：分离 Activity 和 Model

• MVVM：Model：处理获取保存数据；View：控制视图；ViewModel：数据容器

• 使用 Jetpack 组件架构的 LiveData、ViewModel 便捷实现 MVVM

Serializable、Parcelable

• Serializable ：Java 序列化方式，适用于存储和网络传输，serialVersionUID 用于确定反序列化和类版本是否一致，不一致时反序列化回失败
• Parcelable ：Android 序列化方式，适用于组件通信数据传递，性能高，因为不像 Serializable 一样有大量反射操作，频繁 GC

Binder

• Android 进程间通信的中流砥柱，基于客户端-服务端通信方式
• 使用 mmap 一次数据拷贝实现 IPC，传统 IPC：用户A空间->内核->用户B空间；mmap 将内核与用户B空间映射，实现直接从用户A空间->用户B空间
• BinderPool 可避免创建多 Service

IPC 方式

• Intent extras、Bundle：要求传递数据能被序列化，实现 Parcelable、Serializable ，适用于四大组件通信

• 文件共享：适用于交换简单的数据实时性不高的场景

• AIDL：AIDL 接口实质上是系统提供给我们可以方便实现 BInder 的工具

• Android Interface Definition Language，可实现跨进程调用方法

• 服务端：将暴漏给客户端的接口声明在 AIDL 文件中，创建 Service 实现 AIDL 接口并监听客户端连接请求

• 客户端：绑定服务端 Service ，绑定成功后拿到服务端 Binder 对象转为 AIDL 接口调用

• RemoteCallbackList 实现跨进程接口监
  听，同个 Binder 对象做 key 存储客户端注册的 listener

• 监听 Binder 断开：1.Binder.linkToDeath 设置死亡代理；2. onServiceDisconnected 回调

• Messenger：基于 AIDL 实现，服务端串行处理，主要用于传递消息，适用于低并发一对多通信

• ContentProvider：基于 Binder 实现，适用于一对多进程间数据共享

• Socket：TCP、UDP，适用于网络数据交换

Android 系统启动流程

• 按电源键 -> 加载引导程序 BootLoader 到 RAM -> 执行 BootLoader 程序启动内核 -> 启动 init 进程 -> 启动 Zygote 和各种守护进程 ->
• 启动 System Server 服务进程开启 AMS、WMS 等 -> 启动 Launcher 应用进程

App 启动流程

Launcher 中点击一个应用图标 -> 通过 AMS 查找应用进程，若不存在就通过 Zygote 进程 fork

进程保活

• 进程优先级：1.前台进程 ；2.可见进程；3.服务进程；4.后台进程；5.空进程

• 进程被 kill 场景：1.切到后台内存不足时被杀；2.切到后台厂商省电机制杀死；3.用户主动清理

• 保活方式：

• 1.Activity 提权：挂一个 1像素 Activity 将进程优先级提高到前台进程

• 2.Service 提权：启动一个前台服务（API>18会有正在运行通知栏）

• 3.广播拉活

• 4.Service 拉活

• 5.JobScheduler 定时任务拉活

• 6.双进程拉活

网络优化及检测

• 速度：1.GZIP 压缩（okhttp 自动支持）；2.Protocol Buffer 替代 json；3.优化图片/文件流量；4.IP 直连省去 DNS 解析时间
• 成功率：1.失败重试策略；
• 流量：1.GZIP 压缩（okhttp 自动支持）；2.Protocol Buffer 替代 json；3.优化图片/文件流量；5.文件下载断点续传 ；6.缓存
• 协议层的优化，比如更优的 http 版本等
• 监控：Charles 抓包、Network Monitor 监控流量

UI卡顿优化

• 减少布局层级及控件复杂度，避免过度绘制
• 使用 include、merge、viewstub
• 优化绘制过程，避免在 Draw 中频繁创建对象、做耗时操作

内存泄漏场景及规避

1.静态变量、单例强引跟生命周期相关的数据或资源，包括 EventBus
2.游标、IO 流等资源忘记主动释放
3.界面相关动画在界面销毁时及时暂停
4.内部类持有外部类引用导致的内存泄漏

• handler 内部类内存泄漏规避：1.使用静态内部类+弱引用 2.界面销毁时清空消息队列
• 检测：Android Studio Profiler

LeakCanary 原理

• 通过弱引用和引用队列监控对象是否被回收
• 比如 Activity 销毁时开始监控此对象，检测到未被回收则主动 gc ，然后继续监控

OOM 场景及规避

• 加载大图：减小图片
• 内存泄漏：规避内存泄漏

5、Android 模块化&热修复&热更新&打包&混淆&压缩

Dalvik 和 ART

• Dalvik

• 谷歌设计专用于 Android 平台的 Java 虚拟机，可直接运行 .dex 文件，适合内存和处理速度有限的系统

• JVM 指令集是基于栈的；Dalvik 指令集是基于寄存器的，代码执行效率更优

• ART

• Dalvik 每次运行都要将字节码转换成机器码；ART 在应用安装时就会转换成机器码，执行速度更快

• ART 存储机器码占用空间更大，空间换时间

APK 打包流程

1.aapt 打包资源文件生成 R.java 文件；aidl 生成 java 文件
2.将 java 文件编译为 class 文件
3.将工程及第三方的 class 文件转换成 dex 文件
4.将 dex 文件、so、编译过的资源、原始资源等打包成 apk 文件
5.签名
6.资源文件对齐，减少运行时内存

App 安装过程

• 首先要解压 APK，资源、so等放到应用目录
• Dalvik 会将 dex 处理成 ODEX ；ART 会将 dex 处理成 OAT；
• OAT 包含 dex 和安装时编译的机器码

组件化路由实现

ARoute：通过 APT 解析 @Route 等注解，结合 JavaPoet 生成路由表，即路由与 Activity 的映射关系

6、音视频&FFmpeg&播放器

FFmpeg

基于命令方式实现了一个音视频编辑 App：
https://github.com/yhaolpz/FFmpegCmd

集成编译了 AAC、MP3、H264 编码器

播放器原理

视频播放原理：（mp4、flv）-> 解封装 -> （mp3/aac、h264/h265）-> 解码 -> （pcm、yuv）-> 音视频同步 -> 渲染播放

音视频同步：

• 选择参考时钟源：音频时间戳、视频时间戳和外部时间三者选择一个作为参考时钟源（一般选择音频，因为人对音频更敏感，ijk 默认也是音频）
• 通过等待或丢帧将视频流与参考时钟源对齐，实现同步

IjkPlayer 原理

集成了 MediaPlayer、ExoPlayer 和 IjkPlayer 三种实现，其中 IjkPlayer 基于 FFmpeg 的 ffplay

音频输出方式：AudioTrack、OpenSL ES；视频输出方式：NativeWindow、OpenGL ES

关于算法

算法（Algorithm）是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。也就是说，能够对一定规范的输入，在有限时间内获得所要求的输出。如果一个算法有缺陷，或不适合于某个问题，执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂度与时间复杂度来衡量。

算法中的指令描述的是一个计算，当其运行时能从一个初始状态和（可能为空的）初始输入开始，经过一系列有限而清晰定义的状态，最终产生输出并停止于一个终态。一个状态到另一个状态的转移不一定是确定的。随机化算法在内的一些算法，包含了一些随机输入。

算法一：快速排序算法

快速排序是由东尼·霍尔所发展的一种排序算法。在平均状况下，排序 n 个项目要Ο(n log n)次比较。在最坏状况下则需要Ο(n2)次比较，但这种状况并不常见。事实上，快速排序通常明显比其他Ο(n log n) 算法更快，因为它的内部循环（inner loop）可以在大部分的架构上很有效率地被实现出来。

快速排序使用分治法（Divide and conquer）策略来把一个串行（list）分为两个子串行（sub-lists）。

算法步骤：

1 从数列中挑出一个元素，称为 “基准”（pivot），

2 重新排序数列，所有元素比基准值小的摆放在基准前面，所有元素比基准值大的摆在基准的后面（相同的数可以到任一边）。在这个分区退出之后，该基准就处于数列的中间位置。这个称为分区（partition）操作。

3 递归地（recursive）把小于基准值元素的子数列和大于基准值元素的子数列排序。

递归的最底部情形，是数列的大小是零或一，也就是永远都已经被排序好了。虽然一直递归下去，但是这个算法总会退出，因为在每次的迭代（iteration）中，它至少会把一个元素摆到它最后的位置去。

算法二：堆排序算法

堆排序（Heapsort）是指利用堆这种数据结构所设计的一种排序算法。堆积是一个近似完全二叉树的结构，并同时满足堆积的性质：即子结点的键值或索引总是小于（或者大于）它的父节点。

堆排序的平均时间复杂度为Ο(nlogn) 。

算法步骤：

创建一个堆H[0…n-1]

把堆首（最大值）和堆尾互换

3. 把堆的尺寸缩小1，并调用shift_down(0),目的是把新的数组顶端数据调整到相应位置

4. 重复步骤2，直到堆的尺寸为1

算法三：归并排序

归并排序（Merge sort，台湾译作：合并排序）是建立在归并操作上的一种有效的排序算法。该算法是采用分治法（Divide and Conquer）的一个非常典型的应用。

算法步骤：

1. 申请空间，使其大小为两个已经排序序列之和，该空间用来存放合并后的序列

2. 设定两个指针，最初位置分别为两个已经排序序列的起始位置

3. 比较两个指针所指向的元素，选择相对小的元素放入到合并空间，并移动指针到下一位置

4. 重复步骤3直到某一指针达到序列尾

5. 将另一序列剩下的所有元素直接复制到合并序列尾

算法四：二分查找算法

二分查找算法是一种在有序数组中查找某一特定元素的搜索算法。搜素过程从数组的中间元素开始，如果中间元素正好是要查找的元素，则搜 素过程结束；如果某一特定元素大于或者小于中间元素，则在数组大于或小于中间元素的那一半中查找，而且跟开始一样从中间元素开始比较。如果在某一步骤数组 为空，则代表找不到。这种搜索算法每一次比较都使搜索范围缩小一半。折半搜索每次把搜索区域减少一半，时间复杂度为Ο(logn) 。

算法五：BFPRT(线性查找算法)

BFPRT算法解决的问题十分经典，即从某n个元素的序列中选出第k大（第k小）的元素，通过巧妙的分 析，BFPRT可以保证在最坏情况下仍为线性时间复杂度。该算法的思想与快速排序思想相似，当然，为使得算法在最坏情况下，依然能达到o(n)的时间复杂 度，五位算法作者做了精妙的处理。

算法步骤：

1. 将n个元素每5个一组，分成n/5(上界)组。

2. 取出每一组的中位数，任意排序方法，比如插入排序。

3. 递归的调用selection算法查找上一步中所有中位数的中位数，设为x，偶数个中位数的情况下设定为选取中间小的一个。

4. 用x来分割数组，设小于等于x的个数为k，大于x的个数即为n-k。

5. 若i==k，返回x；若ik，在大于x的元素中递归查找第i-k小的元素。

终止条件：n=1时，返回的即是i小元素。

算法六：DFS（深度优先搜索）

深度优先搜索算法（Depth-First-Search），是搜索算法的一种。它沿着树的深度遍历树的节点，尽可能深的搜索树的分 支。当节点v的所有边都己被探寻过，搜索将回溯到发现节点v的那条边的起始节点。这一过程一直进行到已发现从源节点可达的所有节点为止。如果还存在未被发 现的节点，则选择其中一个作为源节点并重复以上过程，整个进程反复进行直到所有节点都被访问为止。DFS属于盲目搜索。

深度优先搜索是图论中的经典算法，利用深度优先搜索算法可以产生目标图的相应拓扑排序表，利用拓扑排序表可以方便的解决很多相关的图论问题，如最大路径问题等等。一般用堆数据结构来辅助实现DFS算法。

深度优先遍历图算法步骤：

1. 访问顶点v；

2. 依次从v的未被访问的邻接点出发，对图进行深度优先遍历；直至图中和v有路径相通的顶点都被访问；

3. 若此时图中尚有顶点未被访问，则从一个未被访问的顶点出发，重新进行深度优先遍历，直到图中所有顶点均被访问过为止。

上述描述可能比较抽象，举个实例：

DFS 在访问图中某一起始顶点 v 后，由 v 出发，访问它的任一邻接顶点 w1；再从 w1 出发，访问与 w1邻 接但还没有访问过的顶点 w2；然后再从 w2 出发，进行类似的访问，… 如此进行下去，直至到达所有的邻接顶点都被访问过的顶点 u 为止。

接着，退回一步，退到前一次刚访问过的顶点，看是否还有其它没有被访问的邻接顶点。如果有，则访问此顶点，之后再从此顶点出发，进行与前述类似的访问；如果没有，就再退回一步进行搜索。重复上述过程，直到连通图中所有顶点都被访问过为止。

算法七：BFS(广度优先搜索)

广度优先搜索算法（Breadth-First-Search），是一种图形搜索算法。简单的说，BFS是从根节点开始，沿着树(图)的宽度遍历树(图)的节点。如果所有节点均被访问，则算法中止。BFS同样属于盲目搜索。一般用队列数据结构来辅助实现BFS算法。

算法步骤：

1. 首先将根节点放入队列中。

图中某一起始顶点 v 后，由 v 出发，访问它的任一邻接顶点 w1；再从 w1 出发，访问与 w1邻 接但还没有访问过的顶点 w2；然后再从 w2 出发，进行类似的访问，… 如此进行下去，直至到达所有的邻接顶点都被访问过的顶点 u 为止。

接着，退回一步，退到前一次刚访问过的顶点，看是否还有其它没有被访问的邻接顶点。如果有，则访问此顶点，之后再从此顶点出发，进行与前述类似的访问；如果没有，就再退回一步进行搜索。重复上述过程，直到连通图中所有顶点都被访问过为止。

算法七：BFS(广度优先搜索)

广度优先搜索算法（Breadth-First-Search），是一种图形搜索算法。简单的说，BFS是从根节点开始，沿着树(图)的宽度遍历树(图)的节点。如果所有节点均被访问，则算法中止。BFS同样属于盲目搜索。一般用队列数据结构来辅助实现BFS算法。

算法步骤：

1. 首先将根节点放入队列中。