每日面经（二十二）
1.高并发场景下有哪些注意事项？
在高并发场景下，为了保证应用的稳定性和性能，需要注意以下几点：
-
数据库优化： 在高并发场景下，数据库经常会成为系统性能的瓶颈。因此，可以采用数据库读写分离、查询语句优化、索引优化等手段来提升数据库的性能。
-
缓存优化： 缓存是提升系统性能的重要手段，可以采用多级缓存、缓存预热、缓存穿透、缓存雪崩等策略来提升缓存的效率。
-
代码优化： 在高并发场景下，代码的性能也是至关重要的。可以通过尽可能减少HTTP请求、选择高效的算法、使用异步编程等方式来提升代码性能。
-
限流熔断： 在高并发场景下，限流熔断机制可以帮助我们对系统的请求进行平滑处理，防止系统压力过大导致系统宕机，可以采用令牌桶算法、漏桶算法、断路器等方案。
-
分布式部署： 分布式架构可以通过分布式部署和负载均衡等手段来处理请求，充分利用系统的资源，提高系统的性能和稳定性。
2.socket编程的流程
Socket 编程流程包括以下步骤：
-
创建 Socket：使用 socket() 函数创建一个套接字，该套接字可作为客户端或服务器端使用。
-
绑定 Socket：将套接字与连接到的 IP 地址和端口进行绑定，使用 bind() 函数。
-
监听连接请求：在服务器端，调用 listen() 函数监听客户端的请求。
-
接受连接：使用 accept() 函数接受客户端连接的请求，该函数一直等到有客户端连接请求时才返回。
-
接收数据：使用 recv() 函数从套接字中读取数据，或用 read() 函数等价地读取数据。
-
发送数据：使用 send() 函数将数据发送到连接的另一端，也可以使用 write() 函数等价地发送数据。
-
关闭连接：使用 close() 函数关闭连接。在服务器端，可以使用 shutdown() 函数关闭特定的输入、输出或输入/输出通道，从而实现半关闭状态。
-
结束 Socket：使用 close() 函数关闭 Socket。
3.C++中的map和unordered_map的区别和使用场景
C++中的map和unordered_map都是用来存储键值对的容器，但它们之间有一些区别，下面分别介绍。
1.内部实现
map底层是红黑树，可以保证数据有序，查找复杂度是O(log(n))；而unordered_map底层是哈希表，数据是无序的，但在大部分情况下查找复杂度是O(1)。
2.插入和删除
map进行插入和删除时，由于要维护数据的有序性，需要做大量的平衡调整，所以插入和删除的操作效率相对较低，时间复杂度是O(log(n))。而unordered_map插入和删除时只需要进行简单的哈希计算，复杂度是O(1)。
3.迭代器失效
由于map是平衡二叉树，任何一个节点的插入和删除都可能导致树的结构改变，因此在对map进行插入和删除操作时，迭代器有可能会失效。而unordered_map的插入和删除操作不会导致迭代器失效。
4.使用场景
map适合需要按照键的大小进行排序的场景，例如统计英文单词出现的次数；而unordered_map适合对数据进行快速的查询和插入的场景，例如实现字典或者图的邻接表。
4.合并N个有序数组，要求时间复杂度尽可能低
要合并N个有序数组，最直观的想法是把所有数组都合并成一个大数组，然后再排序。但是这样做的时间复杂度为O(N* Klog(N K))，其中N为数组个数，K为每个数组的平均长度，即每次合并时需要对所有元素进行排序，非常耗时。
一种更加高效的算法是使用类似于归并排序的方法，将N个有序数组逐个合并。我们可以将这N个数组分成两组，先将这两组分别合并成一个大数组，然后再将这两个大数组合并成一个更大的数组。每次合并后，数组的个数减半，这样重复执行，直到只剩下一个有序数组即可。
假设总的元素个数为M，那么这样做的时间复杂度为O(M*log(N))。具体实现可以使用优先队列（即堆）来维护各个数组元素的大小关系，每次取出堆中最小的元素，将其所在数组的下一个元素入堆，直到堆为空。
以下是示例代码实现：
#include
#include
#include
using namespace std;
vector merge_sorted_arrays(vector>& arrays) {
// 使用堆来维护所有数组的大小关系
auto cmp = [](const pair& a, const pair& b) {
return a.first > b.first;
};
priority_queue, vector>, decltype(cmp)> pq(cmp);
// 将所有数组的第一个元素入堆
for (int i = 0; i < arrays.size(); ++i) {
if (!arrays[i].empty()) {
pq.push(make_pair(arrays[i][0], i));
}
}
vector result;
while (!pq.empty()) {
auto top = pq.top();
pq.pop();
result.push_back(top.first);
int i = top.second;
if (++arrays[i].begin() != arrays[i].end()) {
pq.push(make_pair(arrays[i][1], i));
}
}
return result;
}
int main() {
vector> arrays = {
{1, 3, 5, 7},
{2, 4, 6},
{0, 8, 9, 10}
};
auto result = merge_sorted_arrays(arrays);
for (auto num : result) {
cout << num << " ";
}
cout << endl;
return 0;
}
上面的代码中，我们先将所有数组的第一个元素入堆，然后从堆中取出最小的元素，将其所在的数组的下一个元素入堆。若该数组已经合并完，即其所有元素都已经处理完毕，则忽略该数组。最终得到的result即为合并后的有序数组。
该算法的时间复杂度为O(M*log(N))，其中M是所有数组元素的个数，N为数组个数。