2023-10-8讯飞大模型部署2024秋招后端一面（附详解）

1 mybatis的mapper是什么东西

在MyBatis中，mapper是一个核心概念，它起到了桥梁的作用，连接Java对象和数据库之间的数据。具体来说，mapper可以分为以下两个部分：

1. Mapper XML文件：

   • 这是一个XML文件，其中定义了SQL语句和映射规则。每个SQL语句都有一个唯一的ID，这样Java代码可以引用它。
   • 在这个文件中，你可以定义CRUD操作（如, , , ）。
     你还可以定义结果映射（如），这样你可以控制数据库结果集如何映射到Java对象。

     Mapper接口：

     • 这是一个Java接口，它的方法与Mapper XML文件中的SQL语句ID相对应。
     • 你不需要为这个接口提供实现。MyBatis会在运行时为你生成实现，这通常是通过代理实现的。
     • 当你调用这个接口的方法时，MyBatis会执行对应的SQL语句，并返回结果。

     这两部分结合在一起，允许你在Java代码中以面向对象的方式操作数据库，而不需要直接编写SQL语句。

     例如，假设你有一个User类和一个对应的UserMapper接口。你可以在UserMapper.xml文件中定义一个

     操作来获取一个用户，然后在UserMapper接口中定义一个相应的方法。当你调用这个方法时，MyBatis会执行XML文件中的SQL语句，并将结果映射到User对象。

     总的来说，MyBatis的mapper提供了一个高级、面向对象的方式来操作数据库，它隐藏了底层的SQL细节，使得数据库操作更加简洁和直观。

     2 mysql

     2.1 mysql的索引数据结构，为什么用这个

     3 redis

     3.1 redis能做哪些事情

     Redis是一个高性能的键值对存储系统，它支持的数据结构非常丰富，包括字符串（String）、哈希（Hash）、列表（List）、集合（Set）、有序集合（Sorted Set）等。因此，Redis可以用于以下场景：

     • 缓存：减少数据库的访问压力，提高应用的响应速度。
     • 会话存储：例如Web应用中的用户会话。
     • 消息队列：使用List数据结构实现。
     • 发布/订阅系统：支持消息的发布和订阅。
     • 计数器：例如网站访问计数。
     • 实时分析：例如实时统计用户的行为。
     • 排行榜/计分板：使用Sorted Set数据结构。
     • 地理空间索引：例如查找附近的地点。
     • **分布式锁：**redission分布式锁基于redis实现，预防缓存穿透

     3.2 你手写一个分布式锁是怎么实现的

     3.3 redis分布式锁实现的时候，具体用到了什么命令

     答：实现Redis分布式锁主要用到以下命令：

     • SETNX key value：只有在键不存在时才设置值。
     • EXPIRE key seconds：为键设置一个过期时间，以防止死锁。
     • DEL key：释放锁，删除键。

     在新版本的Redis中，可以使用SET key value NX EX seconds命令结合SETNX和EXPIRE的功能。

     3.4 缓存击穿的问题，除了使用分布式锁，还有别的方案呢？

     答：

     我的答案：设置两级缓存，两级缓存中的同一个键值对设置的过期时间是不一样的

     使用两级缓存是一个很好的方法来防止缓存击穿。两级缓存通常包括一个本地缓存和一个分布式缓存。本地缓存通常使用LRU（最近最少使用）策略，而分布式缓存可能是基于Redis或Memcached的。

     对于同一个键值对设置不同的过期时间，这是一个有效的策略。例如，你可以在本地缓存中设置一个较短的过期时间，而在分布式缓存中设置一个较长的过期时间。当本地缓存中的值过期时，应用可以从分布式缓存中获取值，而不是直接查询数据库。这样，即使分布式缓存中的值也过期，只有一个线程会去数据库中查询，其他线程会等待并从缓存中获取更新后的值。

     这种策略可以有效地减少对数据库的访问，特别是在高并发的情况下。但需要注意的是，两级缓存会增加系统的复杂性，需要确保两个缓存之间的同步和一致性。

     4 spring

     4.1 用过异步编程吗

     答：用过CompletableFuture

     4.2 哪些场景下用过CompletableFuture

     答：

     • 并行数据加载：例如，当需要从多个数据源并行加载数据时。
     • 异步API调用：例如，调用多个远程服务并在所有服务响应后进行数据聚合。
     • 异步计算：对于计算密集型任务，可以使用CompletableFuture并行执行。

     4.3 你用spring+mybatis构建web应用的时候，发现某一些请求特别慢，你怎么排查呢

     排查慢请求：

     如果有一些请求非常慢，以下是一些排查的步骤：

     1. 日志分析：

        • 记录每个请求的响应时间。许多现代的web框架和服务器都允许你在日志中记录请求的响应时间。
        • 使用日志分析工具或脚本来识别响应时间超过预期阈值的请求。

     2. 性能监控工具：

        • 使用如New Relic、Dynatrace、Datadog等性能监控工具，它们可以提供实时的应用性能指标，并帮助你识别慢请求。

     3. 分析请求和响应：

        • 查看慢请求的输入参数、HTTP头、负载等，以确定是否有特定的模式导致延迟。
        • 分析响应内容，看是否有大量的数据被返回，这可能导致延迟。

     4. 数据库查询优化：

        • 如果应用依赖于数据库，使用慢查询日志来识别和优化慢查询。
        • 使用数据库的性能分析工具来查看查询执行计划。

     5. 代码分析：

        • 使用代码分析工具，如Java的JProfiler或VisualVM，来查看哪部分代码执行最慢。

     6. 外部服务：

        • 如果应用调用外部服务或API，确保这些服务的响应时间是可接受的。
        • 使用工具如traceroute或ping来检查网络延迟。

     4.4 内存泄漏的排查：

     内存泄漏是指应用程序在不再需要时，未能释放已分配的内存。以下是可能导致内存泄漏的情况和排查方法：

     1. 常见导致内存泄漏的情况：

        • 静态集合类：长时间持有对象引用的静态集合。
        • 监听器和其他回调：没有被正确注销的监听器或回调。
        • 内部类和匿名类：非静态内部类或匿名类持有外部类的引用。
        • 线程池：长时间运行的线程持有对象引用。
        • 类加载器：当类加载器持有类的引用时，这些类不能被垃圾收集。

     2. 排查方法：

        • Java堆转储：使用工具如jmap来获取堆转储，并使用MAT（Memory Analyzer Tool）或其他工具来分析。
        • 分析工具：使用如VisualVM、JProfiler等工具来监视应用的内存使用情况。
        • GC日志：开启GC日志并分析，查看是否有大量的Full GC事件。
        • 代码审查：定期审查代码，特别是那些处理资源和对象生命周期的部分。

     通过上述方法，可以有效地识别和解决应用中的慢请求和内存泄漏问题。

     4.5 MAT工具能够分析出这些发生的内存泄露嘛，怎么识别呢

     MAT（Memory Analyzer Tool）是一个强大的Java堆分析工具，它可以帮助开发者识别内存泄露和其他内存问题。以下是如何使用MAT来识别内存泄露的步骤：

     1. 获取堆转储文件：首先，你需要从受影响的Java应用程序获取一个堆转储文件。这通常可以通过JVM的jmap工具或其他相关工具来完成。

     2. 打开堆转储文件：启动MAT并打开你的堆转储文件。

     3. 使用"Leak Suspects"报告：MAT提供了一个名为"Leak Suspects"的报告，它会尝试识别可能的内存泄露。这是一个很好的起点，因为它会列出可能的泄露对象和它们在堆中的大小。

     4. 分析对象的路径：为了确定一个对象为什么还在内存中（即它为什么没有被垃圾回收），你可以查看该对象到GC Roots的路径。这可以帮助你识别哪些对象或引用链导致了内存泄露。

     5. 查看大的对象实例：MAT允许你查看堆中最大的对象实例。这可以帮助你识别那些占用大量内存但可能不需要的对象。

     6. 使用查询和过滤：MAT提供了一个基于OQL（Object Query Language）的查询系统，允许你执行查询来查找特定的对象或模式。

     7. 查看线程和类加载器信息：有时，内存泄露可能与特定的线程或类加载器相关。MAT允许你查看这些信息，这可以帮助你进一步定位问题。

     8. 比较堆转储：如果你有多个堆转储文件（例如，从应用程序运行的不同时间点），你可以使用MAT来比较它们。这可以帮助你识别内存使用的增长趋势和可能的泄露点。

     识别内存泄露通常需要一些经验和对应用程序的深入了解。MAT提供了很多有用的工具和视图来帮助你，但最终，你需要结合这些信息和你对应用程序的知识来确定和修复内存泄露。

     5 多线程

     5.1 使用多线程的时候注意哪些问题

     我的答案：并发安全、硬件资料的消耗问题，在这两方面做一个tradeoff

     使用多线程时，需要注意以下问题以确保线程安全、高效和可维护的代码：

     1. 数据竞争和条件竞争：

        • 当多个线程尝试同时访问和修改共享数据时，可能会导致数据不一致。为了避免这种情况，需要使用适当的同步机制，如synchronized关键字、ReentrantLock等。

     2. 死锁：

        • 当两个或多个线程永久地等待彼此释放资源时，会发生死锁。为了避免死锁，需要确保按照固定的顺序获取锁，并使用工具如jstack来检测和诊断死锁。

     3. 活锁：

        • 当线程不断地尝试执行某个操作，但总是失败并重试时，可能会发生活锁。虽然线程是活跃的，但它们无法向前进展。

     4. 资源耗尽：

        • 创建过多的线程可能会导致系统资源耗尽。使用线程池如ExecutorService可以帮助管理和限制线程的数量。

     5. 线程安全性：

        • 不是所有的Java类和库都是线程安全的。在多线程环境中使用它们时，需要确保适当的同步。

     6. 线程间通信：

        • 线程间需要合适的通信机制，如wait()、notify()、BlockingQueue等，以确保正确的协作。

     7. 线程优先级和饥饿：

        • 设置线程的优先级可能会导致线程饥饿，即低优先级的线程得不到执行。通常，最好避免修改线程的优先级。

     8. 任务划分和粒度：

        • 为了获得最佳的并发性能，需要合理地划分任务。太大的任务可能会导致其他线程等待，而太小的任务可能会导致过多的线程切换开销。

     9. 异常处理：

        • 在多线程环境中，需要确保适当地处理异常，否则可能会导致线程意外终止。

     10. 可见性问题：

         在没有适当同步的情况下，线程对变量的修改可能不会被其他线程看到。使用volatile关键字或其他同步机制可以确保变量的可见性。

     11. 上下文切换开销：

         频繁的上下文切换会导致性能下降。尽量减少锁的竞争和线程的数量可以帮助减少上下文切换。

     12. 测试和调试：

         多线程代码比单线程代码更难测试和调试。使用工具如Java Concurrency in Practice和专门的并发测试库可以帮助识别问题。

     总之，多线程编程是复杂的，需要深入的理解和经验来确保正确和高效的代码。

     6 消息队列

     6.1 kafka的消息积压问题怎么解决呢?

     Kafka的消息积压问题通常是指消费者不能及时处理生产者发送的消息，导致消息在Kafka中堆积。以下是一些建议的解决方案：

     1. 增加消费者数量：

        • 如果消费者处理能力不足，可以增加消费者的数量。在Kafka中，可以通过增加消费者组中的消费者实例来实现。

     2. 优化消费者处理速度：

        • 优化消费者的处理逻辑，确保每条消息都能够快速被处理。
        • 如果消费者需要进行复杂的处理，如数据库操作，可以考虑使用缓存或批量操作来提高效率。

     3. 调整Kafka参数：

        • 调整fetch.min.bytes和fetch.max.wait.ms参数，使消费者能够更频繁地从Kafka中拉取数据。
        • 调整max.poll.records参数，使消费者每次拉取更多的消息。

     4. 监控和告警：

        • 使用监控工具，如Prometheus和Grafana，来监控Kafka的积压情况。
        • 设置告警，当积压达到一定阈值时，立即通知相关人员。

     5. 重新分配分区：

        • 如果某些分区的消息积压特别严重，可以考虑重新分配分区，使得消费者能够更均匀地处理消息。

     6. 优化生产者速度：

        • 如果生产者发送消息的速度过快，导致消费者无法跟上，可以考虑限制生产者的发送速度。

     7. 使用Kafka Streams或KSQL：

        • 如果消费者需要进行复杂的流处理，可以考虑使用Kafka Streams或KSQL来分担处理压力。

     8. 数据压缩：

        • 使用数据压缩可以减少Kafka中的数据量，从而减轻积压压力。

     9. 清理旧数据：

        • 调整Kafka的log.retention.hours参数，定期清理旧的消息，以释放存储空间。

     10. 扩展Kafka集群：

     • 如果Kafka集群的资源不足，可以考虑增加更多的broker来分担压力。

     总之，解决Kafka的消息积压问题需要综合考虑生产者、消费者和Kafka集群的各个方面，通过监控、调优和扩展来确保消息能够及时被处理。

     7 其他方面的能力

     7.1 有接触过容器化嘛

     容器化是一种技术，它允许将应用程序及其所有依赖项、运行时、系统工具和系统库打包到一个容器中。这个容器可以在任何环境中一致地运行，无论是开发者的本地机器、测试环境还是生产环境。容器化的主要优势在于它提供了一种隔离机制，确保应用程序在不同的环境中都能以相同的方式运行。

     容器化的主要特点包括：

     1. 一致性：由于应用程序和所有依赖项都打包在同一个容器中，所以无论容器在哪里运行，它都会表现得一样。

     2. 轻量级：与传统的虚拟机相比，容器不需要完整的操作系统，只需要应用程序和其运行时。这使得容器更加轻量级和快速。

     3. 可移植性：容器可以在任何支持容器技术的环境中运行，无论是物理机、虚拟机还是云环境。

     4. 隔离：每个容器都在其自己的命名空间中运行，与其他容器和主机系统隔离。这提供了安全性和隔离性。

     5. 微服务架构：容器化非常适合微服务架构，因为它允许每个服务在其自己的容器中独立运行。

     6. 快速部署和扩展：容器可以快速启动和停止，这使得部署、扩展和回滚变得更加简单和快速。

     Docker是最流行的容器化技术，它提供了一个平台来创建、运行和管理容器。Kubernetes则是一个开源的容器编排工具，用于自动化容器部署、扩展和管理。

     总的来说，容器化是一种使应用程序更加一致、可移植和可扩展的技术，它正在改变软件开发和部署的方式。

     7.2 你还会其他语言吗

     7.3 有接触过ML嘛

     7.4 你一般是怎么学习技术的呢

     7.5 会写博客嘛

     7.6 会读一些开源项目的源码嘛

     答：redis，spring线程池都读过

     7.7 会介意来合肥嘛

     答：

     8 反问

     8.1 做什么业务呢

     答：大模型

     8.2 大模型哪方面的

     答：大模型后台服务的，工程化的去提供一些周边的生态

     8.3 有哪些周边呢