1、redis
redis缓存优势：redis数据结构⽐memcached更丰富，基本可以完全替换
redis社区⽐较活跃，性能也强⼤，也⽀持持久化等功能
结合业务，⽐如常用商品排序用到了有序集合zset
常用结构：String：key-value、hash：存储对象，⼀个key有多个值、list：列表型数据，消息队列等、set：⽆序集合、去重，交集、并集等，⽐如查看共同好友，在社交关系⽅⾯、数据排重等、sroted set：有序集合，去重，做榜单
redis是单线程：基于内存，绝⼤部分请求是纯粹的内存操作，CPU不是Redis的瓶颈，所以单线程就可以，避免了不必要的CPU上下⽂切换和其他竞争条件，⽐如锁操作等；底层是使⽤多路I/O复⽤模型，⾮阻塞IO；Redis6 后⽀持多线程，但是默认不开启；
持久化⽅式：⽀持AOF和RDB持久化
AOF：以⽇志的形式记录写、删除操作，没有查询操作，以⽂本记录， ⽀持秒级持久化、兼容性好；AOF⽂件通常要⼤于RDB⽂ 件，所以恢复⽐RDB慢；
RDB：以指定的时间间隔 将内存中的数据集快照写⼊磁盘，但不能做到实时持久化；⽂件紧凑，体积⼩，RDB在恢复速度⽐AOF的恢复速度要快；
3.2、redis淘汰机制
先进先出First In，First Out：插入队尾，淘汰队首；新访问的数据插⼊FIFO队列尾部，数据在FIFO队列中顺序移动，淘汰FIFO队列头部的数据；
最近最少使⽤ Least recently used：插入队首，淘汰队尾；如果数据最近被访问过，那么将来被访问的⼏率也更⾼；每当缓存数据被访问，则将数据移到链表头部，当链表满的时候，将链表尾部的数据丢弃。
最近不经常使⽤ Least Frequently Used：记录数据频率，按频率排序；根据数据的历史访问频率来淘汰数据，如果数据过去被访问多次，那么将来被访问的频 率也更⾼；把数据加⼊到链表中，按频次排序，⼀个数据被访问过，把它的频次+1，发⽣淘汰的时 候，把频次低的淘汰掉；
3.3、缓存击穿/雪崩
缓存击穿 ：缓存过期，缓存中没有但数据库中有的数据；若是热点数据大量访问去查数据库，DB会瞬间压力增大；单一key出现过期；数据不过期/定时刷缓存/首次访问 加锁后续线程循环sleep请求 重刷到缓存；
缓存穿透：查询不存在数据，缓存中没有，去查数据库，导致DB压力大，比如查ID为-1000.到-1的数据；校验数据合理性/缓存存下key-null数据防止二次；
缓存雪崩：多个key出现过期，导致DB瞬间压力大；随机过期时间/定时刷数据/热点永不过期；
优势：数据类型多String、hash、list、set、zset，通过redisObject直接存储；持久化AOF/RDB-默认RDB配置appendonly，RDB可手/自持久化，主流AOF；单线程纯内存操作 速度快；
淘汰策略：先进先出、最近最少使用、最近最不经常使用；
并发问题：redis是C语言开发的，单线程，采用队列 将并发访问变为队列串行；纯内存操作，cpu不是瓶颈，没有上下文切换和资源竞争，也不存在加锁；
分布式锁：
异步队列：list，lpush+lpop+sleep/blpop，
持久化：RDBSave/BGSAVE/RDBLoad；AOF的flush方法；redis序列化协议--客户端+服务器，规定格式请求，执行完毕返回结果；+回复-错误*数组等5种；
集群：单机/ 主从复制--没有降低主库写压力/ 哨兵--监控心跳-故障切换慢会丢失/代理/cluster-无主节点；
redis内存模型：内存分配器，分配总内存，线程内存，内存碎片比率；
实际操作：redis-server；redis-cli+keys/scan/del/exists；treeNMS-占用率/连接数/增删改查；配置文件名称、目录、开启AOF、持久化策略等；Incr一个int报错/1/++1；
新特性：Pub/Sub发布订阅-两个client；Bloom过滤-存在错误/位图数组同样k个hash函数更新1或查1判断；RedisSearch-索引+文档/安装配置，对中文不好；aof定期重写压缩，aof与bgsave混合写；同步磁盘策略；
redis实现原理：字典-字典type/hash/index-字典表size/isused-数据索引表-数据； redis单线程+队列+发配给处理器； 过期处理：定期-每100MS随机抽删除+惰性-请求时判断过期删除; set+eval；
redis集群：ruby环境，大等于6个redis，安装gem包，6节点配置port和集群true，redis-trib的create命令启动；分数据分片0-16383；新节点，不均衡，节点下线，分片迁移；通过meet命令相互通信创建stateNode节点等； redis单线程原子性；语法命令错误才会回滚；半支持事务； 不同key不同槽；
数据一致性：设置超时时间；定时去刷数据；canal伪装成从库去获取binlog；
1.1、常用MQ
MQ优点：解耦系统、异步化、削峰 缺点：系统可⽤性降低、复杂度增⾼、维护成本增⾼
ActiveMQ：历史悠久，⽀持多种语⾔的客户端和协议，⽀持多种语⾔ 吞吐量不⾼，多队列性能低，存在消息丢失，较少使用
Kafka：⾼吞吐量，分布式发布订阅消息，数据较少丢失，⽀持多个⽣产者和消费者，常用于大数据平台； 不⽀持批量和⼴播，⽂档⽐较少, 运维难度⼤，需要掌握Scala
RabbitMQ：Erlang语⾔编写，易⽤性、扩展性、⾼可⽤性等⽅⾯表现不错 源码不容易被掌握
RocketMQ：纯Java开发，具有⾼吞吐量、⾼可⽤性、适合⼤规模分布式系统，⽀持海量堆积, ⽀持指定次数和时间间隔的 失败消息重发,⽀持consumer端tag过滤、延迟消息 新组件资料较少
1.2、发送方式
SYNC同步发送：短信、邮件
ASYNC异步发送：回调成功触发后续流程，下单通知到ERP系统
ONEWAY⽆需要等待响应：耗时短可靠性低，收集日志、操作习惯等
|
发送⽅式 |
发送 TPS |
发送结果反馈 |
可靠性 |
|
同步发送 |
快 |
有 |
不丢失 |
|
异步发送 |
快 |
有 |
不丢失 |
|
单向发送 |
最快 |
⽆ |
可能丢失 |
延迟消息：Producer将消息发送到消息队列 broker，不希望马上消费，而是等待某个时间点后销消费；--路由信息到上班节点发送
1.3、顺序性、避免重复消费、可靠性
顺序性：消息生产与消费顺序一致；全局有序（较少使用）/局部有序（一组数据被顺序消费，性能高）；--订单路由信息；
原理：顺序生产：⼀个topic下⾯有多个queue队列，同个业务id放置到同个queue队列⾥；
顺序消费：使⽤MessageListenerOrderly单线程消费，集群消费时锁住正在消费的消息队列；而不是使用多线程的MessageListenerConcurrently消费；
无法广播，无法异步否则无法严格保持顺序，不能多线程；
避免重复消费：业务实现，redis去重（消息ID，setNX()存在/Incr自增1存在），数据库设计去重表（消息ID做唯一索引）
幂等性：⼀个请求，不管重复来多少次，结果是不会改变的
可靠性：producer端：不采⽤oneway，使⽤同步或者异步⽅式；做好重试，但是重试的Message key必须唯⼀；保存关键日志信息（关键字段，投递时间、投递状态、重试次数、请求体、响应体）；
broker端：多主多从架构，多机房；同步双写、异步刷盘 (同步刷盘消息不丢失，可靠性更⾼，但是性能差点，根据业务选择) ；
consumer端：处理完消息后，调⽤ack告诉消息队列消费成功；幂等性处理；保存消费日志信息；
1.4、消息堆积（恢复消费/更快速度去消费，需要4步）
1、Consumer不消费问题：若不消费，则使其恢复正常消费，根据业务需要看是否要暂停；
2、增加Consumer数量：临时topic队列扩容，并提⾼消费者能⼒，增加Consumer节点；
3、临时分发程序：若堆积仍多且数量固定，则从旧topic读取到临时新topic中，新topic的queue数量必须扩容多倍，多个Consumer节点快速消费；--一般queue数量要大于Consumer节点数量
4、堆积消息处理完成后，恢复正常数量，再次检查逻辑或服务；
1.5、延迟发送，二次确认
broker中有多个不同topic分片，每个分片中有多个同一topic的queue； topic在每个broker中都有1个分片，分片中有多个queue；
NameServer-路由注册中心，Broker-消息存储服务器； Broker每30S心跳到NameServer；NameServer每10s清除120s心跳Broker，更新topic的路由信息；Producer每30s去获取路由信息；
broker中保存 提交日志文件、磁盘索引文件、消息消费队列；
重复问题：消息重新发送、消费异常；消费进度本身的不及时；拉取异常后的重新拉取；
MQ的ack机制：重新投递retrytopic，重试多次到死信队列；以group+queue来管理offset消费进度；拉取消费组，从尾/首/某时间点开始消费，只回传最小offset值；卡必消费成功位置；
节点node-索引index-分片shard/type-文件document
写流程：选择某node节点发送请求，节点会根据路由算法转发到主分片，主分片处理完毕再同步备份分片； 路由算法shard=hash(routing) %取余数 number_of_primary_shards索引下主分片数量
原理-近实时搜索refresh是：先写到内存中，同时写translog；每隔1s读取内存创建新阶段，新阶段先写入缓存，再写入磁盘；缓存数据可以直接被查询；flush实现磁盘持久化；
读流程：类似上述流程，只是读是会在 主分片 和 备份分片 之间随机轮训的去读取；
lucene：倒序索引算法；一词对应多文档；字典顺序生序；
translog：事务日志，针对的缓存与内存数据；flush持久化时清空，建磁盘+1log文件；索引文件和日志文件各有一份，冗余； 事务数，偏移量，log号；
1、高并发系统-系统拆分、用redis缓存、MQ交互、分库分表、读写分离、ES
分布式锁：数据库锁方法名建唯一索引；redis的set的key-value-expire，key是业务方法的，value是当前线程单据，解锁时判断value；
2、亿级数据查询
数据库--建立索引，存储过程，
分库-因表多而数据多，根据业务模块，将库拆分成不同的数据库；
分表-单表数据多，拆分表，垂直拆分--拆分字段；水平拆分--按业务按年月去拆分，按照面试官说的业务去拆，mycat中间件；
缓存--使用redis，
搜索引擎--使用ES，canal来伪装成从库线程读取binlog更新ES
3、netty
NIO：IO多路复用/非阻塞IO，用一个线程兼容做下述3件事情；BIO-Accept连接请求、读操作请求、写操作请求，都会等待阻塞；
Netty：网络应用框架；封装了JDK的NIO，提供了高性能的客户端与服务器端；Accept连接请求是一个线程，读写操作请求是另一个线程；
Dubbo的服务提供者、消费者和性能统计节点之间使用 Netty 进行异步/同步通信； RocketMQ 的消息生产者和消息消费者之间也采用 Netty 进行高性能、异步通信；
zab：恢复模式与广播模式；
zk选举流程和同步策略：初始流程-服务器LOOKING状态下，每个服务投票vote(sid, ZID)和自己的self（）比较，先value后key取大发出去；Leader变Leading，Follower变Following状态； 新节点/宕机不影响，leader挂了才影响会重选；非观察者全转LOOKING状态； 初始轮次+投票，接收投票 轮次和pk票，变更投票 统计，更改状态； Observer不参与投票和事务提交，提高读性能；
zk基于zab：过半机制+leader提交事务广播到所有follower；quorumPeer.start()磁盘读数据+上下文+选举；run方法有makeLeader()创建；leader.lead()创建StateSummary标记最新事务和提交次数+与Learner单线程长连接+LearnerHander监控新节点；followLeader方法-Follower.registerWithLeader()建立长链接5次+syncWithLeader()去同步数据-清空/删除无效；
TCP4层：网络接口层(物理+数据链路)、网际层、传输层(tcp、udp)、应用层(+会话+表示)；
rpc远程调用的服务治理框架；节点间的服务请求；客户端将参数转字节流传给服务端操作再返回结果，涉及到序列化等问题； SOA思想-一个中心同一规范去处理或监控多个系统；
默认dubbo协议，支持http、hessian等协议；以zk、redis做注册中心；已经停止更新； spring-cloud以Eureka注册中心，仅支持http； 通信框架是netty框架；
Hessian：基于http-post，类似于http+自己的序列化，它着重数据仅带简单类型标记，文件小；java序列化-数据、类、继承关系等全部字节流序列化；
默认重试2次；tries+timeout+服务端处理业务；
dubbo原理：解析服务-类似Spring加载bean到容器，解析xml中dubbo标签加载成bean对象转化成url的参数传给protocol节点；暴露服务-通过RegistryProtocol类的export方法先将ip端口+url传到注册中心，再同步到protocol节点暴露服务；引用服务-通过RegistryProtocol的refer查询url并获得提供者引用；消费节点的zkRegistry的saveProperties会缓存全量URL，新服务不行；消费-通过ReferenceConfig的init方法调refer方法生成invoke实例来获取接口；
负载均衡：实现loadbalance接口继承*类，doselect方法，getWeight获取权重方法；随机数/轮训次数/活跃度数组等；
dubbo生产消费，通过xml中，配置retries 再重试次数/cluster 失败后操作-failfast报错、failsafe忽略等实现容错；
配置loadbalance实现负载均衡等，默认romdom随机，基本没人修改，还有 权重轮训/hash/最小活跃等；
容错与负载均衡：权重随机-大量均匀/轮训-慢服务卡积累/最小活跃数-调用前后计差越慢越靠后越少/一致性hash-参数一致调同台 服务挂掉去平分；
失败切换-查，失败报错-写；失败忽略；并行调用等单返回；retries/Cluster/forks/LoadBalance
标签：reference id声明服务；service ref引用服务；protocol 协议声明；application应用声明；provider超时声明；
监控：dubbo-admin，可视化页面搜索服务，查看生产消费者信息；
常见问题：No provider available/check registry--服务提供者挂了，或者version没对应上；启动时检查依赖可用，否则报错；Data length too large--返回数据太大，加条件而不是改payload；父子类同名变量覆盖--Hessian去重；