📍1. Gzip壓縮技術(shù)詳解
Gzip是一種流行的無(wú)損數(shù)據(jù)壓縮格式，它使用DEFLATE算法來(lái)減少文件大小，廣泛應(yīng)用于網(wǎng)絡(luò)傳輸和文件存儲(chǔ)中以提高效率。
🚀 使用場(chǎng)景：
? 網(wǎng)站優(yōu)化：通過(guò)壓縮HTML、CSS、JavaScript文件來(lái)加速頁(yè)面加載，提升用戶(hù)體驗(yàn)。
? 數(shù)據(jù)備份與歸檔：壓縮大型數(shù)據(jù)集，減少存儲(chǔ)空間和傳輸帶寬。
? API數(shù)據(jù)傳輸：壓縮API響應(yīng)，降低網(wǎng)絡(luò)傳輸成本，尤其是在移動(dòng)網(wǎng)絡(luò)環(huán)境下。
? 大數(shù)據(jù)處理：在Hadoop、Spark等大數(shù)據(jù)框架中壓縮中間結(jié)果，提高處理效率。
🔧 Golang使用示例：

import ("bytes""compress/gzip"
)func GzipEncode(data []byte) ([]byte, error) {var buf bytes.Buffergw := gzip.NewWriter(&buf)defer gw.Close()_, err := gw.Write(data)if err!= nil {return nil, err}return buf.Bytes(), nil
}

📍2. MySQL慢查詢(xún)處理四部曲
? 開(kāi)啟慢查詢(xún)?nèi)罩?#xff1a;配置my.cnf文件，設(shè)置slow_query_log=1和long_query_time閾值，記錄執(zhí)行時(shí)間超過(guò)閾值的SQL語(yǔ)句。
? 使用分析工具：利用mysqldumpslow、pt-query-digest等工具分析慢查詢(xún)?nèi)罩?#xff0c;識(shí)別頻繁執(zhí)行的慢SQL。
? 優(yōu)化索引：根據(jù)慢查詢(xún)分析結(jié)果，為頻繁查詢(xún)的列創(chuàng)建索引，優(yōu)化復(fù)合索引順序，遵循最左前綴原則。
? SQL優(yōu)化：重構(gòu)SQL語(yǔ)句，避免使用SELECT *，減少JOIN操作，使用LIMIT限制結(jié)果集大小，優(yōu)化子查詢(xún)和關(guān)聯(lián)查詢(xún)。

📍3. Binlog日志格式對(duì)比

格式	特點(diǎn)	適用場(chǎng)景
STATEMENT	記錄SQL語(yǔ)句，日志量小，性能高	簡(jiǎn)單DML操作，不涉及復(fù)雜事務(wù)
ROW	記錄行級(jí)變更，數(shù)據(jù)一致性高，可精確恢復(fù)	復(fù)雜事務(wù)，需要高數(shù)據(jù)安全性
MIXED	自動(dòng)切換STATEMENT和ROW格式	混合業(yè)務(wù)場(chǎng)景，兼顧性能和安全性

📍4. MySQL索引優(yōu)化指南
? B+樹(shù)索引：理解B+樹(shù)結(jié)構(gòu)，合理設(shè)計(jì)索引，支持快速查找和范圍查詢(xún)。
? 最左前綴原則：復(fù)合索引按查詢(xún)頻率高的列在前，確保索引高效利用。
? 覆蓋索引：優(yōu)化查詢(xún)列與索引列，避免回表操作，提高查詢(xún)效率。
? 索引優(yōu)化案例：分析查詢(xún)性能瓶頸，為頻繁查詢(xún)的列添加索引，減少I(mǎi)O操作，提升查詢(xún)速度。

📍5. 強(qiáng)一致性定義
強(qiáng)一致性（也稱(chēng)為線性一致性或原子一致性）要求分布式系統(tǒng)中所有節(jié)點(diǎn)在同一時(shí)刻看到的數(shù)據(jù)完全一致，確保數(shù)據(jù)的實(shí)時(shí)性和準(zhǔn)確性。
典型實(shí)現(xiàn)：兩階段提交（2PC）、Paxos、Raft等分布式一致性算法。
應(yīng)用場(chǎng)景：金融交易、庫(kù)存管理、訂單處理等對(duì)數(shù)據(jù)一致性要求極高的業(yè)務(wù)場(chǎng)景。

📍6. Kafka業(yè)務(wù)場(chǎng)景
? 日志收集與分析：實(shí)時(shí)采集用戶(hù)行為日志、系統(tǒng)日志，支持大數(shù)據(jù)量處理和實(shí)時(shí)分析。
? 事件驅(qū)動(dòng)架構(gòu)：實(shí)現(xiàn)服務(wù)間解耦，通過(guò)發(fā)布/訂閱模式實(shí)現(xiàn)異步消息傳遞，提高系統(tǒng)可擴(kuò)展性和靈活性。
? 數(shù)據(jù)管道：作為數(shù)據(jù)流平臺(tái)，連接數(shù)據(jù)源和目標(biāo)系統(tǒng)，實(shí)現(xiàn)數(shù)據(jù)集成和ETL流程。
? 實(shí)時(shí)數(shù)據(jù)流處理：結(jié)合Flink、Spark Streaming等流處理框架，實(shí)現(xiàn)實(shí)時(shí)數(shù)據(jù)分析和決策支持。

📍7. RocketMQ事務(wù)消息流程

1. 發(fā)送半消息（prepare消息）：生產(chǎn)者發(fā)送消息到RocketMQ，消息狀態(tài)為半消息。
2. 執(zhí)行本地事務(wù)：生產(chǎn)者執(zhí)行本地事務(wù)操作，如數(shù)據(jù)庫(kù)更新、文件寫(xiě)入等。
3. 根據(jù)本地事務(wù)結(jié)果，提交或回滾消息：生產(chǎn)者根據(jù)本地事務(wù)執(zhí)行結(jié)果，向RocketMQ發(fā)送提交或回滾消息。
   🛡? 確保消息發(fā)送與本地事務(wù)執(zhí)行結(jié)果一致，常用于分布式事務(wù)場(chǎng)景，如訂單支付、庫(kù)存扣減等。

📍8. 消息隊(duì)列選型指南
? Kafka：適合大數(shù)據(jù)量、高吞吐量的場(chǎng)景，如日志收集、實(shí)時(shí)數(shù)據(jù)處理、數(shù)據(jù)流平臺(tái)等。
? RocketMQ：提供事務(wù)消息、順序消息、消息過(guò)濾等高級(jí)特性，適合金融、電商等對(duì)消息可靠性要求極高的場(chǎng)景。
? 選型考慮：根據(jù)業(yè)務(wù)需求、性能要求、可靠性、功能特性、生態(tài)系統(tǒng)支持等因素選擇合適的消息隊(duì)列。

📍9. 消息冪等保障方案
? 唯一消息ID：為每條消息生成唯一ID，消費(fèi)者在處理消息前檢查是否已處理過(guò)。
? 數(shù)據(jù)庫(kù)去重表：使用數(shù)據(jù)庫(kù)表記錄已處理消息ID，消費(fèi)前查詢(xún)?nèi)ブ乇砼袛嘞⑹欠褚烟幚怼?br /> ? 狀態(tài)機(jī)控制：根據(jù)業(yè)務(wù)狀態(tài)判斷消息是否已處理，確保消息處理邏輯冪等。
? 分布式鎖：在高并發(fā)場(chǎng)景下，使用分布式鎖確保同一時(shí)刻只有一個(gè)消費(fèi)者處理消息。

📍10. 死信隊(duì)列實(shí)現(xiàn)
? 設(shè)置消息消費(fèi)超時(shí)或重試次數(shù)：配置消息隊(duì)列的消費(fèi)超時(shí)時(shí)間和重試次數(shù)。
? 消費(fèi)失敗的消息被投遞到死信隊(duì)列（DLQ）：消息消費(fèi)失敗后，被自動(dòng)投遞到死信隊(duì)列。
? 監(jiān)控DLQ，定期處理失敗消息：通過(guò)監(jiān)控工具或定時(shí)任務(wù)檢查DLQ，處理失敗消息，如人工干預(yù)、自動(dòng)重試或記錄日志。

📍11. Redis分布式鎖實(shí)現(xiàn)

func RedisDistributedLock(conn redis.Conn, lockKey string, lockValue string, expire int) bool {script := redis.NewScript(1, `if redis.call("setnx", KEYS[1], ARGV[1]) == 1 thenredis.call("expire", KEYS[1], ARGV[2])return 1elsereturn 0end`)result, err := script.Run(conn, []string{lockKey}, []string{lockValue, expire}).Result()if err!= nil {return false}return result.(int) == 1
}

?? 注意鎖的過(guò)期時(shí)間設(shè)置，避免死鎖，同時(shí)考慮鎖的續(xù)期問(wèn)題，防止業(yè)務(wù)執(zhí)行時(shí)間過(guò)長(zhǎng)導(dǎo)致鎖提前釋放。

📍12. RedLock解決的問(wèn)題
RedLock通過(guò)多節(jié)點(diǎn)分布式鎖機(jī)制，解決單點(diǎn)Redis故障導(dǎo)致的鎖失效問(wèn)題，確保分布式環(huán)境下鎖的高可用性和安全性。
主要解決以下問(wèn)題：
? 單點(diǎn)故障：避免單點(diǎn)Redis宕機(jī)導(dǎo)致鎖不可用。
? 鎖過(guò)期釋放：在鎖過(guò)期時(shí)間內(nèi)，如果業(yè)務(wù)未執(zhí)行完，防止其他節(jié)點(diǎn)獲取到鎖。
? 腦裂問(wèn)題：在Redis集群中，避免因網(wǎng)絡(luò)分區(qū)導(dǎo)致多個(gè)節(jié)點(diǎn)同時(shí)持有鎖。

📍13. Redis消息隊(duì)列方案
? List結(jié)構(gòu)：使用LPUSH和RPOP實(shí)現(xiàn)簡(jiǎn)單隊(duì)列，適用于低并發(fā)、輕量級(jí)消息場(chǎng)景。
? Streams：Redis 5.0引入的新特性，支持消息持久化、消費(fèi)者組、消息確認(rèn)、消息ID生成等高級(jí)功能，提供更強(qiáng)大的消息隊(duì)列能力。
應(yīng)用場(chǎng)景：適用于輕量級(jí)、低延遲的消息場(chǎng)景，如實(shí)時(shí)通知、任務(wù)隊(duì)列等，但需注意消息持久化和數(shù)據(jù)一致性，確保消息不丟失。

📍14. ES+MySQL架構(gòu)實(shí)踐
? MySQL存儲(chǔ)事務(wù)性數(shù)據(jù)：作為主數(shù)據(jù)庫(kù)，存儲(chǔ)訂單、用戶(hù)、交易等事務(wù)性數(shù)據(jù)，保證數(shù)據(jù)完整性和一致性。
? ES存儲(chǔ)非事務(wù)性數(shù)據(jù)：用于全文搜索、數(shù)據(jù)分析、實(shí)時(shí)查詢(xún)等場(chǎng)景，提供快速查詢(xún)和數(shù)據(jù)分析能力。
? 數(shù)據(jù)同步：使用Canal、Logstash等工具實(shí)現(xiàn)MySQL到ES的數(shù)據(jù)同步，保持?jǐn)?shù)據(jù)一致性。
? 業(yè)務(wù)場(chǎng)景：商品信息存儲(chǔ)在MySQL，ES提供商品搜索功能，提升用戶(hù)體驗(yàn)；同時(shí)，利用ES進(jìn)行數(shù)據(jù)分析，支持業(yè)務(wù)決策。
? 架構(gòu)優(yōu)化：考慮數(shù)據(jù)一致性、實(shí)時(shí)性、性能等因素，優(yōu)化數(shù)據(jù)同步策略，如增量同步、異步同步等，確保系統(tǒng)穩(wěn)定高效運(yùn)行。

📍15. 分庫(kù)分表策略
? 垂直分庫(kù)：按業(yè)務(wù)模塊劃分?jǐn)?shù)據(jù)庫(kù)，如訂單庫(kù)、用戶(hù)庫(kù)等，降低單庫(kù)壓力，提高業(yè)務(wù)隔離性。
? 水平分表：按某個(gè)字段（如用戶(hù)ID、時(shí)間）將大表拆分為多個(gè)小表，分散數(shù)據(jù)存儲(chǔ)，提高查詢(xún)性能。
? 分片鍵選擇：選擇均勻分布的字段作為分片鍵，避免數(shù)據(jù)傾斜，如使用哈希函數(shù)或范圍分區(qū)。
? 中間件支持：使用ShardingSphere、MyCat等分庫(kù)分表中間件，簡(jiǎn)化分庫(kù)分表操作，提供透明化訪問(wèn)。

📍16. 算法題：二叉樹(shù)重建及后序遍歷

type TreeNode struct {Val   intLeft  *TreeNodeRight *TreeNode
}func buildTree(preorder []int, inorder []int) *TreeNode {if len(preorder) == 0 || len(inorder) == 0 {return nil}root := &TreeNode{Val: preorder[0]}index := findIndex(inorder, preorder[0])root.Left = buildTree(preorder[1:index+1], inorder[:index])root.Right = buildTree(preorder[index+1:], inorder[index+1:])return root
}func findIndex(arr []int, target int) int {for i, v := range arr {if v == target {return i}}return -1
}func postorderTraversal(root *TreeNode) []int {if root == nil {return []int{}}left := postorderTraversal(root.Left)right := postorderTraversal(root.Right)return append(append(left, right...), root.Val)
}

歡迎關(guān)注我的小紅書(shū)一起來(lái)討論。