面试_常见大厂面试题
1. String对象值修改保持引用不变
String ss= “abc”, 如何将其修改成“abcd”, 并保证ss引用对象不变。
public static void main(String[] args) throws NoSuchFieldException, IllegalAccessException {String ss = "1234567890";Field field = ss.getClass().getDeclaredField("value");field.setAccessible(true);field.set(ss, "abcd".toCharArray());
}2. 如何分词，分词器
IK分词器：基于Java实现的中文分词器
HanLP : 中文分词， 引入相应依赖
分词方式：基于字典、基于机器学习
3. 倒排索引
普通索引：ID -> 内容
倒排索引：内容 -> ID
示例：文章 -> 分词term -> 排序term dictionary -> term index -> Posting List(文章ID、在文章中出现的偏移量、权重信息TFIDF)
倒排索引好处：适合关键词检索；数据总量可以得到控制；提高查询效率
4. 二叉树
强平衡二叉树（AVL）、弱平衡二叉树（红黑树）
1. AVL相对红黑树平衡的程度更加严格，想通节点的情况下，AVL树的高度<= 红黑树
2. 红黑树中引入的颜色节点概念
3. AVL树的旋转操作比红黑树的旋转操作更耗时
二叉搜索树 与 平衡二叉树
1. 二叉搜索树：节点左边的节点值都比该节点小，右边节点的值都比该节点大
2. 平衡二叉树：也可以叫做平衡二叉搜索树，在二叉搜索树的基础上，规定了节点左右两边的节点的高度差的绝对值不能超过1
5. 设计模式
创建型、结构型、行为型
常用的：工厂模式、单例模式；过滤器模式；策略模式、模板模式
常见的框架或中间件使用的设计模式：
6. 图遍历
深度优先：从一个节点出发，一直沿着边向下深度去找节点，如果找不到则返回上一层找其他节点（类似二叉树的 左中右 遍历）
广度优先：从一个节点出发，向下先把第一层节点遍历完，再去遍历第二层节点，直到遍历到最后一层。（类似二叉树 层次遍历）
7. Maven命令
| 命令 | 作用 | 使用场景 |
|---|---|---|
mvn clean compile | 清理并编译 | 检查代码是否能编译通过 |
mvn clean test | 清理并运行测试 | 本地验证功能 |
mvn clean package | 清理并打包 | 生成可部署的构件, 打成jar包或war包 |
mvn clean install | 清理并安装到本地仓库 | 最常用，准备依赖给其他项目 |
mvn dependency:tree | 分析依赖树 | 解决依赖冲突 |
mvn clean deploy | 清理并部署到远程仓库 | 发布版本 |
8. liunx命令
查看：cd 、 ls 、pwd、file filename.txt、grep
增删改:
- mkdir xx 创建目录
- touch file 创建文件
- mv 、 rm 、cp
- ln -s /path/target link_name 创建软链接
查看文件内容
- cat、vim
- head -n 20 filename //查看前20行
- tail -n 20 filename // 查看后20行
网络命令：
ps -ef | grep '' 、ping
压缩、解压
- tar -czf archive.tar.gz /path # 压缩
- tar -xzf archive.tar.gz # 解压
9. 聊项目
- 项目及主要负责模块
- 项目架构图，自己所处的模块
- 聊聊最优成就感的项目
- 自己最优挑战的项目、难点
10. ES写入数据和查询数据
ES架构简图
1. 客户端发写数据请求时，可以往任意节点发，这个节点就会成为coordinating node协调节点
2. 协调节点计算 要写入的分片(sharding）：计算时采用hash取模的方式计算，按照文档id计算
3. 协调节点就会进行路由，将请求转发给对应的primary sharding所在的dataNode
4. dataNode节点上的primary sharding处理请求，写入数据到索引库，并且将数据同步到对应的replica sharding
5. 等primary sharding和replica sharding都保存到文档之后，返回客户端响应。
查询数据原理：
1. 客户端发请求可以给任意节点，这个节点成为协调节点
2. 协调节点将查询请求广播到每个数据节点，这些数据节点的分片就会处理查询请求
3. 每个分片进行数据查询，将符合条件的数据放到一个队列当中，并将这些数据的 文档ID、节点信息、分片信息都返回给协调点
4. 由协调点将所有的结果进行汇总，并排序
5. 协调节点向包含这些ID分片发送get请求，对应的分片文档数据返回给协调节点，最后协调节点将数据整合返回给客户端。
11. ES部署时优化
1、集群部署优化
- 关于ES的参数，大部分情况下不需要调整，如果由性能问题，最好的办法是安排合理的sharding 布局并且增加节点数量
- 调整ES的一些参数，path.data目录尽量使用SSD（固态硬盘）， JVM堆内存大小
2、更合理的sharding布局
让sharding和对应的replica sharding尽量在同一个机房，但是有时候为了容灾的考虑，会特意部署在不同的机房
3、Liunx服务器上的优化策略
不要用root用户；修改虚拟内存大小；修改普通用户可以创建的最大线程数。
ES生态：ELK日志收集解决方案 - filebeat(读log日志) -> logstash -> ElaticsSearch -> kibana、Grafana、自研报表平台
ES使用场景：大数据量的搜索场景， 另外ES也有很强的计算能力，用户画像
12. ES概念
ES：是一个局域Lucene框架的搜索引擎产品。 you know for search, 提供了Restful风格的操作接口。
Lucene：是一个非常搞笑的全检检索引擎框架，java语言开发，提供的jar包。所以不太通用。
ES核心概念：
- 索引index : 关系数据库的table
- 文档document： 关系数据库的一行数据
- 字段field text\keyword\byte： 关系数据库的列
- 映射Mapping : Schema
- 查询方式DSL
- 分片sharding 和副本 replicas