中科软Java银行外包【一面】
前戏
您能介绍一下您的基本情况和工作经历吗？
解答：略
您目前是否在职？如果面试通过，多久能到岗？
解答：略
您对中科软的了解如何？
解答：略
您能详细介绍一下目前负责的项目和职责吗？
解答：略
您提到的项目涉及到十几张表，在设计这些数据结构时是如何考虑的？
解答：略
课程和老师的关联是如何设计的？
解答：略
如果老师将课程下架，学生那边的课程信息是如何处理的？
解答：略
你们的系统是否有考试功能？考试如何实现的？
解答：略
您能详细讲一下课表管理和学习记录的设计和实现吗？
解答：略
正题
你们系统中如何处理消息丢失、消息重复消费和消息积压的问题？
消息丢失
生产者丢失：
消息持久化：在生产者发送消息时，确保消息持久化到MQ（消息队列）服务端，以保证消息不会因MQ服务重启或故障而丢失
生产者确认机制：开启生产者确认机制，生产者发送消息后，会等待MQ服务端的确认，如果未收到确认，生产者会重试发送，确保消息成功进入队列
失败消息处理：如果生产者多次重试发送消息失败，我们会将失败消息记录到数据库中，并通过定时任务或人工处理，确保所有消息最终都会被处理
消费者丢失：
手动确认机制：关闭消费者的自动确认机制，改为手动确认，当消费者成功处理完消息后，再发送确认信息给MQ服务端，只有在收到确认后，MQ服务端才会将消息从队列中删除，如果消费者处理消息失败，则不会发送确认信息，MQ服务端会重新投递该消息
重试机制：配置消费者在处理消息失败时进行重试，并记录失败次数，如果超过预设的重试次数，将消息记录到数据库或发送告警，在进行人工去处理
消息重复消费
防止消息重复消费的方法主要通过幂等性设计来实现：
唯一业务标识：在处理消息时，设计唯一的业务标识，例如用户ID和课程ID的组合。在处理每条消息前，先检查是否已经处理过这条消息（即是否存在该唯一标识的记录），如果存在则跳过处理。
幂等性校验：每次处理消息前，进行幂等性校验，确保同一消息不会被重复处理。例如，课程报名时，通过检查用户和课程的关联关系是否已存在，来决定是否需要处理该消息。
你们使用的集群是什么类型？是服务集群还是镜像集群？
服务集群
服务集群通常用于应用服务的部署和管理。
镜像集群
镜像集群主要用于数据存储和分布式文件系统。
参考回答：
Kafka：
消息镜像：Kafka的MirrorMaker功能用于跨数据中心复制消息，确保数据的高可用性和灾难恢复
分区和副本：Kafka通过分区和副本机制，确保消息在集群中的冗余存储和高可用性
Elasticsearch：
数据分片和副本：Elasticsearch通过数据分片和副本机制，确保数据的高可用性和快速查询
跨集群复制：Elasticsearch的跨集群复制功能，用于在多个集群之间复制数据，提高系统的容错能力
如果消息积压了，您会如何处理？
参考回答
最简单的方式就是水平扩展机器数量，增加内存和存储
您了解Kafka吗？它与MQ有什么区别？Kafka适用于哪些场景？
纯八股文，参考下面的回答
Kafka 是一个分布式的流式处理平台和消息队列系统，与传统的消息队列（MQ）系统在设计和应用场景上有一些显著的区别。
Kafka 与传统消息队列的区别
数据持久性：
Kafka 是设计为高度持久的消息系统，它将消息持久化到磁盘，支持消息的持久存储和回放。
传统的消息队列（如 RabbitMQ、ActiveMQ）通常也支持持久化，但在设计上不同，更多专注于点对点的消息传递和队列管理。
发布订阅模型：
Kafka 基于发布订阅模型，消息由生产者发布到主题（topic），消费者订阅主题并实时获取消息。
传统消息队列通常以点对点模式为主，即消息从一个发送者直接传递到一个接收者。
处理能力：
Kafka 在处理大规模数据流时表现优异，支持高吞吐量和低延迟，适合处理大量实时数据流。
传统消息队列也能处理大量消息，但通常更关注传输的可靠性和消息队列的管理特性。
分布式架构：
Kafka 是为分布式环境设计的，可以水平扩展，支持多个 broker 构成的集群。
传统消息队列系统也可以进行集群化部署，但架构和扩展性可能不如 Kafka 灵活。
Kafka 的适用场景：
实时数据管道：用于构建实时数据管道，将大量实时数据从多个数据源汇聚到数据湖或数据仓库中。
日志聚合和监控：适合用作日志聚合和分析，支持快速的日志数据收集和处理。
事件驱动架构：作为事件驱动架构的核心组件，支持事件发布和订阅，实现高效的事件驱动通信。
流处理应用：结合 Kafka Streams 或类似的流处理框架，可以实现复杂的流处理和实时分析。
Kafka 适合需要高度可扩展、高吞吐量和低延迟的实时数据处理和消息传递场景，特别是在大数据领域和微服务架构中被广泛应用。传统消息队列则更适合于点对点的消息传递和简单的队列管理需求。
详细可以看这篇文章：kafka和rabbitmq之间的区别以及适用场景
网关的作用是什么？
RPC：首先是RPC的端口转发，充当连接不同网络的桥梁，实现跨网络的数据交换和转发
协议转换：网关可以进行不同协议之间的转换，使得使用不同通信协议的网络能够进行互操作，例如，将局域网（LAN）中的数据包转换为互联网（Internet）上使用的数据格式
安全控制：作为网络的入口点，网关可以实施安全措施，如访问控制、防火墙、数据加密等，保护内部网络免受外部威胁的侵害
流量控制：网关可以监控和管理数据流量，优化网络资源的使用，确保网络的高效运行和资源分配
路由选择：根据网络的拓扑结构和目标地址，网关能够选择最佳的路径进行数据传输，以提高传输效率和降低延迟
代理服务：某些网关还提供代理服务，代表客户端请求外部资源，隐藏客户端的真实网络标识，增强网络安全性和隐私保护
拦截器和过滤器的区别是什么？
拦截器（Interceptor）
拦截器是一种设计模式，用于在执行过程中拦截并处理请求或调用，并能够在目标方法执行前后、异常发生时进行拦截处理，常见于面向切面编程（AOP）的实现中，例如在Spring框架中，拦截器可以用来实现日志记录、权限验证、性能监控等功能
过滤器（Filter）
过滤器也是一种设计模式，它用于对数据流进行处理和转换，可以在数据流进入目标之前或离开之后进行处理，通常用于数据的预处理和后处理，例如在Web开发中，过滤器可以用来处理HTTP请求和响应，进行字符编码转换、身份验证、请求参数过滤等操作
主要区别：
作用对象不同：拦截器主要针对方法调用或请求处理过程，而过滤器则主要针对数据流的输入输出进行处理。
实现方式不同：拦截器通常通过面向切面编程（AOP）的方式实现，而过滤器则通常通过设计模式中的责任链模式来实现。
使用场景不同：拦截器更多用于在业务方法执行前后进行扩展或处理，而过滤器更多用于对数据流进行过滤和转换，例如对请求和响应进行预处理和后处理。
是先执行拦截器，还是先执行过滤器？
首先，请求到达Servlet容器，触发过滤器（Filter）
然后，请求被DispatcherServlet捕获，触发拦截器（Interceptor）
接着，如果定义了AOP切面，它们会在相应的时机（如方法执行前或后）被触发
最后，请求到达控制器（Controller），执行相应的业务逻辑
在Spring中，通过什么接口实现请求的拦截？
HandlerInterceptor：这个接口允许开发者在请求处理之前（preHandle）、请求处理之后（postHandle）、视图渲染之后（afterCompletion）等时机对请求进行拦截和处理
反射是什么？一般在什么场景使用反射？
略
Spring Boot常用的一些注解有哪些？
略
什么是雪花算法？如何解决雪花算法重复生成的问题？
雪花算法是一种分布式唯一 ID 生成算法，最初由Twitter开发并开源，用于生成全局唯一的 ID。它的核心思想是在分布式系统中生成唯一的、有序的、趋势递增的 ID，以便于在分布式环境中进行数据的唯一标识和排序。
雪花算法的结构
雪花算法生成的 ID 通常由以下部分组成：
时间戳：占用 41 位，表示生成 ID 的时间戳。可以精确到毫秒级别，可以使用当前时间减去一个起始时间来获得时间戳的值。
机器标识：占用 10 位，表示机器的标识符。通常是机器的 ID，可以配置。
序列号：占用 12 位，表示同一毫秒内生成的序列号。序列号达到上限时会进行自旋等待，直到下一毫秒再生成新的 ID。
解决重复生成问题
参考回答：
雪花算法在分布式系统中生成的 ID 具有全局唯一性，但是在极端情况下，可能会因为系统时间回拨或者某些错误导致生成重复的 ID。为了解决这个问题，可以采取以下几种方法：
时钟回拨检测：在生成 ID 之前，可以检测系统时间是否回拨。如果检测到时间回拨，可以选择等待或者使用备用的时钟源，避免生成重复的 ID。
使用高性能时钟：一些系统可能会使用高性能的时钟源（如机器的 CPU 周期计数器）来代替系统时钟，减少时间回拨的可能性。
添加机器标识：每个机器分配一个唯一的标识符，将机器标识作为 ID 的一部分，确保同一时刻不同机器生成的 ID 不会重复。
序列号重置策略：在同一毫秒内序列号达到上限时，可以采取适当的策略，如自旋等待、使用备用序列号生成策略等，确保生成的 ID 不重复。
这些方法结合起来可以有效地减少雪花算法生成重复 ID 的可能性，保证在分布式系统中生成的 ID 唯一性和稳定性。
MySQL中的自增ID是如何实现的？
在 MySQL 中，自增 ID 主要通过 AUTO_INCREMENT 属性来实现。这种属性可以应用于整数类型的列（通常是主键列），用于自动为插入的新记录生成唯一的递增 ID。
id 列被定义为 AUTO_INCREMENT，每次插入一条新记录时，MySQL 会自动为 id 列分配一个递增的唯一值，这样就保证了每条记录有一个独一无二的标识符
如何生成有一定顺序且不重复的订单号？
具体方式有很多，这里列举几个我当时回答的：
UUID
雪花+时间
Redis+雪花
是否了解线程池？自定义线程池吗？
略
线程池的工作原理是什么？如何回收？
工作原理：
线程池初始化：
在应用程序启动时，线程池会初始化一定数量的线程，这些线程处于等待就绪状态，可以立即执行任务。
任务提交：
当有任务到达时，线程池会从池中的空闲线程中选择一个线程来执行任务，而不是每次都创建新线程。这种方式减少了线程创建和销毁的开销。
任务执行：
选定的线程会执行提交的任务。如果所有线程都在忙碌，则任务会进入任务队列等待执行。
任务队列：
线程池通常会有一个任务队列（也称作工作队列），用于存储等待执行的任务。当线程池中的线程空闲时，会从队列中取出任务执行。
线程复用：
执行完一个任务后，线程并不会被销毁，而是可以被重用来执行下一个任务，从而节省了线程创建和销毁的开销。
回收机制：
空闲线程回收：
如果线程池中的某些线程在一段时间内没有执行任务，线程池会根据一定的策略进行回收。例如，可以根据线程空闲时间超过一定阈值来回收线程。
动态调整：
线程池一般会根据当前任务的数量和系统负载动态调整线程数量。如果任务数量增加，线程池可以增加线程数以处理更多任务；如果任务减少，可以减少线程数以节省资源。
线程池关闭：
当应用程序关闭或者不再需要线程池时，线程池应当正确地关闭。这包括停止接受新任务，等待现有任务执行完毕，然后释放线程资源。
