【计算机面试整理3】学习中可能没学到的知识点

Mysql

数据库的三大范式

第一范式(1NF)： 保证字段不可再分，保证原子性。
第二范式(2NF)： 满足1NF前提下，表的每一列都必须和主键有关系。消除部分依赖关系。
第三范式(3NF)： 满足2NF前提下，表的每一列比必须和主键有直接关系，不能是间接关系。消除传递依赖。

sql的执行顺序

select distinct
    查询列表（要查的字段）
from
    左边的表们s
连接类型(left|inner) join 
    右边的表们s
on 
    连接条件
where
    筛选条件
group by
    分组的列表(按什么字段分组)
having
    having_condition
order by
    排序的字段(asc/desc)
limit
    limit number;

解释“

1 from 左边的表们s：从左边的表开始选择数据
2 连接类型(left|inner) join 右边的表们s on 连接条件：按照连接条件和右边的表
进行连接，形成结果集
3 where 筛选条件：在形成的结果集中根据筛选条件过滤数据
4 group by 分组列表(按什么字段分组)：在过滤后的数据集中根据分组字段进行分组
5 having having_condition：对分组后的数据集应用条件进行过滤
6 select：选择结果集中需要的列，计算结果
7 distinct 查询列表(要查询的字段)：对结果集去除重复行
8 order by 排序的字段：对结果集进行排序
9 limit limit_number：对结果集进行限制行数

Case表达式

CASE when sex='1' then '男'
        when sex='2' then '女'
else '其他' end

在发现为真的 WHEN 子句时， CASE 表达式的真假值判断就会中止，而剩余的 WHEN 子句会被忽略。

正则表达式

匹配模式	描述	实例
^	匹配文本的开始字符	^bd 匹配以 bd 开头的字符串
$	匹配文本的结束字符	qn$ 匹配以 qn 结尾的字符串
.	匹配任何单个字符	s.t 匹配任何 s 和 t 之间有一个字符的字符串
*	匹配零个或多个在它前面的字符	fo*t 匹配 t 前面有任意个 o
+	匹配前面的字符 1 次或多次	hom+ 匹配以 ho 开头，后面至少一个 m 的字符串
字符串	匹配包含指定的字符串	clo 匹配含有 clo 的字符串
p1|p2	匹配 p1 或 p2	bg|fg 匹配 bg 或者 fg
[...]	匹配字符集合中的任意一个字符	[abc] 匹配 a 或者 b 或者 c
[^...]	匹配不在括号中的任何字符	[^ab] 匹配不包含 a 或者 b 的字符串
{n}	匹配前面的字符串 n 次	g{2} 匹配含有 2 个 g 的字符串
{n,m}	匹配前面的字符串至少 n 次，至多 m 次	f{1,3} 匹配 f 最少 1 次，最多 3 次

语法：SELECT “字段” FROM “表名” WHERE “字段” REGEXP {模式};

Redis

Redis内存淘汰策略

Redis是基于内存的key-value数据库，因为系统的内存大小有限，所以我们在使用Redis的时候可以配置Redis能使用的最大的内存大小。
1.通过配置文件配置

//设置Redis最大占用内存大小为100M
maxmemory 100mb

2.通过命令修改
Redis支持运行时通过命令的动态修改内存大小

//设置Redis最大占用内存大小为100M
127.0.0.1:6379> config set maxmemory 100mb
//获取设置的Redis能使用的最大内存大小
127.0.0.1:6379> config get maxmemory

如果不设置最大内存大小或者设置最大内存大小为0，在64位操作系统下不限制内存大小，在32位操作系统下最多使用3GB内存

redis的淘汰策略一共有8种

1.noeviction（默认策略）： 不会删除任何数据，拒绝所有写入操作并返回客户端错误消息（error）OOM command not allowed when used memory，此时 Redis 只响应删和读操作；

2.allkeys-lru： 从所有 key 中使用 LRU 算法进行淘汰（LRU 算法：最近最少使用算法）；

3.allkeys-lfu： 从所有 key 中使用 LFU 算法进行淘汰（LFU 算法：最不常用算法，根据使用频率计算，4.0 版本新增）；

4.volatile-lru： 从设置了过期时间的 key 中使用 LRU 算法进行淘汰；

5.volatile-lfu： 从设置了过期时间的 key 中使用 LFU 算法进行淘汰；

6.allkeys-random： 从所有 key 中随机淘汰数据；

7.volatile-random： 从设置了过期时间的 key 中随机淘汰数据；

8.volatile-ttl： 在设置了过期时间的key中，淘汰过期时间剩余最短的。

注意： 当使用 volatile-lru、volatile-lfu、volatile-random、volatile-ttl 这四种淘汰策略时，如果没有 key 可以淘汰，则和 neoviction 一样返回错误。

Git

Springboot

依赖注入的方式

将Bean对象更加简单地从Spring中取出来,有三种方式,分别为 属性注入, setter注入,构造方法注入

@Autowired

构造函数注入@RequiredArgsConstructor

JAVA八股

范围查询推荐使用什么树（B/B+树）？B和B+树的区别？

范围查询推荐使用B+树，存储数据的叶子节点也相互连接，方便查找相邻的数据。

归并排序和快速排序各个优势选择？不足？

归并排序（Merge Sort）

优势：

1. 稳定性：归并排序是一个稳定的排序算法，能保持相同元素在排序前后的相对顺序。
2. 时间复杂度：无论输入数据如何，归并排序的时间复杂度都是 (O(n \log n))，最坏情况也保持这个复杂度，适合处理需要保证最坏时间复杂度的场景。
3. 适合处理大规模数据：归并排序通过分治思想，将大问题拆分成小问题递归处理，尤其适合对链表等结构的排序，且能够很好地利用外部存储器进行排序（如外部排序）。

不足：

1. 空间复杂度较高：归并排序需要额外的 (O(n)) 空间来存储临时数组，这在内存较为紧张的场景下可能成为瓶颈。
2. 局部性差：归并排序在处理数据时的内存访问是分散的，缓存命中率较低，可能导致性能在实际运行中不如其他算法。

---

快速排序（Quick Sort）

优势：

1. 平均时间复杂度更低：快速排序的平均时间复杂度为 (O(n \log n))，且由于其常数因子较小，在实际应用中通常比归并排序快。
2. 原地排序：快速排序是一个原地排序算法，仅需要 (O(\log n)) 的辅助空间，用到的额外空间很少，因此在内存使用上非常高效。
3. 适合多种数据结构：快速排序可以很好地处理数组等需要高效就地排序的数据结构，并且可以通过选择不同的“枢轴”策略来优化性能。

不足：

1. 最坏情况时间复杂度高：如果数据本身已经有序或接近有序，且选择了不合适的枢轴，快速排序的最坏情况时间复杂度可能退化为 (O(n^2))。
2. 不稳定：快速排序不是稳定的排序算法，相同的元素在排序后可能会改变其相对顺序。
3. 对小规模数据表现不佳：在处理小规模数据时，快速排序的递归开销可能超过其性能优势。

---

选择依据：

• 归并排序适合在对稳定性有要求、处理链表或大规模数据、最坏情况性能必须控制的场景中使用。
• 快速排序适合在内存有限、追求速度、数据规模较小或不需要保证稳定性的场景中使用。

信号量和读写锁的概念 实际应用

1. 信号量（Semaphore）

• 概念：
  信号量是一种计数器机制，用于控制多个线程或进程对共享资源的访问。信号量可以限制同时访问资源的线程或进程数量。

  • 类型：

    • 二值信号量：值为0或1，类似互斥锁，一次只允许一个线程访问共享资源。
    • 计数信号量：信号量值为非负整数，表示允许多少个线程同时访问资源。

  • 操作：

    • P操作（wait/down）：将信号量的值减1，若值小于0，则阻塞调用线程。
    • V操作（signal/up）：将信号量的值加1，若有线程阻塞，则唤醒。

• 实际应用：

  • 限制资源访问数量：用于控制同时访问数据库连接、文件等资源的线程数量。
  • 生产者-消费者问题：用于协调生产者和消费者对缓冲区的访问。

2. 读写锁（Read-Write Lock）

• 概念：
  读写锁允许多个线程同时读取共享资源，但写操作必须互斥，并且在写操作期间不允许任何线程读取资源。

  • 读锁：允许多个线程同时获取，适用于并发读操作。
  • 写锁：写操作必须独占锁，不能同时有其他线程进行读或写操作。

• 实际应用：

  • 读多写少的场景：适用于缓存、配置文件等读多写少的数据结构的并发访问。
  • 数据库的读写分离：允许多个线程并发读取数据，写操作时需要互斥。
  • 缓存更新：多个线程并发读取缓存数据时，使用读写锁可以提高性能，写入时保证数据一致性。

3. 信号量与读写锁的区别与应用场景

• 信号量：用于控制并发访问的数量，适合生产者-消费者模型等场景。
• 读写锁：适合读多写少的场景，提升并发性能，常用于缓存和数据库读写分离。

线程池的相关类及其开发应用

1. Executor 接口

• 概念：

  • Executor 是一个顶层接口，定义了执行线程的基础方法，所有线程池相关类都继承自这个接口。

• 主要方法：

  • execute(Runnable command)：提交一个任务以供线程执行。

2. ExecutorService 接口

• 概念：

  • ExecutorService 继承自 Executor 接口，提供了管理线程池的功能，可以提交任务、关闭线程池以及控制任务的执行。

• 主要方法：

  • submit(Callable<V> task)：提交一个任务并返回 Future 对象，允许获取任务结果。
  • shutdown()：关闭线程池，已提交的任务继续执行，但不接受新的任务。
  • shutdownNow()：尝试停止所有正在执行的任务，并返回等待执行的任务列表。

3. ThreadPoolExecutor 类

• 概念：

  • ThreadPoolExecutor 是 Java 中线程池的核心实现类，提供了非常灵活的线程池管理机制。可以根据任务的数量动态调整线程数。

• 构造方法参数：

  • corePoolSize：线程池中核心线程的数量。
  • maximumPoolSize：线程池允许的最大线程数量。
  • keepAliveTime：线程空闲后保持存活的时间。
  • workQueue：用于存放待执行任务的队列（如 ArrayBlockingQueue、LinkedBlockingQueue 等）。
  • handler：拒绝策略（如 AbortPolicy、CallerRunsPolicy 等），处理当任务无法被执行时的行为。

4. 开发应用

• 场景：

  • 适用于需要高并发处理的任务，如网络请求、数据处理等。
  • 通过复用线程，减少线程创建和销毁的开销，提高程序的性能和响应速度。

• 常用实现：

  • 使用 Executors 工具类快速创建线程池，如 Executors.newFixedThreadPool(int nThreads) 和 Executors.newCachedThreadPool()。

为什么重写equals必须重写hashcode

如果重写了 equals() 但没有重写 hashCode()，可能会发生以下问题：

插入到集合中无法找到对象：假设你在 HashSet 中插入一个对象，集合会根据该对象的 hashCode() 确定它的位置。后来，如果你再创建一个与其 equals() 相等的新对象，因为 hashCode() 没有被重写，这两个对象可能有不同的哈希值，导致集合无法正确找到这个对象。

重复对象无法去重：在 HashSet 或 HashMap 中，去重是基于 hashCode() 和 equals() 的配合。如果两个对象的 hashCode() 不同，即使 equals() 返回 true，集合也可能认为它们是不同的对象，导致无法去重。

Git 工具

1. 概念

Git 是一个分布式版本控制系统，用于跟踪计算机文件的变化，尤其是源代码文件。它允许多个开发者在项目中并行工作，跟踪历史版本，进行协作和管理代码。

2. 主要特性

• 分支管理：Git 允许创建、合并和删除分支，便于并行开发和特性实验。
• 快速操作：大多数操作在本地执行，速度较快。
• 数据完整性：使用 SHA-1 哈希算法确保数据的完整性，任何修改都会导致哈希值变化，易于检测。
• 支持离线工作：用户可以在离线状态下进行提交和其他操作。

3. 常用命令

3.1 仓库操作

• git init：初始化一个新的 Git 仓库。
• git clone <repository>：克隆远程仓库到本地。

3.2 状态查看

• git status：查看当前工作区和暂存区的状态。
• git log：查看提交历史。

3.3 文件操作

• git add <file>：将文件添加到暂存区。
• git commit -m "message"：提交暂存区的更改到本地仓库。
• git rm <file>：删除文件，并将删除操作添加到暂存区。

3.4 分支管理

• git branch：列出所有分支。
• git branch <branch_name>：创建新分支。
• git checkout <branch_name>：切换到指定分支。
• git merge <branch_name>：将指定分支的更改合并到当前分支。

3.5 远程操作

• git remote add <name> <url>：添加远程仓库。
• git fetch <remote>：从远程仓库获取最新更新。
• git pull <remote> <branch>：从远程仓库拉取并合并到当前分支。
• git push <remote> <branch>：将本地分支推送到远程仓库。

3.6 其他命令

• git stash：临时保存当前的修改，方便切换分支。
• git diff：查看当前工作区和暂存区的差异。

4. 开发中的应用

• 版本控制：管理源代码版本，便于回滚到先前状态。
• 团队协作：多个开发者可以在不同分支上独立工作，合并时处理冲突。
• 备份与恢复：通过远程仓库备份代码，防止数据丢失。
• 持续集成：与 CI/CD 工具结合，自动化构建和测试流程。

5. 图形化工具

除了命令行，Git 还有许多图形化工具，例如：

• GitHub Desktop：适用于 GitHub 的桌面客户端。
• Sourcetree：Atlassian 提供的图形化 Git 客户端。
• GitKraken：跨平台的 Git 客户端，界面友好。

Nacos 微服务

主要功能

• 服务发现：

  • 服务注册：微服务在启动时可以将自己注册到 Nacos，保存服务的元数据（如服务名、地址、端口等）。
  • 服务发现：其他微服务可以通过 Nacos 查询已注册的服务信息，从而找到所需的服务。

• 配置管理：

  • 动态配置：允许集中管理应用程序的配置，并可以在运行时动态更新，避免重启服务。
  • 多环境支持：支持对不同环境（如开发、测试、生产）的配置管理。

• 负载均衡：

  • 根据服务实例信息，实现负载均衡，将请求均匀分配到不同的服务实例上，提高系统可用性和性能。

mysql索引？应用场景？数据修改有什么帮助？

MySQL 索引

1. 概念

索引是数据库中用于快速查询数据的结构，它通过创建一个数据表的关键字和数据地址的映射，来加速数据的检索。MySQL 支持多种类型的索引，包括：

• B-TREE 索引：默认的索引类型，适用于范围查询和等值查询。
• HASH 索引：适用于等值查询，查询速度快，但不支持范围查询。
• FULLTEXT 索引：用于对文本字段进行全文搜索。
• SPATIAL 索引：用于空间数据类型的索引，支持地理数据的快速查询。

2. 应用场景

• 快速查询：当数据表中有大量记录时，通过索引可以显著提高查询性能。
• 排序操作：索引可以加速 ORDER BY 和 GROUP BY 操作的性能。
• 唯一性约束：使用唯一索引可以确保某列的值唯一，如主键索引。
• 联接查询：在多表联接时，索引可以加速数据的匹配，提高联接查询的效率。

3. 对数据修改的帮助

虽然索引能提高查询性能，但在数据修改时（如 INSERT、UPDATE、DELETE）会带来一些开销：

• INSERT 操作：每次插入数据时，索引需要更新，因此索引数量越多，插入速度可能越慢。
• UPDATE 操作：更新涉及索引的列时，需要更新索引，可能会导致性能下降。
• DELETE 操作：删除记录时，也需要同步更新索引，影响性能。

4. 总结

索引是提高 MySQL 查询性能的有效工具，但在数据修改时也会带来一定的性能开销。因此，合理设计索引（包括选择合适的索引类型和索引列）是数据库性能优化的重要部分。

计算机网络

Socket

原文连接