ylfhpy的博客

定义索引是数据库中一种特殊的数据结构，用于加快数据查询速度。它对表中某些列的值进行排序和存储，建立快速查找的映射关系，使数据库查询时可直接定位所需数据记录，无需扫描整个表。用法创建索引：使用语句创建索引，如使用索引：在查询语句中，数据库会自动根据索引进行优化，提高查询效率，如删除索引：使用DROP INDEX语句删除索引，如要点选择合适的列创建索引：通常在经常用于查询条件、排序和连接的列上创建索引。避免创建过多的索引：过多索引会增加数据插入、更新和删除的开销，同时占用更多存储空间。定期维护索引。

在游戏排行榜系统中，找出排名第三的玩家分数。：记录数据库的所有操作，包括用户登录、数据查询、插入、更新、删除等，以便在发生安全事件时进行审计和追溯。：在在线银行系统中，用户登录时需要输入用户名、密码和短信验证码进行身份验证，并且不同用户角色（如普通用户、管理员）具有不同的操作权限。：在高并发的电商系统中，使用 MySQL 5.7 的多线程复制可以更快地将主库的数据同步到从库，确保数据的一致性。：在设计用户信息表时，将用户的联系方式拆分为手机号码、电子邮箱等单独的字段，而不是将多个联系方式放在一个字段中。

是 B 树的一种变体，它的所有数据都存储在叶子节点，非叶子节点只存储索引信息，所有查询都必须到达叶子节点，并且叶子节点之间有指针相连，便于进行范围查询。：是一种自平衡的多路搜索树，每个节点可以包含多个键和子节点，键和数据可以存储在所有节点中，查询操作可能在非叶子节点就结束。：插入时，如果叶子节点的键数量超过最大限制，叶子节点会分裂成两个节点，中间的键会被复制到父节点，同时调整叶子节点间的指针。：根据业务需求，设计数据库的结构，包括表、字段、关系等，遵循数据库设计的范式，以确保数据的一致性和完整性。

next - key 锁是 GAP 锁和记录锁的组合，它不仅锁定索引记录本身，还锁定该记录之前的间隙。：GAP 锁是 MySQL 中 InnoDB 存储引擎在可重复读隔离级别下使用的一种锁，用于锁定索引记录之间的间隙，防止其他事务在这些间隙中插入新的记录，从而避免幻读问题。：事务在执行过程中分为两个阶段，第一阶段是扩展阶段，事务可以申请任何需要的锁，但不能释放已获得的锁；：分为不同的级别，如一级封锁协议可防止丢失修改，二级封锁协议在一级基础上可防止读 “脏” 数据，三级封锁协议能防止不可重复读。

这样能保证在迁移期间新旧数据库的数据一致。是 MySQL 提供的一个用于分析查询语句执行计划的工具，它可以显示查询语句如何执行，包括使用的索引、扫描的行数、连接的顺序等信息，帮助开发人员了解查询的性能瓶颈。分库分表是指当数据库的数据量和访问量达到一定程度时，将数据库的数据分散存储到多个数据库（分库）或多个表（分表）中，以提高数据库的并发处理能力和可扩展性的技术手段。不同的范式有不同的要求，通常数据库设计需要满足一定的范式，但也不是越高的范式越好，需要根据实际情况进行权衡，在数据冗余和查询性能之间找到平衡。

一个事务在执行过程中，根据某个条件查询到了一些数据，在该事务再次根据相同条件查询时，由于其他事务插入或删除了符合条件的数据，导致查询结果的行数发生了变化。：是最基本的索引类型，它为数据表中的某一列或多列建立索引，以加快数据的查询速度。：一个事务在执行过程中，多次读取同一数据时，无论其他事务是否对该数据进行了修改并提交，读取的结果都是一致的。：在普通索引的基础上，增加了索引列值必须唯一的约束条件，即该列中不允许出现重复的值，但可以有一个。：表数据按照索引的顺序进行存储，索引的叶子节点直接存储实际的数据行。

根节点不存字符，除根节点外每个节点存一个字符，从根到某节点路径上字符连接起来是该节点对应的字符串。它对表中某些列建立索引，将列值和对应记录位置存于索引文件，查询时可快速定位记录。B + 树是一种多路平衡搜索树，非叶子节点只存索引信息，不存数据，所有数据存于叶子节点。根据不同查询需求选择合适的索引类型，如等值查询用哈希索引，范围查询用 B + 树索引。：节点由数据域和指向下一节点的指针组成，访问节点需从头节点开始按顺序遍历。唯一索引和主键索引都保证列值唯一，但主键索引可作为表的主键，唯一标识记录。

插入新节点后会形成临时的 4 - node（有三个键），为保持红黑树性质，需进行分裂和旋转操作，一般会把中间的键提升到父节点，同时调整左右子树。B+ 树是 B - 树的变体，非叶子节点只存储索引信息，不存储数据，所有数据都存储在叶子节点中，叶子节点间通过指针相连形成有序链表。树是无向无环图，有根节点，每个节点可有零个或多个子节点，节点间有明显层次关系，从根节点到任意节点有且仅有一条路径。，底层数据结构是红黑树。B - 树是多路平衡搜索树，每个节点可有多个子节点，所有节点都存储数据，节点中的键有序。

定义快速排序（Quick Sort）是对冒泡排序的一种改进，它采用分治法（Divide and Conquer）策略来把一个串行（list）分为两个子串行（sub-lists）。该算法选择一个基准值（pivot），将数组分为两部分，使得左边部分的所有元素都小于等于基准值，右边部分的所有元素都大于等于基准值，然后分别对左右两部分递归地进行快速排序，最终使整个数组有序。要点基准值选择：基准值的选取对排序性能有较大影响，常见的选择方式有选第一个元素、最后一个元素、中间元素或者随机元素作为基准值。分区操作。

它先将原始数据分成多个子序列，对每个子序列进行插入排序，然后逐渐缩小子序列的间隔，直至间隔为 1，此时进行一次普通的插入排序。在内存有限（100M）的情况下，处理三个大于 10G 且每行包含一个数字的文件，找出在三个文件中都出现且出现次数最多的前 10 个数字。冒泡排序是一种简单的排序算法，其基本思想是重复遍历待排序数列，依次比较相邻的两个元素，若顺序错误则交换它们的位置，直到整个数列有序。归并排序：时间复杂度稳定为 O(nlogn)，空间复杂度为 O(n)，排序稳定，但需要额外空间。

由于内存有限，无法一次性将三个文件的数据加载到内存中，所以将每个文件按照哈希函数进行划分，存储到多个小文件中，使每个小文件的数据量能被加载到内存。当数据量极大，无法一次性将所有数据加载到内存中进行排序时，外部排序将大文件分割成多个小文件，每个小文件能被加载到内存中进行内部排序（如快速排序、归并排序等），之后将这些有序的小文件进行归并，得到最终的有序大文件。在生成括号组合的过程中，需要保证在任何位置，左括号的数量都不小于右括号的数量，并且最终左括号和右括号的数量都等于 n，以此确保组合的合法性。

它通过预处理模式串，构建一个部分匹配表（也称为最长前缀后缀表），利用已匹配的信息，避免在匹配过程中进行不必要的回溯，从而提高匹配效率。它选择一个基准元素，将数组分为两部分，使得左边部分的元素都小于等于基准元素，右边部分的元素都大于等于基准元素，然后递归地对左右两部分进行排序。对于一个包含 n 个元素的集合，它的子集个数为 2n。插入排序是一种简单直观的排序算法，它的工作原理是将未排序的数据插入到已排序序列的合适位置。：在链表的各种操作中，反转链表是一个基本的操作，常用于解决其他链表相关的问题。

栈实现是将根节点入栈，然后不断从栈中取出节点，访问该节点，将其右子节点和左子节点依次入栈（注意顺序，先右后左）。通过选择一个基准元素，将数组分为两部分，使得左边部分的元素都小于等于基准元素，右边部分的元素都大于等于基准元素，然后根据基准元素的位置与 k 的关系，决定在左边或右边部分继续查找。通常使用队列来实现，将起始节点入队，然后不断从队列中取出节点，将其未访问的邻接节点入队。：若当前节点的左子树为空，或者左子树的最右节点的右指针已经指向当前节点，说明左子树已经遍历完，此时访问当前节点，并继续遍历右子树。

然后找到这个异或结果中任意一位为 1 的位，根据这一位是否为 1 将数组中的元素分为两组，这样这两个只出现一次的数就会被分到不同的组中，最后分别对这两组元素进行异或运算，得到这两个只出现一次的数。对于一个数组，从第一个位置开始，依次将每个元素放到该位置，然后递归地对剩余的元素进行全排列，在递归过程中，若发现当前的选择无法得到有效的解，则回溯到上一步，尝试其他选择。根据异或运算的交换律和结合律，对数组中的所有元素进行异或运算，相同的元素异或结果为 0，最终剩下的就是只出现一次的数。

二叉树的深度是指从根节点到最远叶子节点的最长路径上的节点数。此方法采用递归的方式计算，对于二叉树的每个节点，其深度等于左右子树深度的最大值加 1，当节点为空时，深度为 0。

它与快速排序算法有关，利用了快速排序中分区的思想，通过不断缩小搜索范围，只在包含目标元素的那一部分继续进行分区操作，从而避免对整个数组进行排序。通过二分查找在较短的数组上找到一个合适的分割点，使得两个数组分割后的左右两部分元素个数相等，并且左边部分的最大值小于等于右边部分的最小值，从而计算出两个有序数组的中位数。从三维数组的某个角开始，根据元素的大小关系，在三个维度上进行移动，直到找到目标元素或超出数组范围。利用二分查找的思想，通过比较中间元素和最右边元素的大小关系，不断缩小搜索范围，找到翻转点的下标。

定义图算法是用于处理图数据结构的一系列算法。图由顶点和边构成，图算法能够解决图的遍历、最短路径、连通性、拓扑排序等问题。常见图算法深度优先搜索（DFS）：沿着图的深度遍历节点，尽可能深地搜索分支。广度优先搜索（BFS）：从起始节点开始，逐层地访问节点。Dijkstra 算法：用于求解单源最短路径问题。Floyd - Warshall 算法：用于求解所有节点对之间的最短路径问题。Kruskal 算法和 Prim 算法：用于求解最小生成树问题。应用社交网络分析：如好友推荐、社区发现。地图导航。

图是由顶点和边组成的数据结构。在二维矩阵中，若该矩阵为图的邻接矩阵，矩阵的行和列对应图的顶点，矩阵元素值为 1 表示对应顶点间有边相连。一个合法的无向图邻接矩阵需满足：矩阵为方阵（n * n）；矩阵对称，即。

首先将数组中所有小于等于 0 或大于数组长度的数置为一个特殊值（如数组长度加 1），然后遍历数组，将出现过的正整数对应的数组位置的元素置为负数，最后再次遍历数组，找到第一个正数所在的位置，该位置加 1 就是未出现的第一个正整数。它的工作原理是每一次从待排序的数据元素中选出最小（或最大）的一个元素，存放到排序序列的起始位置，然后，再从剩余未排序元素中继续寻找最小（大）元素，然后放到已排序序列的末尾。求和公式方法是先计算 0 到 n 的和，再减去数组中所有元素的和，得到的差值就是缺少的数；

由于数组是增序排列的，我们可以利用二分查找的特性来高效地定位目标数字。对于查找第一次出现的位置，当中间元素等于目标数字时，我们需要继续向左搜索，以确保找到最左边的目标数字；对于查找最后一次出现的位置，当中间元素等于目标数字时，我们需要继续向右搜索，以确保找到最右边的目标数字。代码示例java若数组不是严格增序，存在重复元素且可能有相等元素打乱顺序的情况，可先对数组进行排序，再使用上述方法。不过排序会增加额外的时间复杂度，如使用快速排序，时间复杂度为 O(nlogn)。代码示例（哈希表）java当

例如，在处理海量的日志数据时，在 Map 阶段将日志数据按时间戳进行初步排序，在 Shuffle 阶段将相同时间戳的日志数据发送到同一个 Reduce 任务中，在 Reduce 阶段对这些日志数据进行最终排序。例如，在处理海量的用户交易记录时，可以将交易记录分成多个文件，分别对每个文件进行排序，然后再将这些有序的文件合并成一个有序的大文件。单链表的快速排序可以采用和数组快速排序类似的思想，通过选择一个基准节点，将链表分成两部分，小于基准的节点放在左边，大于基准的节点放在右边，然后递归地对两部分进行排序。

新创建的对象首先会被分配到 Eden 区，当 Eden 区满时，会触发 Minor GC，将存活的对象复制到其中一个 Survivor 区，当这个 Survivor 区满时，会将存活的对象复制到另一个 Survivor 区，经过多次 Minor GC 后，仍然存活的对象会被晋升到老年代。不同的引用类型对应着不同的垃圾回收策略，这样开发者就能根据不同的场景管理对象的生命周期，提高内存的使用效率。强引用保证对象的存活，软引用在内存不足时才会被回收，弱引用在垃圾回收时必定被回收，虚引用用于监控对象的垃圾回收。

同时，不同的类加载器可以实现不同的加载策略，从而满足不同的应用场景需求，像在模块化开发中，每个模块可以使用独立的类加载器来加载自身的类。JVM 调优的核心是根据应用程序的内存使用情况和性能需求，合理分配资源，减少垃圾回收的频率和时间，提高程序的响应速度和吞吐量。Java 堆的实现是基于分代收集的思想，根据对象的存活时间将内存划分为不同的区域，不同的区域采用不同的垃圾回收算法，以提高垃圾回收的效率。例如，在类的方法中调用另一个类的方法时，最初使用的是符号引用，解析阶段会将其转换为实际的内存地址引用。

弱引用在垃圾回收时会被直接回收；在某些情况下，临时对象也可能成为 GC Roots，例如在垃圾回收过程中，正在被使用的对象可能会被标记为 GC Roots，以确保在回收过程中这些对象不会被错误地回收。此外，在 Java 中，类加载器也可以作为一种特殊的 GC Roots，因为类加载器会引用类的元数据和类的实例对象。它主要负责回收新生代中的垃圾对象，由于新生代中的对象大多是朝生夕灭的，所以 YGC 发生的频率比较高。GC Roots 是程序中正在使用的对象，它们引用的对象也被认为是有用的，不能被回收。

Hibernate 是一个全功能的对象关系映射（ORM）框架，将 Java 对象和数据库表进行映射，开发者可以通过操作 Java 对象来完成数据库的增删改查操作，而无需编写 SQL 语句。例如，当测试一个服务类时，该服务类依赖于一个数据库访问类，可以使用 Mockito 模拟数据库访问类的行为，提高测试的效率和准确性。可以根据不同的业务需求选择合适的技术和工具进行组合使用。：Mockito 是一个用于 Java 测试的模拟框架，它可以创建模拟对象，模拟对象的行为和方法调用，方便进行单元测试和集成测试。

例如，增加一个新节点 D，其哈希值为 HD，从 HD 开始顺时针查找，第一个遇到的节点是 B，那么原本存储在节点 B 上，哈希值在 HD 到 HB 之间的数据就会被迁移到节点 D 上，而其他节点的数据不会发生变化。例如，一个物理节点可以映射成 100 个虚拟节点，这样在数据存储时，就会有更多的机会选择不同的物理节点，减少了数据倾斜的可能性。哈希函数可以将任意长度的输入转换为固定长度的输出，通过哈希处理可以将不同的 key 映射到不同的哈希值，从而减少 key 冲突的概率。：负责接收客户端的请求和发送响应。

Spring MVC 的设计理念是基于 Java 的注解和 IoC 容器，通过注解和配置文件来实现请求的映射和处理，利用 Spring 的 IoC 容器来管理控制器和其他组件。：是 Servlet 规范的一部分，主要用于对请求和响应进行预处理和后处理，适用于所有的 Web 应用程序，包括基于 Servlet 的应用和基于 Spring MVC、Struts 等框架的应用。Struts2 的设计理念是基于请求的，每个请求都会创建一个新的 Action 实例，这种实例化方式保证了 Action 的线程安全性。

在 Bean 的初始化和销毁阶段，Spring 会调用相应的方法，开发者可在这些方法中进行初始化和清理工作。因为 Spring 的事务是通过 AOP 代理实现的，同一个类中的方法调用不会经过代理对象，所以事务不会生效。例如，一个类需要依赖另一个类的实例，通过 Spring 的 IoC 容器，可将依赖的实例注入到该类中，无需在类内部手动创建依赖对象。：若事务方法中捕获了异常但没有重新抛出，事务不会回滚。线程池是一种线程管理机制，它预先创建一定数量的线程，当有任务提交时，从线程池中获取一个空闲线程来执行任务。

乐观锁适用于读多写少的场景，因为在这种场景下数据发生冲突的概率较低，使用乐观锁可以减少加锁和解锁的开销；悲观锁适用于写多读少的场景，因为在这种场景下数据发生冲突的概率较高，使用悲观锁可以保证数据的一致性。接口，是一种可重入的互斥锁。当一个线程第一次获取锁时，锁的计数器会加 1，之后该线程再次获取同一把锁时，计数器会继续加 1；每次释放锁时，计数器会减 1，当计数器为 0 时，锁才会被完全释放。：是一种为其他线程提供服务的线程，当所有用户线程执行完毕后，守护线程会自动终止，即使守护线程的任务还没有完成。

分析在不同场景下如何选择使用 ArrayList、LinkedList 和 Vector，例如在需要频繁随机访问元素时使用 ArrayList，在需要频繁插入和删除元素时使用 LinkedList，在多线程环境下使用 Vector。它使用数组 + 链表 + 红黑树的数据结构，在进行插入、删除和查找操作时，首先通过哈希值找到对应的桶，然后对桶首节点加锁，锁的粒度更小，性能更高。插入和删除操作只需要修改节点的引用，不需要移动大量元素，因此在插入和删除操作频繁的场景下性能较好。：用于数据的快速查找、存储和验证。

泛型是 Java 编程语言中的一个强大特性，它提供了编译时类型安全检查机制，允许在定义类、接口和方法时使用类型参数。当调用方法时，会将对象的引用复制一份传递给方法的形式参数，方法内部可以通过这个引用修改对象的状态，但不能改变引用本身的值（即不能让引用指向另一个对象）。等）的参数传递是值传递。当调用方法时，会将实际参数的值复制一份传递给方法的形式参数，方法内部对形式参数的修改不会影响实际参数的值。进行了优化，引入了红黑树来处理哈希冲突，当链表长度超过一定阈值时，会将链表转换为红黑树，提高了查找效率。

抽象类的主要作用是为子类提供一个通用的模板，子类必须实现抽象类中的抽象方法，同时可以继承抽象类中的具体方法。在实际应用中，Netty 框架是基于 Java NIO 构建的高性能网络编程框架，它简化了 NIO 编程的复杂性，提供了更强大的功能和更好的性能。它是一个线性的、有限的基本数据元素序列，本质上是一块内存区域，被包装成了一个对象，以便于进行高效的数据读写操作。在 Java 8 及以后的版本中，接口可以包含默认方法和静态方法，默认方法提供了方法的默认实现，静态方法可以通过接口名直接调用。

但反射会带来一定的性能开销，因为它需要在运行时进行类的查找和方法的调用，因此在性能敏感的场景中应谨慎使用。例如，在游戏开发中，可以将不同的角色抽象成类，通过继承和多态实现不同角色的不同行为。例如，在电商系统的促销活动期间，并发访问量会大幅增加，可以适当增加线程池的最大线程数，以应对高并发请求。例如，在一个 Web 服务器中，可以根据请求的并发量来调整线程池的大小，提高系统的处理能力。可以定义一个绘制图形的方法，接收一个图形类的引用作为参数，在方法内部根据实际传入的对象类型调用相应的绘制方法，实现多态。

例如，在游戏开发中，不同的角色可能有不同的攻击方式，可以通过多态来实现统一的攻击接口，根据实际角色类型调用相应的攻击方法。它是最小的整数类型，占用 1 个字节（8 位）。是引用类型，变量存储的是对象的引用，对象本身存储在堆内存中，引用存储在栈内存中。：当需要修改对象的内部实现时，只需要修改封装类的内部代码，而不会影响到外部调用代码，降低了代码的耦合度，提高了代码的可维护性。：数组中的每个元素都是基本类型，数组本身是引用类型，存储在堆内存中，而数组元素存储在数组所占用的内存空间中。