Vector：是一个同步的动态数组，使用synchronized关键字来保证线程安全。

Hashtable：是一个同步的哈希表，也使用synchronized关键字来保证线程安全。

ConcurrentHashMap：是一个线程安全的哈希表，使用锁分段技术来提高并发性能。

CopyOnWriteArrayList：是一个线程安全的动态数组，内部使用可重入锁来保证线程安全，对于读操作效率高。

1.链表到达一定条件会转换为红黑树
2.由头插法变为尾插法 5.你对设计模式有了解吗？挑一种讲讲

工厂模式是一种创建对象的设计模式，它通过将对象的创建逻辑封装在工厂类中，以提供统一的接口来创建对象。工厂模式可以隐藏对象的具体实现细节，使得对象的创建与使用相分离，提高了代码的灵活性和可维护性。
工厂模式主要包括三个角色：
抽象产品（Abstract Product）：定义产品的共同接口，具体产品需要实现该接口。
具体产品（Concrete Product）：实现抽象产品接口，是工厂模式所创建的对象。
工厂（Factory）：负责创建具体产品的对象，提供统一的接口供客户端使用。
工厂模式的核心思想是将对象的创建过程封装在工厂类中，客户端通过调用工厂类的方法来获取所需的产品对象。这样做的好处是，当需要更换或增加新的产品时，只需要修改工厂类的代码，而不需要修改客户端的代码，符合开闭原则。

Spring IOC 解决的是对象管理和对象依赖的问题。本来是我们自己手动new出来的对象，现在则把对象交给Spring的IOC容器管理 IOC容器可以理解为一个对象工厂，我们都把该对象交给工厂，工厂管理这些对象的创建以及依赖关系 等我们需要用对象的时候，从工厂里边获取就好了
「控制反转」指的就是：把原有自己掌控的事交给别人去处理 它更多的是一种思想或者可以理解为设计模式 比如：本来由我们自己new出来的对象，现在交由IOC容器，把对象的控制权交给它方了
「依赖注入」在我的理解下，它其实是「控制反转」的实现方式 对象无需自行创建或者管理它的依赖关系，依赖关系将被「自动注入」到需要它们的对象当中去

Spring AOP 解决的是 非业务代码抽取的问题 AOP 底层的技术是动态代理，在Spring内实现依赖的是BeanPostProcessor 比如我们需要在方法上注入些「重复性」的非业务代码，就可以利用Spring AOP 所谓的「面向切面编程」在我理解下其实就是在方法前后增加非业务代码

${} 是将参数直接替换到SQL中 会出现安全问题
#{} 则是使用占位符的方式，用预处理的方式来执行业务

1. 创建索引
禁止给表中每一列都建立单独索引
每个Innodb表都必须有一个主键
要注意组合索引的字段顺序
优先考虑覆盖索引
避免使用外键约束
2. 避免索引失效
失效场景：
以%开头的like查询
在索引列上的操作，函数操作，<> , != , not in , not exists , or 等
创建了组合索引，但是查询条件不满足最左匹配原则
查询条件中使用or，且or的前后条件中有一个列没有索引，则其中涉及的索引就都不会被使用
3. 锁粒度(行锁还是表锁)
4. 分页查询优化
5. 避免查询所有字段
6. 分析SQL的执行计划
7. show profile 分析SQL的执行性能

时间维度：按照订单生成时间进行分表，例如按照年份、月份、季度等时间段进行分表。这样可以将历史订单和最新订单分开存储，便于管理和维护。

地域维度：如果订单数据与地域相关，可以按照地域进行分表，比如按照国家、城市、省份等进行分表。这样可以将不同地域的订单分开存储，减少跨地域查询的开销。

业务维度：根据订单的业务属性进行分表，比如按照产品类型、订单类型、支付方式等进行分表。这样可以将不同类型的订单分开存储，提高查询效率。

用户维度：如果订单数据与用户相关，可以按照用户进行分表，例如按照用户ID进行哈希分表或者按照用户手机号码的后几位进行分表。这样可以将不同用户的订单分开存储，避免单表数据过大。

热度维度：根据订单的访问频率进行分表，将热点数据和冷数据分开存储。例如，将最近经常被查询的订单放在一个表中，将不经常访问的订单放在另一个表中，以提高查询效率。

热数据：使用mysql进行存储，当然需要分库分表；
冷数据：ES 或TiDB或Hive存储;

缓存热点数据：Redis 可以将经常访问的热点数据存储在内存中，以提高访问速度。通过将数据存储在内存中，可以快速读取和写入数据，减少对磁盘的访问，从而提高性能。

设置过期时间：对于热点数据，可以设置适当的过期时间，以保持数据的新鲜性。当数据过期时，Redis 会自动将其删除，从而释放内存空间。通过设置过期时间，可以避免内存被长时间占用，保持系统的稳定性。

使用数据结构：Redis 提供了丰富的数据结构，如字符串、哈希、列表、集合和有序集合等。根据数据的特点，选择合适的数据结构存储热点数据，以提高数据的访问效率。例如，对于计数器等场景可以使用 Redis 的原子操作来更新数据，保证数据的一致性。

使用缓存淘汰策略：当内存空间不足时，Redis 可以根据一定的策略淘汰部分数据以释放内存空间。常见的缓存淘汰策略包括LRU（最近最少使用）、LFU（最不经常使用）、随机淘汰等。通过合理选择淘汰策略，可以保证热点数据的存储并释放空间。

使用分区和复制：对于特别大的热点数据，可以使用 Redis 的分区和复制功能，将数据分散存储在多个节点上，以提高系统的扩展性和容错性。通过分区和复制，可以将热点数据均匀分布在多个节点上，避免单节点压力过大。 12.Redis做过分布式锁吗

基于 SETNX 和 EXPIRE 实现简单的分布式锁：
使用 SETNX 命令来设置一个键的值，如果该键不存在，则设置成功，返回 1，表示获得了锁；
使用 EXPIRE 命令设置键的过期时间，确保在一段时间后锁会自动释放；
在释放锁时，可以使用 DEL 命令来删除键 13.springcloud用过哪些组件

消息去重机制：

在消息生产端生成消息时，为每条消息生成一个唯一标识符，比如消息ID。
在消息消费端，在处理消息之前，先检查该消息的唯一标识符是否已经被处理过，如果已经处理过，则丢弃该消息，否则继续处理。
消息去重可以通过数据库、缓存或者分布式存储等方式实现，确保消息的唯一性。
消息消费确认机制：

消费端消费完消息后，向消息队列发送确认消息，告知消息队列该消息已经被成功处理。
消息队列在接收到消费端的确认消息后，将该消息标记为已消费，避免重复发送给其他消费者。
通过消息消费确认机制，可以确保每条消息只会被处理一次。
消息幂等性处理：

在设计消费端的业务逻辑时，尽量保证处理消息的业务逻辑是幂等的，即多次处理同一条消息的结果和一次处理的结果是一样的。
这样即使消息被重复消费，也不会对系统造成影响。
消息延迟重试：

如果消息消费端出现异常或者网络问题导致消息处理失败，可以使用消息队列的重试机制，将消息重新发送给消费者进行处理。
在重试过程中，可以设置一定的延迟时间，避免过于频繁地重试。
消息状态管理：

消费端在处理消息时，可以将消息的处理状态记录到数据库或者缓存中，确保同一条消息不会被重复处理 17.对jdk8新特性了解多少

a.使用序列化和反序列化： 将对象序列化为字节流，然后再反序列化为新的对象。这种方法可以实现对象的完全复制，包括对象内部的所有属性和引用对象。需要注意的是，被拷贝的对象及其引用对象都必须实现 Serializable 接口。
b.递归复制： 遍历对象的所有属性，并递归地复制引用类型的属性。这种方法需要确保对象及其引用对象都是可变的，否则会出现浅拷贝。
c.使用第三方库： 可以使用一些第三方库如 Apache Commons Lang 或 Gson 提供的深拷贝方法。这些库提供了更简单的方式来实现对象的深拷贝。 4.ArrayList和LinkedList的区别

put(key, value): 将指定的键值对存储到 HashMap 中。
get(key): 根据键获取对应的值。
containsKey(key): 判断 HashMap 中是否包含指定的键。
containsValue(value): 判断 HashMap 中是否包含指定的值。
remove(key): 根据键移除对应的键值对。
size(): 返回 HashMap 中键值对的数量。
isEmpty(): 判断 HashMap 是否为空。
clear(): 清空 HashMap 中的所有键值对。
keySet(): 返回 HashMap 中所有键组成的集合。
values(): 返回 HashMap 中所有值组成的集合。
entrySet(): 返回 HashMap 中所有键值对组成的集合。
putAll(map): 将另一个 Map 中的所有键值对存储到当前 HashMap 中。
replace(key, value): 替换指定键的值。
replace(key, oldValue, newValue): 替换指定键的值，仅当当前值与给定的旧值相等时才替换。
computeIfAbsent(key, mappingFunction): 如果指定的键不存在，则根据提供的函数计算其值并存储。
computeIfPresent(key, remappingFunction): 如果指定的键存在，则根据提供的函数计算其新值并存储。
compute(key, remappingFunction): 根据指定的键和函数计算新值，并存储。
merge(key, value, remappingFunction): 将指定键的值与给定值组合，并存储结果。
forEach(action): 对 HashMap 中的每个键值对执行指定操作。 6.日常工作中ConcurrenHashMap常用方法有哪些

线程池的创建： 在应用程序启动时，通过创建线程池对象来初始化线程池。可以设置线程池的核心线程数、最大线程数、线程存活时间等参数。
任务提交： 当应用程序有任务需要执行时，将任务提交给线程池。任务可以是实现了Runnable接口或Callable接口的对象。
任务队列： 线程池内部维护一个任务队列，用于存放提交的任务。如果线程池中的线程数未达到核心线程数，则会创建新的线程来执行任务，否则将任务添加到任务队列中等待执行。
线程执行任务： 线程池中的线程从任务队列中获取任务，并执行任务的run方法。
线程复用： 执行完任务后，线程并不被销毁，而是继续留在线程池中等待下一个任务的到来，从而减少了线程的创建和销毁开销。
核心线程数和最大线程数的控制： 线程池中的线程数量由核心线程数和最大线程数来控制。如果线程池中的线程数量超过核心线程数，但未达到最大线程数，则线程池会根据任务队列的情况决定是否创建新的线程来执行任务。
线程池的扩容和缩容： 如果任务队列中的任务过多，导致线程池中的线程数已经达到最大线程数，则可以根据需要动态地扩容线程池。相反，如果线程池中的线程长时间处于空闲状态，可以根据需要动态地缩减线程池的大小，释放系统资源。
异常处理： 线程池会捕获任务执行过程中抛出的异常，并根据配置进行处理，比如记录日志、重新执行任务等。 8.拒绝策略有几种情况

1.直接丢弃任务，抛异常
2.不丢弃，用当前线程去执行任务
3.忽略，不抛异常
4.移除最早进入队列的任务
5.还可以实现一共拒绝策略处理器接口自己定义拒绝策略
延伸：我们公司用的是不拒绝，因为我们公司的业务不能丢失

Spring中Bean的组装过程主要分为三个步骤：实例化、属性注入和初始化。
实例化：Spring容器根据配置文件或注解的信息，创建Bean的实例。可以通过构造方法实例化，也可以通过工厂方法实例化。
属性注入：在实例化Bean后，Spring容器会通过依赖注入的方式，将配置文件或注解中定义的属性值注入到Bean中。依赖注入可以通过构造器注入、setter方法注入或直接注入到字段上。
初始化：在属性注入完成后，Spring容器会调用Bean的初始化方法，进行一些自定义的初始化操作。初始化方法可以是实现了InitializingBean接口的afterPropertiesSet()方法，也可以是通过@Bean注解中的initMethod属性指定的自定义初始化方法。
在组装完成后，Bean就可以在应用中使用了。Spring容器会管理Bean的生命周期，包括创建、销毁等操作。

他们类似于SpringCloud Ribbon与Nginx区别。
Mycat是基于Proxy，类似于nginx，它复写了MySQL协议，将MycatServer伪装成一个MySQL数据库。优点是保证数据库的安全性，归并数据结果完全解耦，缺点是效率偏低。
Sharding-JDBC是基于JDBC的扩展，是以jar包的形式提供轻量级服务的。优点是效率较高，缺点是归并数据结果没有实现解耦，有可能会影响到我们业务逻辑代码。还容易内存溢出，所以要做分页处理。

MyCat是一个第三方服务器端数据库中间件，客户端所有的jdbc请求都必须要先交给MyCat，再有MyCat转发到具体的真实服务器中。
Sharding-Jdbc是一个本地数据库中间件框架，采用Jar形式，在本地应用层重写Jdbc原生的方法，实现数据库分片形式。

全文检索是指计算机索引程序通过扫描文章中的每一个词，对每一个词建立一个索引，指明该词在文章中出现的次数和位置，当用户查询时，检索程序就根据事先建立的索引进行查找，并将查找的结果反馈给用户的检索方式。这个过程类似于通过字典中的检索字表查字的过程。
全文检索可以简单理解为通过索引搜索文章。

1. 设计并发查询接口时，针对热点数据、读多写少、字典数据均使用Redis进行缓存，优化查询性能，并针对性的设计TTL过期时间，以及一些常规的缓存问题进行处理；
2. 针对热点文章，使用Freemarker视图渲染模版引擎，实现页面静态化，将静态化资源部署到nginx服务器，降低对tomcat的压力；
3. 使用Redis的ZSet进行分值计算，求出某时间段内的热点文章、热点资讯；
4. 使用MinIO搭建分布式文件存储集群，存储图像、视频、音频等项目资源；
5. 使用OCR技术，实现图文识别功能，将图片中的文字提取，并进行录入；
6. 使用Redis的Zset数据类型的去重有序（分数排序）特点实现延迟队列效果，在审核文章场景、发布文章场景中有所应用；
7. 为了应对海量数据采集、审核、存储，所以使用Kafka作为中间件进行缓冲，填补采集（生产）与审核（消费）速率不协调的问题；
8. 在分布式检索场景中，使用Elasticsearch实现检索服务设计，基于倒排索引和分词机制，更加精准、高效的实现查询；
9. 在定时业务场景中，如：定时发布、下架、计算热点文章业务场景中，使用XXL-JOB实现分布式定时任务调度；

1. 自定义切面，实现公共字段填充，如：创建时间、创建人ID、修改时间、修改人ID
2. 在素材管理模块中，采用七牛云云存储保存视频、音频、图片等资源；
3. 使用Redis缓存店铺状态、SKU分类数据、商品套餐信息、用户购物车套餐数据；
4. 对接微信登录，并自定义封装了HttpClient工具类，自定义对接微信接口的方法，如：微信登录、获取用户资源等方法；
5. 基于JWT封装用户Token，并自定义封装了拦截器校验JWT的数据有效性；
6. 使用SpringCache优化了缓存编码设计；
7. 生成订单的时候，基于Redis，使用防重Token进行幂等性校验，防止重复提交；
8. 使用Spring Task定时扫描超时未支付的订单及时关闭；超时却处于派送的订单，会发送到MQ中，由客服系统人工介入；
9. 使用WebSocket全双工协议，设计商家听单（接单、催单）业务需求以及客户、配送、商家的在线聊天设计；
10. 在平台运营管理端，数据统计模块中，使用Apache Echarts多种图表对接后端接口，展示营业数据、用户统计数据、订单统计，使用Apache POI完成各项经营数据的导出；
11.整合高德地图轨迹服务，电子围栏，划分派送范围，实现实时查询骑手的运动轨迹；