1.什么是负载均衡，为什么要做负载均衡？
通俗的讲就是客户端发送过来的请求，并不是直接请求目标服务器，而是有一个中转的代理服务器进行分发的。代理服务器会根据当前的服务器的使用情况和分发的规则，将请求转送到对应的负载均衡服务器上
1.一台服务器挂掉，可以转发去另一台服务器，不会影响项目的正常运行。2.减少高并发的压力
2.为什么要使用memcache？memcache有什么作用？
因为网站的高并发读写和对海量数据的处理需求，传统的关系型数据库开始出现瓶颈。
1.对关系型数据库进行高并发读写（每秒上万次的访问），数据库系统是无法承受的。
2.对关系型数据库，如果在一个有上亿条数据的数据表中查找某条记录，效率将非常低。
这时候就需要使用到memcache,目的就是解决以上这两个瓶颈的
3.后台只允许有列表页和详情页，列表页分为搜索区和列表区和操作区，原因是什么？有没有其他设计方式，相比之下各自的好处是什么？
这个还没有做过，猜测一下原因应该是，为了更好的查找到数据吧。后台好像一般都会使用分页。列表页可以让管理人员快速找到自己需要的功能，不用一个个点开去查看。详情页面展示了一个类目下的所有操作，让操作人员不需要切换页面就可以完成操作。
4.什么叫集群？缓存应该在什么情况下使用集群？有哪些实现集群的方案？
计算机集群（英語：computer cluster）是一组松散或紧密连接在一起工作的计算机。 由于这些计算机协同工作，在许多方面它们可以被视为单个系统。 与网格计算机不同，计算机集群将每个节点设置为执行相同的任务，由软件控制和调度。
即多台服务器执行同一个任务，当其中某个服务器宕机之后其他的服务器可以支持业务继续进行。比如后端的负载均衡。
集群使用场景：后端负载均衡、缓存集群、数据库集群
实现方案：
通过代理（nginx）的 upstream
客户端分片：客户端分片是把分片的逻辑放在Redis客户端实现，通过Redis客户端预先定义好的路由规则，把对Key的访问转发到不同的Redis实例中，最后把返回结果汇集。这种方案的模式如图所示
5.什么是压测，为什么要进行压力测试？JMETER工具的使用
压力测试是在强负载（大数据量、大量并发用户等）下的测试，查看应用系统在峰值使用情况下操作行为，从而有效地发现系统的某项功能隐患、系统是否具有良好的容错能力和可恢复能力。
6.Memcache和Redis可否做集群？什么样的情况下应该做集群？
都可以做集群。
后端要做负载均衡的时候缓存也要做负载均衡。
比如我们使用 session 做用户登录认证，这和时候就需要使用 redis 来缓存 session 再各个后台服务器之间共享 session。
7.什么是脏数据，缓存中是否可能产生脏数据，如果出现脏数据该怎么处理？
当一个事务正在访问数据，并且对数据进行了修改，而这种修改还没有提交到数据库中，这时，另外一个事务也访问这个数据，然后使用了这个数据。因为这个数据是还没有提交的数据，那么另外一个事务读到的这个数据是脏数据，依据脏数据所做的操作可能是不正确的。
缓存中可能产生脏数据。
对缓存进行双删，跟新数据库之前删除缓存，更新完之后间隔几百毫秒再删一次。
8.插入，更新和查询数据的时候，读写缓存和DB的顺序应该是怎么样的？
插入：插入DB
更新：更新DB,先判断缓存值是否为空（为空直接将DB的数据添加到缓存），不然检查DB和缓存的值是否相等，相等不进行操作，不相等进行更新的操作
查询：先查询缓存值，判断是否为空，不为空，直接返回缓存的值。为空，去DB查询值添加到缓存当中。
9.JVM缓存和Memcache这种缓存的区别在哪里？是否可以不使用Memcache，只用虚拟机内存做缓存？
JVM缓存: 在系统中，有些数据量不大、不常变化，但是访问十分频繁，例如省、市、区数据。针对这种场景，可以将数据加载到应用的内存中，以提升系统的访问效率，减少无谓的数据库和网路的访问。
内部缓存的限制就是存放的数据总量不能超出内存容量，毕竟还是在 JVM 里的。
比如 java 的 map、list
功能强大的内部缓存 - Guava Cache / Caffeine
本地缓存的优点：
直接使用内存，速度快，通常存取的性能可以达到每秒千万级 可以直接使用 Java 对象存取 本
地缓存的缺点： 数据保存在当前实例中，无法共享 重启应用会丢失
最著名的外部缓存 - Redis / Memcached
Redis有很多优点： 很容易做数据分片、分布式，可以做到很大的容量 使用基数比较大，库比较成熟
同时也有一些缺点： Java 对象需要序列化才能保存 如果服务器重启，再不做持久化的情况下会丢失数据，即使有持久化也容易出现各种各样的问题
10.缓存应该在Service里，还是应该存放在Controller里，为什么？
controller 缓存适合长时间不更新、变量少的数据。
service 适合缓存经常更新的数据。
11.什么叫穿透DB？什么情况下会发生，穿透DB后会发生什么事情？
一般的缓存系统，都是按照key去缓存查询，如果不存在对应的value，就应该去后端系统查找（比如DB）。如果key对应的value是一定不存在的，并且对该key并发请求量很大，就会对后端系统造成很大的压力。这就叫做缓存穿透。
所以很容易被别人恶意大量访问数据库，造成服务器的压力很大，可能会直接崩溃。
解决方法：
参数校验，缓存null，布隆过滤
12.什么叫命中率？正常来讲，命中率应该控制在多少？
终端用户访问加速节点时，如果该节点有缓存住了要被访问的数据时就叫做命中，如果没有的话需要回原服务器取，就是没有命中。取数据的过程与用户访问是同步进行的，所以即使是重新取的新数据，用户也不会感觉到有延时。 命中率=命中数/（命中数+没有命中数）， 缓存命中率是判断加速效果好坏的重要因素之一。
13.什么样的数据适合存在缓存中？缓存的淘汰算法有哪些？
缓存（最多使用），数据查询、短连接、新闻内容、商品内容， 应用排行榜等等；
noeviction：返回错误，不会删除任何键值
allkeys-lru：使用LRU算法删除最近最少使用的键值
volatile-lru：使用LRU算法从设置了过期时间的键集合中删除最近最少使用的键值
allkeys-random：从所有key随机删除
volatile-random：从设置了过期时间的键的集合中随机删除
volatile-ttl：从设置了过期时间的键中删除剩余时间最短的键
volatile-lfu：从配置了过期时间的键中删除使用频率最少的键
allkeys-lfu：从所有键中删除使用频率最少的键
14.什么叫一致性哈希，通常用来解决什么问题？
一致哈希 是一种特殊的哈希算法。在使用一致哈希算法后，哈希表槽位数（大小）的改变平均只需要对K/n 个关键字重新映射，其中 K是关键字的数量，n是槽位数量。然而在传统的哈希表中，添加或删除一个槽位的几乎需要对所有关键字进行重新映射。
应用场景：缓存集群的时候常见的方式是对一个 key 进行hash处理，得出它应该存到哪台缓存服务器。那么当我们需要扩容的时候就需要重新多所有的数据进行再次 hash 后分配服务器。一致性哈希就是为了解决这个问题，让我们扩容的时候不会影响到其他服务器数据的存储路径，同时去掉缓存服务器的时候会自动分配到附近的服务器上。
15.缓存的失效策略有哪几种，分别适合什么场景？
FIFO：使用队列实现，一头放新数据，另一头淘汰数据。
适合用于数据的缓冲。
LRU：在队列的基础上，队列中被命中的数据更新到新增数据的一头，最后队尾的被淘汰
适用于内存管理、页面置换。
LFU：按照数据的访问次数排序，最少访问的被淘汰
16.Memcache和Redis的区别是什么？
1、Memcached：内存型数据库，无持久化功能（无法保存到硬盘上），掉电即失，可靠性差，用于动态系统中减轻数据库负载，提升性能；做缓存，适合多读少写，大数据量的情况（如人人网大量查询用户信息、好友信息、文章信息等）。
2、Redis：内存型数据库，有持久化功能（可以保存到硬盘上），具备分布式特性，可靠性高，适用于对读写效率要求都很高，数据处理业务复杂和对安全性要求较高的系统（如新浪微博的计数和微博发布部分系统，对数据安全性、读写要求都很高）。
17.怎么预估自己系统可承载的日活数？
压力测试，测到不宕机且 90% line 在可接受范围内的最大值就是网站的可承载日活。
18.什么是JMeter？Jmeter是否可以在多台机器上分布式部署？为什么要分布式部署？
测试工具，可以分布式部署。单台计算机的性能不够测试服务器，需要集群一起测试。
19.什么是TPS，什么是每秒并发数，什么是90%Line？分别应该到达多少算符合系统上线的要求？
测试性能时，我们更常用“1秒钟”来作为切片时间段。一秒钟完成多少个事务请求，这个数据就是我们耳熟能详的“每秒事务数”。这个指标翻译成英文就是TPS - Transaction Per Seconds。（也有用QPS - Query Per Seconds来统计的，其差异暂时不做讨论了）
每秒事务数，就是衡量服务器性能的最重要也是最直观指标。
并发数指的是一个时间段内的事务完成数。这个切片“时间段”常取1秒钟或1分钟这样的整数来做换算。假设一个厨师平均2分钟做完一道菜，那么8个厨师2分钟完成8道菜，换算一下就是4道/分钟。如果以分钟为单位进行统计，那么这个数字就是最终结果。
90%响应时间（90%Line）一组数由小到大进行排列，找到他的第90%个数（假如是12），那么这个数组中有90%的数将小于等于12 。
用在性能测试的响应时间，也就是90%请求响应时间不会超过12 秒。
返回列表
评论