【Java】高频面试题

1. B树和B+树的区别

• 结构差异：
  • B树：所有节点都存储数据，非叶子节点也包含键值和数据指针。
  • B+树：只有叶子节点存储数据，非叶子节点仅作为索引（键值+指针）。叶子节点通过链表连接。
• 查询效率：
  • B树可能在非叶子节点命中数据，查询不稳定。
  • B+树必须查找到叶子节点，查询路径长度一致，适合范围查询（链表支持顺序遍历）。
• 存储空间：
  • B+树非叶子节点更小，可以缓存更多索引，减少磁盘I/O。
• 应用场景：
  • B树适用于文件系统（如早期NTFS）。
  • B+树是数据库索引的主流结构（如MySQL InnoDB）。

2. 聚簇索引 vs 非聚簇索引

• 聚簇索引：
  • 数据存储：索引的叶子节点是数据行本身，数据按主键顺序物理存储（如InnoDB）。
  • 性能：范围查询快，但插入/更新可能触发页分裂。
  • 数量限制：一张表只能有一个聚簇索引。
• 非聚簇索引：
  • 数据存储：叶子节点存储数据行的地址（如MyISAM）或主键（如InnoDB二级索引）。
  • 性能：需要回表查询，多一次I/O。
  • 数量限制：可以创建多个。

3. SQL优化思路

• 索引优化：
  • 避免索引失效（如函数操作、隐式类型转换）。
  • 联合索引遵循最左前缀原则。
• 查询优化：
  • 减少SELECT *，使用覆盖索引。
  • 避免子查询嵌套过深，改用JOIN。
• 分库分表：
  • 垂直拆分（按业务模块）、水平拆分（按数据范围或哈希）。
• 执行计划分析：
  • 使用EXPLAIN查看是否命中索引、扫描行数等。
• 数据库设计：
  • 避免大事务、减少锁竞争，合理使用冗余字段。

4. Redis值对象与数据结构的关系

• 值对象类型对应底层数据结构：
  • String：简单动态字符串（SDS）。
  • List：双向链表或ziplist（压缩列表）。
  • Hash：哈希表或ziplist（小数据时）。
  • Set：哈希表或intset（整数集合）。
  • ZSet：跳表（SkipList） + 哈希表。
• 自动优化：Redis根据数据量动态选择高效结构（如小数据用ziplist节省内存）。

5. 缓存穿透、击穿、雪崩

• 穿透（查询不存在的数据）：
  • 应对：布隆过滤器拦截非法请求，缓存空值。
• 击穿（热点数据过期瞬间高并发）：
  • 应对：互斥锁（如Redis的SETNX），永不过期+异步更新。
• 雪崩（大量缓存同时失效）：
  • 应对：随机过期时间，集群部署保证高可用。

6. gRPC vs HTTP

• 协议层：
  • gRPC基于HTTP/2（多路复用、头部压缩），HTTP API通常基于HTTP/1.1。
• 数据格式：
  • gRPC使用Protobuf（二进制，高效序列化）。
  • HTTP常用JSON/XML（文本，冗余高）。
• 功能特性：
  • gRPC支持双向流、强类型接口定义，适合微服务间通信。
  • HTTP RESTful API更通用，但对复杂场景支持较弱。

7. AOF vs RDB

• RDB：
  • 机制：定时生成数据快照（二进制文件）。
  • 优点：恢复快、文件小。
  • 缺点：可能丢失最后一次快照后的数据。
• AOF：
  • 机制：记录所有写命令（文本追加）。
  • 优点：数据更安全（可配置同步频率）。
  • 缺点：文件大、恢复慢。
• 混合模式（Redis 4.0+）：结合两者，RDB做全量备份，AOF记录增量。

8. MySQL分表与分区表

• 分表实现：
  • 水平拆分：按规则（如用户ID取模）将数据分布到多个表。
  • 路由策略：应用层代码或中间件（如ShardingSphere）管理查询路由。
• 分区表：
  • 内置支持：按范围（RANGE）、哈希（HASH）等逻辑分区，物理存储透明。
  • 应用场景：
    • 历史数据归档（按时间分区）。
    • 减少单个表的数据量，提升查询效率。

9. MyISAM vs InnoDB

• 核心区别：
  • 事务：InnoDB支持ACID，MyISAM不支持。
  • 锁粒度：InnoDB支持行锁，MyISAM仅表锁。
  • 外键：InnoDB支持，MyISAM不支持。
• 其他引擎：
  • Memory：数据存内存，重启丢失，适合临时表。
  • Archive：高压缩比，仅支持插入/查询，适合日志存储。

10. Redis数据结构及应用场景

• String：缓存、计数器（INCR）。
• List：消息队列（LPUSH/RPOP）、时间线。
• Hash：存储对象（如用户信息）。
• Set：去重（如点赞用户）、交集/并集运算。
• ZSet：排行榜（按分数排序）、延迟队列（按时间戳排序）。

11. Redis为什么快？

• 内存操作：数据存储在内存，读写无需磁盘I/O。
• 单线程模型：避免多线程上下文切换和锁竞争。
• I/O多路复用：基于epoll/kqueue高效处理并发连接。
• 高效数据结构：如跳表（ZSet）、哈希表（快速查找）、ziplist（紧凑存储）。

以上总结涵盖了每个问题的核心要点，适合面试快速回顾。实际应用中需结合场景灵活运用。