缓存维护方案一

如果是一读（线程B）一写（线程A）操作，「先操作缓存，再操作数据库」。流程图如下所示：

• 1.线程A发起一个写操作，第一步del cache

• 2.线程A第二步写入新数据到DB

• 3.线程B发起一个读操作，cache miss缓存失效了。

• 4.线程B从DB获取最新数据

• 5.线程B执行set cache，把从DB读到的数据，更新到缓存。

「这样看，没啥问题」。我们再看第二个流程图，如下：

• 1.线程A发起一个写操作，第一步del cache

• 2.此时线程B发起一个读操作，cache miss

• 3.线程B继续读DB，读出来一个老数据

• 4.然后老数据设置入cache

• 5.线程A写入DB最新的数据

OK，酱紫，就有问题了吧，老数据入到缓存了，「每次读都是老数据啦，缓存与数据与数据库数据不一致了」。

缓存维护方案二

上个方案是一读一写，如果是双写操作，「先操作缓存，再操作数据库」，会怎么样呢？

• 1.线程A发起一个写操作，第一步set cache

• 2.线程A第二步写入新数据到DB

• 3.线程B发起一个写操作，set cache

• 4.线程B第二步写入新数据到DB

「这样看，也没啥问题。」，但是有时候可能事与愿违，我们再看第二个流程图，如下:

• 1.线程A发起一个写操作，第一步set cache

• 2.线程B发起一个写操作，第一步set cache

• 3.线程B写入数据库到DB

• 4.线程A写入数据库到DB

执行完后，缓存保存的是B操作后的数据，数据库是A操作后的数据，「缓存和数据库数据不一致」。

缓存维护方案三

一写（线程A）一读（线程B）操作，「先操作数据库，再操作缓存」。

• 1.线程A发起一个写操作，第一步write DB

• 2.线程A第二步del cache

• 3.线程B发起一个读操作，cache miss

• 4.线程B从DB获取最新数据

• 5.线程B同时set cache

「有些朋友可能认为，在第2步删除缓存之前，线程B读过来呢？这时候，读到的是缓存老数据，这个可以认为是正常业务逻辑呀，下次再读取就是正确数据了。」

这种方案**「没有明显的并发问题」，但是有可能「步骤二删除缓存失败」，虽然概率比较小，「优于方案一和方案二」**，平时工作中也是使用方案三。

综上对比，我们一般采用方案三，但是有没有完美全解决方案三的弊端的方法呢？

缓存维护方案四

这个是方案三的改进方案，都是先操作数据库再操作缓存，我们来看一下流程图：

通过数据库的**「binlog」来「异步淘汰key」，以mysql为例 可以「使用阿里的canal将binlog日志采集发送到MQ队列」里面，然后「通过ACK机制 确认处理」** 这条更新消息，删除缓存，保证数据缓存一致性。

但是呢还有个问题，「如果是主从数据库呢」？

缓存维护方案五

主从DB问题：因为主从DB同步存在延时时间。如果删除缓存之后，数据同步到备库之前已经有请求过来时，「会从备库中读到脏数据」，如何解决呢？解决方案如下流程图：

缓存维护总结

综上所述，在分布式系统中，缓存和数据库同时存在时，如果有写操作的时候，「先操作数据库，再操作缓存」。如下：

• 1.读取缓存中是否有相关数据
• 2.如果缓存中有相关数据value，则返回
• 3.如果缓存中没有相关数据，则从数据库读取相关数据放入缓存中key->value，再返回
• 4.如果有更新数据，则先更新数据库，再删除缓存
• 5.为了保证第四步删除缓存成功，使用binlog异步删除
• 6.如果是主从数据库，binglog取自于从库
• 7.如果是一主多从，每个从库都要采集binlog，然后消费端收到最后一台binlog数据才删除缓存

最后

给读者们一个小福利，有需要这些资料的朋友们可以点击我，即可免费领取资料！

ActiveMQ消息中间件面试专题

• 什么是ActiveMQ?
• ActiveMQ服务器宕机怎么办？
• 丢消息怎么办？
• 持久化消息非常慢怎么办？
• 消息的不均匀消费怎么办？
• 死信队列怎么办？
• ActiveMQ中的消息重发时间间隔和重发次数吗？

ActiveMQ消息中间件面试专题解析拓展：

redis面试专题及答案

• 支持一致性哈希的客户端有哪些？
• Redis与其他key-value存储有什么不同？
• Redis的内存占用情况怎么样？
• 都有哪些办法可以降低Redis的内存使用情况呢？
• 查看Redis使用情况及状态信息用什么命令？
• Redis的内存用完了会发生什么？
• Redis是单线程的，如何提高多核CPU的利用率？

Spring面试专题及答案

• 谈谈你对 Spring 的理解
• Spring 有哪些优点？
• Spring 中的设计模式
• 怎样开启注解装配以及常用注解
• 简单介绍下 Spring bean 的生命周期

Spring面试答案解析拓展

高并发多线程面试专题

• 现在有线程 T1、T2 和 T3。你如何确保 T2 线程在 T1 之后执行，并且 T3 线程在 T2 之后执行？
• Java 中新的 Lock 接口相对于同步代码块（synchronized block）有什么优势？如果让你实现一个高性能缓存，支持并发读取和单一写入，你如何保证数据完整性。
• Java 中 wait 和 sleep 方法有什么区别？
• 如何在 Java 中实现一个阻塞队列？
• 如何在 Java 中编写代码解决生产者消费者问题？
• 写一段死锁代码。你在 Java 中如何解决死锁？

高并发多线程面试解析与拓展

jvm面试专题与解析

• JVM 由哪些部分组成？
• JVM 内存划分？
• Java 的内存模型?
• 引用的分类？
• GC什么时候开始？

JVM面试专题解析与拓展！

SP-1626698615301)]

jvm面试专题与解析

• JVM 由哪些部分组成？
• JVM 内存划分？
• Java 的内存模型?
• 引用的分类？
• GC什么时候开始？

JVM面试专题解析与拓展！

[外链图片转存中…(img-q55mOFjW-1626698615302)]

Redis主从复制

概念

Redis的主从复制概念和MySQL的主从复制大概类似。一台主机master，一台从机slaver。master主机数据更新后根据配置和策略，自动同步到slaver从机，Master以写为主，Slave以读为主。

主要用途

• 读写分离：适用于读多写少的应用，增加多个从机，提高读的速度，提高程序并发

• 数据容灾恢复：从机复制主机的数据，相当于数据备份，如果主机数据丢失，那么可以通过从机存储的数据进行恢复。

• 高并发、高可用集群实现的基础：在高并发的场景下，就算主机挂了，从机可以进行主从切换，从机自动成为主机对外提供服务。

一主多从配置

环境准备

老哥太穷了，就用一台机器模拟三个机器。

• 第一步：将redis.conf复制3份，分别是redis6379.conf、redis6380.conf、redis6381.conf

• 第二步： 修改三个redis.conf文件里的port端口、pid文件名、日志文件名、rdb文件名

• 第三步： 分别打开三个窗口模拟三台服务器，并开启redis服务。

查看当前3台机器主从角色

先用命令info replication看看3台机器目前的角色是什么。

# 三台机器都是这个状态
127.0.0.1:6379> info replication
# 角色是master主机
role:master
# 从机个数为0
connected_slaves:0

设置主从关系

这里注意，我们只设置从机就可以了，不用设置主机。我们选择6380和6381作为从机。6379作为主机。

# 6380 端口
127.0.0.1:6380> SLAVEOF 127.0.0.1 6379

# 6381 端口
127.0.0.1:6381> SLAVEOF 127.0.0.1 6379

# 6381 端口
127.0.0.1:6381> SLAVEOF 127.0.0.1 6379

再次查看3台机器目前角色

再次执行命令：info replication

# 主机
127.0.0.1:6379> info replication
role:master # 角色：主机
connected_slaves:2 #连接的从机个数，以及从机IP和端口
slave0:ip=127.0.0.1,port=6380,state=online,offset=98,lag=1
slave1:ip=127.0.0.1,port=6381,state=online,offset=98,lag=1

# 从机1
127.0.0.1:6380> info replication
role:slave # 角色：从机
master_host:127.0.0.1 # 主机的IP和端口
master_port:6379

# 从机2
127.0.0.1:6381> info replication
role:slave # 角色：从机
master_host:127.0.0.1 # 主机的IP和端口
master_port:6379

搭建成功，试验一把

• 全量复制： 从机会把主机之前的数据全部都同步过来，大家可以在从机上get 某key试试。

• 增量复制： 当主机新增数据时，从机会将该新增数据同步过来，大家可以在主机上执行命令set key value，然后在从机上get 该key，看是否能获取到。

读写分离

Redis的从机默认不允许进行写操作，大家可以在从机上执行命令set key value，会报错。

# 6380从机
127.0.0.1:6380> set k3 v3
(error) READONLY You can't write against a read only slave.

「呼，好累」，主从复制写的差不多了！！

主从复制原理

全量复制

**「①」**slave发送psync，由于是第一次复制，不知道master的runid，自然也不知道offset，所以发送psync ？ -1

**「②」**master收到请求，发送master的runid和offset给从节点。

**「③」**从节点slave保存master的信息

**「④」**主节点bgsave保存rdb文件

**「⑤」**主机点发送rdb文件

并且在**「④」和「⑤」**的这个过程中产生的数据，会写到复制缓冲区repl_back_buffer之中去。

**「⑥」**主节点发送上面两个步骤产生的buffer到从节点slave

**「⑦」**从节点清空原来的数据，如果它之前有数据，那么久会清空数据

**「⑧」**从节点slave把rdb文件的数据装载进自身。

全量复制的开销

**「①」**bgsave时间

**「②」**rdb文件网络传输时间

**「③」**从节点清空数据的

**「④」**从节点加载rdb的时间

**「⑤」**可能的aof重写时间，这是针对从节点，例如开启了aof之后，从节点添加buffer数据时候，可能需要aof重写

基于上面的原因，有的情况下不适合使用全量复制，例如网络抖动之后，从节点只需要传送一部分数据，不需要传送全部数据，redis2.8之后实现了部分复制功能

部分复制

**「①」**假设发送网络抖动或者别的情况，暂时失去了连接

**「②」**这个时候，master还在继续往buffer里面写数据

**「③」**slave重新连接上了master

**「④」**slave向master发送自己的offset和runid

**「⑤」**master判断slave的offset是否在buffer的队列里面，如果是，那就返回continue给slave，否则需要进行全量复制（因为这说明已经错过了很多数据了）

**「⑥」**master发送从slave的offset开始到缓冲区队列结尾的数据给slave

总结

面试建议是，一定要自信，敢于表达，面试的时候我们对知识的掌握有时候很难面面俱到，把自己的思路说出来，而不是直接告诉面试官自己不懂，这也是可以加分的。

以上就是蚂蚁技术四面和HR面试题目，以下最新总结的最全，范围包含最全MySQL、Spring、Redis、JVM等最全面试题和答案，仅用于参考

握有时候很难面面俱到，把自己的思路说出来，而不是直接告诉面试官自己不懂，这也是可以加分的。

以上就是蚂蚁技术四面和HR面试题目，以下最新总结的最全，范围包含最全MySQL、Spring、Redis、JVM等最全面试题和答案，仅用于参考

[外链图片转存中…(img-MeHoCTdy-1624533916895)]

如何获取面试参考资料？戳这里免费领取

    public static void main(String[] args) throws IOException {
        //路径
        String pate="tian.json";
        String Path="../ipaaaweb/WebRoot/upload"+"/"+pate;
        BufferedReader reader = null;
        String laststr = "";
        try {
            FileInputStream fileInputStream = new FileInputStream(Path);
            InputStreamReader inputStreamReader = new InputStreamReader(fileInputStream, "UTF-8");
            reader = new BufferedReader(inputStreamReader);
            String tempString = null;
            while ((tempString = reader.readLine()) != null) {
             //数据获取
                laststr += tempString;
            }
            reader.close();
        } catch (IOException e) {
            e.printStackTrace();
        } finally {
            if (reader != null) {
                try {
                    reader.close();
                } catch (IOException e) {
                    e.printStackTrace();
                }
            }
        }
        //json 解析
        JSONObject jasonDate = JSONObject.parseObject(laststr);
        String resCode = jasonDate.getString("data");
        JSONObject jasonDate1= JSONObject.parseObject(resCode);
        String date=jasonDate1.getString("dataMap");
        JSONArray backBodyJson = JSONArray.parseArray(date);
        String postid="";
        String dutytype="";
        //    循环获取json数据
        for(int i=0;i<backBodyJson.size();i++){
            String a= String.valueOf(backBodyJson.get(i));
            JSONObject jasonDate3 = JSONObject.parseObject(a);
            postid= String.valueOf(jasonDate3.get("postid"));
            dutytype=String.valueOf(jasonDate3.get("dutytype"));
            System.out.println(jasonDate3);
        }



    }