redo log（重做日志）和 binlog（归档日志） redo logWAL 的全称是 Write-Ahead Logging，它的关键点就是先写日志，再写磁盘，也就是先写粉板，等不忙的时候再写账本具体来说，当有一条记录需要更新的时候，InnoDB 引擎就会先把记录写到 redo log（粉板）里面，并更新内存，这个时候更新就算完成了。同时，InnoDB 引擎会在适当的时候，将这个操作记录更新到磁盘里面，而这个更新往往是在系统比较空闲的时候做 如果今天赊账的不多，掌柜可以等打烊后再整理。但如果某天赊账的特别多，粉板写满了，又怎么办呢？这个时候掌柜只好放下手中的活儿，把粉板中的一部分赊账记录更新到账本中，然后把这些记录从粉板上擦掉，为记新账腾出空间 InnoDB 的 redo log 是固定大小的，比如可以配置为一组 4 个文件，每个文件的大小是 1GB，那么这块“粉板”总共就可以记录 4GB 的操作。从头开始写，写到末尾就又回到开头循环写 write pos 是当前记录的位置，一边写一边后移，写到第 3 号文件末尾后就回到 0 号文件开头。checkpoint 是当前要擦除的位置， ...

单例模式 定义确保某一个类只有一个实例，而且自行实例化并向整个系统提供这个实例。 优点：单例模式在内存中只有一个实例，减少了内存开支，特别是一个频繁操作，性能又无法优化的对象。减少性能开销，如读取配置、产生其他依赖对象时，启动一个对象，永久驻留内存。可以避免一个对象的多重占用，例如一个写文件动作。可以设置系统全局访问点，优化和共享资源访问。 缺点：单例模式一般没有接口，无法扩展。无法测试，如果代码未完成则无法测试，且因没有接口所以无法mock。单例模式与单一职责原则有冲突，类应只关心内部实现，而不关心外部如何调用。 使用场景：要求生成唯一序列号的环境。整个项目中需要一个共享访问点或共享数据，如页面访问计数器。创建消耗资源过多的对象。需要定义大量静态常量和静态方法的环境。 扩展有上限的多例模式，可以定义内部列表存储实例，然后根据条件返回某实例。 工厂方法模式 定义定义一个用于创建对象的接口，让子类决定实例化哪一个类，工厂方法使一个类的实例化延迟到其子类。在工厂方法模式中，抽象产品类Product负责定义产品的共性，实现对事物最抽象的定义；Creator为抽象创建类， 也就是抽象工厂， 具 ...

Redis 持久化机制 缓存雪崩、缓存穿透、缓存预热、缓存更新、缓存降级等问题 热点数据和冷数据是什么 Memcache与Redis的区别都有哪些？ 单线程的redis为什么这么快 redis的数据类型，以及每种数据类型的使用场景，Redis 内部结构 redis的过期策略以及内存淘汰机制 Redis 为什么是单线程的，优点 如何解决redis的并发竞争key问题 Redis 集群方案应该怎么做？都有哪些方案？ 有没有尝试进行多机redis 的部署？如何保证数据一致的？ 对于大量的请求怎么样处理 Redis 常见性能问题和解决方案？ 讲解下Redis线程模型 为什么Redis的操作是原子性的，怎么保证原子性的？ Redis事务 Redis实现分布式锁 Redis 持久化机制Redis是一个支持持久化的内存数据库，通过持久化机制把内存中的数据同步到硬盘文件来保证数据持久化。当Redis重启后通过把硬盘文件重新加载到内存，就能达到恢复数据的目的。 实现：单独创建fork()一个子进程，将当前父进程的数据库数据复制到子进程的内存中，然后由子进程写入到临时文件中，持久化的过程结束了， ...

事务就是要保证一组数据库操作，要么全部成功，要么全部失败。在 MySQL 中，事务支持是在引擎层实现的。你现在知道，MySQL 是一个支持多引擎的系统，但并不是所有的引擎都支持事务。比如 MySQL 原生的 MyISAM引擎就不支持事务，这也是 MyISAM 被 InnoDB 取代的重要原因之一。 四大特性（ACID）原子性（Atomicity） 定义一个事务（transaction）中的所有操作，要么全部完成，要么全部不完成，不会结束在中间某个环节。事务在执行过程中发生错误，会被回滚（Rollback）到事务开始前的状态，就像这个事务从来没有执行过一样。简单说就是：一个事务要么完成要么失败 原理InnoDB存储引擎提供了undo log(回滚日志)，在undo log中保存了和执行操作相反的记录，如果事务执行失败则会执行rollback，这时就需要使用到undo log中的日志记录。例：写入2个insert，那就会记录下对应的2个delete什么时候删除回滚日志？在不需要的时候才删除。也就是说，系统会判断，当没有事务再需要用到这些回滚日志时，回滚日志会被删除。就是当系统里没有比这个回 ...

常见的索引类型 哈希索引、平衡二叉树索引、B树索引、B+树索引 以下对这几类常见索引进行分析 哈希索引 优点哈希索引拥有极高的检索效率，索引的检索可以一次到位 缺点 不能使用范围查询 Hash索引仅仅能满足”=”,”IN”和”<=>”查询(注意<>和＜＝＞是不同的操作），不能使用范围查询，例如WHERE price > 100。由于Hash索引比较的是进行Hash运算之后的Hash值，所以它只能用于等值的过滤，不能用于基于范围的过滤 Hash索引不能利用部分索引键查询 这个场景主要出现在复合索引，Hash索引在计算Hash值的时候，是组合索引键合并后再一起计算Hash值，而不是单独计算Hash值，所以通过复合索引的前面一个或几个索引键进行查询的时候，Hash索引也无法被利用 Hash索引在任何时候都不能避免表扫描 Hash索引是将索引键通过Hash运算之后，将 Hash运算结果的Hash值和所对应的行指针信息存放于一个Hash表中。由于不同索引键存在相同Hash值（哈希碰撞），所以无法从Hash索引中直接完成查询，还是要通过访问表中的实际数据进行相应的 ...

一、线性排序算法介绍 线性排序算法包括桶排序、计数排序、基数排序。 线性排序算法的时间复杂度为O(n)。 此3种排序算法都不涉及元素之间的比较操作，是非基于比较的排序算法。 对排序数据的要求很苛刻，重点掌握此3种排序算法的适用场景。 二、桶排序（Bucket sort） 算法原理： 将要排序的数据分到几个有序的桶里，每个桶里的数据再单独进行快速排序。 桶内排完序之后，再把每个桶里的数据按照顺序依次取出，组成的序列就是有序的了。 使用条件 要排序的数据需要很容易就能划分成m个桶，并且桶与桶之间有着天然的大小顺序。 数据在各个桶之间分布是均匀的。 适用场景 桶排序比较适合用在外部排序中。 外部排序就是数据存储在外部磁盘且数据量大，但内存有限无法将整个数据全部加载到内存中。 应用案例 需求描述：有10GB的订单数据，需按订单金额（假设金额都是正整数）进行排序但内存有限，仅几百MB 解决思路： 扫描一遍文件，看订单金额所处数据范围，比如1元-10万元，那么就分100个桶。 第一个桶存储金额1-1000元之内的订单，第二个桶存1001-2000元之内的订单，依次类推。 每个桶对应一 ...

https 工作原理 客户端发起 HTTPS 请求 这个没什么好说的，就是用户在浏览器里输入一个 https 网址，然后连接到 server 的 443 端口。 服务端的配置 采用 HTTPS 协议的服务器必须要有一套数字证书，可以自己制作，也可以向组织申请，区别就是自己颁发的证书需要客户端验证通过，才可以继续访问，而使用受信任的公司申请的证书则不会弹出提示页面(startssl 就是个不错的选择，有 1 年的免费服务)。 这套证书其实就是一对公钥和私钥，如果对公钥和私钥不太理解，可以想象成一把钥匙和一个锁头，只是全世界只有你一个人有这把钥匙，你可以把锁头给别人，别人可以用这个锁把重要的东西锁起来，然后发给你，因为只有你一个人有这把钥匙，所以只有你才能看到被这把锁锁起来的东西。 传送证书 这个证书其实就是公钥，只是包含了很多信息，如证书的颁发机构，过期时间等等。 客户端解析证书 这部分工作是有客户端的TLS来完成的，首先会验证公钥是否有效，比如颁发机构，过期时间等等，如果发现异常，则会弹出一个警告框，提示证书存在问题。 如果证书没有问题，那么就生成一个随机值，然后用证书对该随机值进行 ...

执行计划 执行计划是数据库根据sql语句和相关表的统计信息做的查询方案，由查询优化器自动产生 使用explain可以模拟优化器执行sql查询语句 关键字idid 列的编号就是 select 的序列号，也可以理解为 SQL 执行顺序的标识，有几个 select 就有几个 id id 值不同：如果是只查询，id 的序号会递增，id 值越大优先级越高，越先被执行 id 值相同：从上往下依次执行 id 列为 null：表示这是一个结果集，不需要使用它来进行查询 select_type查询的类型，主要用于区分普通查询、联合查询、子查询等复杂的查询 simple 表示查询中不包括 union 操作或者子查询，位于最外层的查询的 select_type 即为 simple primary 需要 union 操作或者含有子查询的 select，位于最外层的查询的 select_type 即为 primary derived：from 列表中出现的子查询，也叫做衍生表；mysql 或者递归执行这些子查询，把结果放在临时表里 subquery：除了 from 子句中包含的子查询外，其他地方出现的子 ...

数据库查询相信很多人都不陌生，所有经常有人调侃程序员就是CRUD专员，这所谓的CRUD指的就是数据库的增删改查。在数据库的增删改查操作中，使用最频繁的就是查询操作。而在所有查询操作中，统计数量操作更是经常被用到。关于数据库中行数统计，无论是MySQL还是Oracle，都有一个函数可以使用，那就是COUNT。但是，就是这个常用的COUNT函数，却暗藏着很多玄机，尤其是在面试的时候，一不小心就会被虐。不信的话请尝试回答下以下问题： 1、COUNT有几种用法？2、COUNT(字段名)和COUNT()的查询结果有什么不同？3、COUNT(1)和COUNT()之间有什么不同？4、COUNT(1)和COUNT()之间的效率哪个更高？5、为什么《阿里巴巴Java开发手册》建议使用COUNT()6、MySQL的MyISAM引擎对COUNT()做了哪些优化？7、MySQL的InnoDB引擎对COUNT()做了哪些优化？8、上面提到的MySQL对COUNT()做的优化，有一个关键的前提是什么？9、SELECT COUNT() 的时候，加不加where条件有差别吗？10、COUNT(*)、COUNT(1) ...

应用一：优先级队列 优先级队列，数据的出队顺序不是先进先出，而是而是按照优先级来，优先级最高的，最先出队。 实现一个优先级队列方法很多，但是用堆来实现是最直接，最高效的，这是因为堆和优先级队列非常相似。一个堆可以看作一个优先级队列，很多时候，他们只是概念上的区分。往优先级队列中插入一个元素，就相当于往堆中插入一个元素；从优先级队列中取出优先级最高的元素，就相当于取出堆顶元素。 优先级队列的应用广泛，如赫夫曼编码，图的最短路径，做小生成树的算法等等 优先级队列应用一：合并有序小文件假设：有100个小文件，每个文件大小为100MB，每个文件中储存的都是有序的字符串。现需要将这100个小文件合并成一个有序的大文件。思路： 整体思路有点像归并排序中的合并函数，从100个文件中，各取第一个字符串，放入数组中，然后比较大小，把最小的那个字符串合并后的大文件中，并从数组中删除。 假设，最小的字符串来自于13.txt这个文件，就再次从这个文件找那个取下一个字符串，放到数组中，重新比较大小，并且选择最小的放入合并后的大文件，将它从数组中删除。依次类推，直到所有的文件中的数据都放入到大文件为止。 使用 ...