拼多多三面惨败，java中间件、数据库与spring框架，答不上…
面试开火箭，工作拧螺丝…月初有个朋友面试拼多多，一面自信满满过了，结果三面却惨败…昨天朋友约我出来讨论问题在哪里，三面就答不上了（卡壳很严重呐）。听完整个面试经历之后，我总结了一下，这次拼多多一二三面其实综合总结起来就问了五个方面的东西，分别是自我介绍+项目、java基础、中间件、数据库和spring框架，另外还问了道算法题。接下来就跟大家一起来看看拼多多的面经，看看你是否能轻松应对面试官的炮轰？
正文
ZooKeeper 很流行，有个基本的疑问：
- ZooKeeper 是用来做什么的？
- 之前没有ZK，为什么会诞生 ZK？
OK，解答一下上面的疑问：（下面是凭直觉说的）
- ZooKeeper 是用于简化分布式应用开发的，对开发者屏蔽一些分布式应用开发过程中的底层细节
- ZooKeeper 对外暴露简单的 API，用于支持分布式应用开发
- ZooKeeper 在提供上述功能的同时，其还是一个 高性能、高可用、高可靠的分布式集群
上面说这么多，总结一下，ZK 能解决分布式应用开发的问题，ZK 能很好的解决问题。到这一步，疑问就更多了：
- 分布式应用开发，有哪些常见问题？ZK 是如何屏蔽这些底层细节的？
- ZooKeeper 对外暴露了那些 API？这些 API 如何支持分布式应用开发的？这些 API 还能简化吗？API 的语义性怎么样？
- ZooKeeper 自身是一个高性能、高可用、高可靠的分布式集群，那有个简单的问题：
- 高性能是指什么？ZooKeeper 为了达到高性能，做了哪些工作？
- 高可用同上
- 高可靠同上
Note：本篇 wiki 就是为了解决上述第一个疑问的。（其他疑问会在其他 blog 中逐步解答）
为什么有 ZooKeeper
一个应用程序，涉及多个进程协作时，业务逻辑代码中混杂有大量复杂的进程协作逻辑。
上述多进程协作逻辑，有 2 个特点：
- 处理复杂
- 处理逻辑可重用
因此，考虑将多进程协作的共性问题拎出，作为基础设施，让 RD 更加专注业务逻辑开发，即：
ZooKeeper 就是上述多进程协作基础服务的一种。
ZooKeeper 的特点
ZooKeeper 有几个简单特点：
- ZooKeeper 的 API：从 文件系统 API 得到的启发，提供简单的 API
- ZooKeeper 运行在专用服务器上，跟业务逻辑分离，保证了高容错性和可扩展性
ZooKeeper 是存储设施，但特别注意
- ZK上存储的数据聚焦为：
协作数据（元数据），而不是应用数据，应用数据有自己的存储方案，例如 HDFS 等 - ZK 本质上，可以看作一种
特殊的 FS
特别说明：
应用数据和元数据，由于使用场景不同，对一致性和持久性的要求有差异， 因此，架构设计、数据治理过程中，应将 2 类数据独立看待、独立存储。
ZooKeeper 的使命
ZK 要解决的核心问题：
ZK 目标：简化分布式应用开发中，多进程协作问题。为分布式应用，提供高效、可靠的分布式协调服务（基础服务），例如：
- 统一的命名服务
- 分布式锁
- 进程崩溃检测
- Leader 选举
- 配置管理：配置变更时，及时下发到各个 Client。
一个简单的问题：多进程的协作是什么？尼玛呀，有完没完，啥问题你都有，面对这个掉咋天的脑壳，还是回答一下。
多进程协作，整体分为 2 类：
- 协作：多进程需要一同处理某些事情，一些进程采取行动是的其他进程能够正常工作，例如：主从结构，M 向 S 分配任务，S 才会执行，否则 S 就保持空闲状态
- 竞争：两个进程不能同时工作，一个进程必须等待另个进程执行完毕，例如：主从结构，M 节点失效后，很多 S 都想成为 M，这时，就需要互斥锁，只有第一个获得锁的 S 成为 M
特别说明：
- 不跨网络协作：多进程，可以在同一台物理主机上，同步原语很方便(比如？管道、共享内存、消息队列、信号量)
- 跨网络协作：多进程，分布在不同的物理主机上，ZK 关注这一类
跨网络多进程协作，进程通信，基本思路有 2 个：
- 消息机制：通过网络，直接信息交换，多消息传递算法，实现同步原语
- 共享存储：利用外部共享存储，实现多进程协作，要求
共享存储提供有序访问，ZK 采用这种方式
真实系统中，跨网络通信，有几个共性问题：
- 消息延迟：由于网络原因，后发送先到达
- 处理器性能：由于系统调度原因，消息到达后，延迟处理
- 时钟偏移：不同物理主机，时钟发生偏移
ZK 精心设计用于屏蔽上述 3 个共性问题，使得这些问题在应用服务层面完全透明化。
ZooKeeper 特性
ZooKeeper 解决的本质问题
分布式系统的一致性问题：
- 消息传递：延迟性，先发送的消息，不一定先到达；
- 消息传递：丢失性，发送的消息，可能丢失；
- 节点崩溃：分布式系统内，任何一个节点都可能崩溃；
在这种情况下，如何保证数据的一致性？
- 提案投票：基于投票策略，2PC
- 选举投票：基于投票策略，投出
优先级最高的节点（包含最新数据的节点）
Paxos 目标：解决分布式一致性问题，提高分布式系统容错性的一致性算法。
Paxos 本质：基于消息传递的高度容错的一致性算法
ZooKeeper 定位
ZooKeeper 是：
- 分布式协调服务
- 高效、可靠
- 方便应用程序，聚焦
业务逻辑开发，而不需要过多关注分布式进程间协作细节
ZooKeeper 不直接暴露原语，而是，暴露一部分调用方法组成的 API，类似文件系统的 API，支持应用程序实现自己的原语。
ZooKeeper 特性
ZooKeeper 可以保证如下分布式一致性特性：
- 顺序一致性：同一个 Client 发起的事务请求，严格按照发起顺序执行
- 原子性：事务请求，要么应用到所有节点，要么一个节点都没有应用
- 单一视图：Client 无论连接到哪个节点，看到的服务端数据都是一致的（Note：不准确，其实是最终一致性）
- 可靠性：事务一旦执行成功，状态永久保留
- 实时性：事务一旦执行成功，Client 并不能立即看到最新数据，但 ZooKeeper 保证最终一致性
ZooKeeper 设计目标
ZooKeeper 致力于提供高性能、高可用、顺序一致性的分布式协调服务，保证数据最终一致性。
目标一：高性能（简单的数据模型）
- 采用
树形结构组织数据节点； - 全量数据节点，都存储在内存中；
- Follower 和 Observer 直接处理非事务请求；
目标二：高可用（构建集群）
- 半数以上机器存活，服务就能正常运行
- 自动进行 Leader 选举
目标三：顺序一致性（事务操作的顺序）
- 每个事务请求，都会转发给 Leader 处理
- 每个事务，会分配全局唯一的递增id（zxid，64位：epoch + 自增 id）
目标四：最终一致性
- 通过提议投票方式，保证事务提交的可靠性
- 提议投票方式，只能保证 Client 收到事务提交成功后，半数以上节点能够看到最新数据
ZooKeeper 出现之前
ZK 出现之前，分布式系统常用两种方式，实现多进程协作：
- 分布式锁管理器
- 分布式数据库
ZK 更专注于进程协作，而不提供任何锁接口和通用的存储数据接口。（疑问：ZK 也可以提供啊，我们不使用就行了）
应用服务器，常见的 2 种需求：
- Master-Slave Leader 选举：要求提供Master节点选举功能
- 进程响应跟踪 崩溃检测：要求提供进程存活状态的跟踪
- 分布式锁：互斥排它锁
ZK 为上述 2 种策略提供了基础 API。
ZooKeeper 不适用的场景：
- 海量数据存储：ZK 本质是
特殊的 FS，但 ZK 用于存储元数据，需要单独存储应用数据
言尽于此，完结
无论是一个初级的 coder，高级的程序员，还是*的系统架构师，应该都有深刻的领会到设计模式的重要性。
- 第一，设计模式能让专业人之间交流方便，如下：
程序员A：这里我用了XXX设计模式
程序员B：那我大致了解你程序的设计思路了
- 第二，易维护
项目经理：今天客户有这样一个需求…
程序员：明白了，这里我使用了XXX设计模式，所以改起来很快
- 第三，设计模式是编程经验的总结
程序员A：B，你怎么想到要这样去构建你的代码
程序员B：在我学习了XXX设计模式之后，好像自然而然就感觉这样写能避免一些问题
- 第四，学习设计模式并不是必须的
程序员A：B，你这段代码使用的是XXX设计模式对吗？
程序员B：不好意思，我没有学习过设计模式，但是我的经验告诉我是这样写的
从设计思想解读开源框架，一步一步到Spring、Spring5、SpringMVC、MyBatis等源码解读，我都已收集整理全套，篇幅有限，这块只是详细的解说了23种设计模式，整理的文件如下图一览无余！
006919)]
从设计思想解读开源框架，一步一步到Spring、Spring5、SpringMVC、MyBatis等源码解读，我都已收集整理全套，篇幅有限，这块只是详细的解说了23种设计模式，整理的文件如下图一览无余！
[外链图片转存中…(img-ZtNJUXVI-1621230006920)]
搜集费时费力，能看到此处的都是真爱！