字节跳动一面 Java 面经

以下是知识星球 (opens new window)录友分享字节一面面经，大家感受一下，难度，整体来说还是比较基础的。

MySQL主从同步的原理是啥？

MySQL的主从同步依赖于Binlog实现，可以分为写入、同步、回放三步操作。

主库对数据进行增删改操作后，会按顺序记录MySQL上所有变化并以二进制形式Binlog保存在磁盘上，主库的Binlog Dump线程会推送Binlog内容给从库，从库通过IO线程拉取主库的Binlog并写入中继日志(Relay Log)，再由SQL线程重放中继日志中的操作，实现主从数据一致；

SQL线程采用的是异步复制的模式，主库无需等待从库确认即可执行后续操作。

binlog里都存了些啥？

Binlog是MySQL服务层的二进制日志，全局生效、所有引擎共用。

记录MySQL中操作的执行顺序、事务提交标记和所有数据变更类的操作事件，包括DDL语句（CREATE/ALTER/DROP）和DML语句（INSERT/UPDATE/DELETE），但是不存储只读查询操作。

Binlog和数据库是啥关系？

Biglog是MySQL数据库的数据变更专属日志，数据库对数据进行操作后会由binlog记录，不存储实际数据。数据库的数据可以通过Binlog回溯恢复。

MySQL是怎么保证ACID的？

MySQL依靠Undo日志，也就是回滚日志实现原子性(Atomicity)。在事务执行的每一步会记录反向日志，事务失败或回滚时可以通过Undo日志撤销已执行的修改，回滚到事务开始前的状态；

MySQL依靠Redo日志（重做日志）和内存刷盘机制实现持久性(Durability)，当事务提交时，数据变化会先顺序写入Redo日志中，日志落盘则判定提交成功。如果此时数据库宕机，重启后也会通过Redo日志重做所有已提交的事务，实现数据的永久保存。

MySQL依靠锁机制和MVCC双重保证隔离性(Isolation)，锁机制可以解决写写冲突、MVCC通过版本链解决读写冲突；同时提供读未提交、读已提交、可重复读和串行化四种隔离级别，默认是可重复读，能够避免脏读、不可重复读、降低幻读的出现。

事务的一致性(Consistency)是通过原子性、隔离性与持久性共同保障的，确认事务执行前后数据库的数据符合业务规则。

监控MySQL性能，一般看哪些指标？

• 我一般使用show global status查看数据库的实时状态或者查看数据库的慢查询日志监控MYSQL的性能。
• 了解执行指标时我会关注QPS（每秒查询数），表示数据库每秒处理的查询数量，如果QPS高可能意味着数据库的负载较大，可能存在性能瓶颈。代码中需要减少不必要的查询，可以使用索引提高查询效率；还可以关注TPS（每秒事务数），如果数值变化大可能是事务中存在锁等待时间或慢查询。
• 如果想关注连接与线程状态，可以看当前活跃的连接数(Threads_connected)，该数值持续接近最大连接数时可能出现连接泄漏问题；还有正在执行查询的线程数，如果超过了CPU核心数2倍可能存在并发问题；
• 还有磁盘IO与日志的指标，比如redo log的刷盘频率和binlog的写入速度，磁盘的吞吐量等。如果磁盘IO有瓶颈，会导致日志刷盘阻塞而阻塞事务提交。

怎么保证MySQL和Redis的数据一致性？

• 首先需要根据业务场景选择适合的一致性方案，对于大多数场景来说，只需保证最终一致性，允许在缓存删除失败或并发读的情况下导致的短暂不一致发生。读操作先查缓存，命中则返回，未命中则查DB后写入缓存并返回；写操作则先更新DB再删除缓存。
• 在交易等核心场景下，需要保证强一致性时，可以使用分布式锁+双写同步实现，在写操作时先获取分布式锁，更新DB和缓存的数据之后再释放锁，可以避免并发读写导致的不一致，同一时间只有一个请求操作数据。
• 在高并发场景下，使用DB更新和MQ异步更新缓存保证最终一致性，写操作更新DB后发送MQ消息，消费端异步删除/更新缓存，同时添加定时任务对比数据库与缓存数据，作为兜底机制。

聊聊你对进程、线程、协程的理解？

进程是操作系统进行资源分配的基本单位，线程是轻量级的进程，是进行任务调度和执行的基本单位，而协程是用户态的轻量级线程，由编程语言运行时调度，必须依附于线程存在。

进程内可以有多个线程，进程的结束会终止所有线程，线程崩溃可能导致进程崩溃，但是进程崩溃不会影响其他进程。没有线程的进程可以看做单线程。一个线程可以创建上万甚至几十万个协程。

在开销方面，进程有独立的代码和数据空间，切换会有较大开销；同一类线程共享代码和数据空间，有独立的运行栈和程序计数器，切换开销小；协程的切换开销更小，因为它是用户态的线程，切换时不需要切换到内核态。

你熟悉哪些设计模式？具体用在项目哪里了？

我了解设计模式有创建型、结构性和行为型三类。

创建型设计模式有单例模式，用于保证类仅有一个实例并提供全局访问入口，工厂模式用于封装对象创建逻辑，将对象的创建与使用解耦；

结构性设计模式有适配器模式，可以兼容不匹配的接口，装饰器模式可以动态增强对象的功能，类似的还有代理模式可以控制对象访问并附加增强逻辑；

行为型设计模式有用于封装不同算法并实现快速切换的策略模式，还有观察者模式，可以实现对象之间一对多的依赖通知。

我在项目中也使用过几种常见的设计模式，实现了解耦、复用、扩展等功能。

项目的全局配置管理和Redis连接池、线程池等我会使用单例模式实现，保证类的实例全局唯一；

在通知的场景中我利用观察者模式实现状态变更时自动通知订阅者，解耦业务触发方和处理方，订阅者增加时也不用更改业务代码；

我还利用装饰者模式实现了对接口的同一增强处理，项目中的日志模块、参数校验和异常处理等都使用了装饰者模式进行增强，在不修改原有逻辑的基础上动态地为接口添加功能，扩展性很好。

算法题：寻找第 K 大

给定一个整数数组 nums 和一个整数 k，请你返回数组中第 k 大的元素。

这里的“第 k 大”指的是按从大到小排序后的第 k 个元素

不是第 k 个不同的元素

需要在不一定完全排序整个数组的前提下，找到答案

输入：nums = [3,2,1,5,6,4], k = 2

输出：5

解释：从大到小排序后为 [6,5,4,3,2,1]，第 2 大的元素是 5。

回答：

这道题是找数组中第 k 大的元素，注意不是第 k 个不同的元素，数组中可能有重复值。

最直接的做法是先排序，从大到小排序后取第 k 个，时间复杂度是 O(n log n)。

但其实这题不需要完全排序，可以用快速选择（Quick Select）优化到 O(n)。

它的核心思想是基于快排的 partition，每次选一个 pivot，把数组分成三部分：大于、等于、小于。

然后判断第 k 大落在哪一部分，只递归那一边。

举个例子，比如 pivot （分割线） 是 4，可以分成 [5,6]，[4]，[3,2,1]，如果 k 在左边，就只递归左边。

这样平均时间复杂度是 O(n)，最坏情况是 O(n²)，一般通过随机选择 pivot 来避免。

面试官追问了一下：为什么是 O(n)？

因为每一轮 partition 都会淘汰掉一部分数据，不需要像快排一样递归两边，所以整体是线性的。

又问了 可以用堆吗？

可以，用一个大小为 k 的最小堆，时间复杂度是 O(n log k)，适合数据流场景。