Java岗大厂面试百日冲刺【Day42】—— 实战那些事儿3

转载自: Java岗大厂面试百日冲刺【Day42】—— 实战那些事儿3

本文已获得原作者 _陈哈哈授权并经过重新整理规划后发布。

本栏目Java开发岗高频面试题主要出自以下各技术栈：Java基础知识、集合容器、并发编程、JVM、Spring全家桶、MyBatis等ORMapping框架、MySQL数据库、Redis缓存、RabbitMQ消息队列、Linux操作技巧等。

面试题1：如果用mybatis批量插入数据时需要返回主键，你是怎么做的？

需要在Mapper.xml的中标签中配置useGeneratedKeys和keyProperty两个属性，就可以在批量插入时返回主键。

比如有个表t_user，里面有 user_id,user_name,sex 这三个字段，其中user_id是自增主键。

下面是批量插入的Dao层接口：

List<String> insertUsers(@Param("list") List<UserInfo> users);

xml形式：

<insert id="insertUsers" useGeneratedKeys="true" keyProperty="user_id" resultType="String">
    insert into t_user (user_name,sex)
    values
    <foreach collection="list" item="c" separator=",">
        (#{c.user_name},#{c.sex})
    </foreach>
</insert>

注解形式：

@Insert("<script>insert into t_user (user_name,sex) values " +
        "<foreach collection='list' item='c' separator=','>(#{c.user_name},#{c.sex})</foreach></script>")
@Options(useGeneratedKeys = true, keyProperty = "user_id",  resultType="String")
List<String> insertUsers(@Param("list") List<UserInfo> users);

注意：@Param里和foreach的collection里都需要写成list，其实是源码中写死了key为list，否则批量插入后会报错说找不到"user_id"字段，而无法返回主键。

这种方式的前提是该表主键有序自增，它的原理其实就是拿到当前表中最大ID，然后结合影响行数来返回相应数据。但这就需要固定的insert场景，如果是insert ignore这种可能和实际影响行数不同的情况，就会出现不准确的情况。

面试题2：在微服务中你是如何实现不同服务间session 共享的?

在微服务中，一个完整的项目被拆分成多个不相同的独立的服务，各个服务独立部署在不同的服务器上，各自的 session 被从物理空间上隔离开了，但是经常，我们需要在不同微服务之间共享 session。

常见的方案就是 Spring Session + Redis 来实现 session 共享。将所有微服务的 session 统一保存在 Redis 上，当各个微服务对 session 有相关的读写操作时，都去操作 Redis 上的 session 。这样就实现了session 共享，Spring Session 基于 Spring 中的代理过滤器实现，使得 session 的同步操作对开发人员而言是透明的，非常简便。

同时，Spring Session已经集成了redis，可以很方便的将session存到redis中从而实现单点登陆/登出的效果，但是从微服务的角度来说，为了降低系统间的耦合度，一般会单独建一个Redis服务来搞session共享。

1、pom 文件中引入以下包

<!--spring boot 与redis应用基本环境配置 -->
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>
<!--spring session 与redis应用基本环境配置 -->
<dependency>
    <groupId>org.springframework.session</groupId>
    <artifactId>spring-session-data-redis</artifactId>
</dependency>

2、application.properties配置好 redis

spring.redis.database = 0
spring.redis.host = 192.168.xx.xx
spring.redis.port = 6379
spring.redis.password = test
spring.redis.pool.max-active = 200
spring.redis.pool.max-wait = -1
spring.redis.pool.max-idle = 10
spring.redis.pool.min-idle = 0
spring.redis.pool.timeout = 1000

在需要共享 session 的服务的启动类上，加上注解即可

@EnableRedisHttpSession
@SpringBootApplication(exclude= {DataSourceAutoConfiguration.class})
public class PhoneApplication {

    public static void main(String[] args) {
        SpringApplication.run(PhoneApplication.class, args);
    }

}

面试题3：你了解分库分表么？分库分表一般出现在哪些场景下？

分库：由单个数据库实例拆分成多个数据库实例，将数据分布到多个数据库实例中。
分表：由单张表拆分成多张表，将数据划分到多张表内。

随着业务数据量和网站QPS日益增高，对数据库压力也越来越大，单机版数据库很快会到达存储和并发瓶颈，就需要做数据库性能方面的优化，分库分表采取的是分而治之的策略，分库目的是减轻单台MySQL实例存储压力及可扩展性，而分表是解决单张表数据过大以后查询的瓶颈问题，坦白说，这些问题也是所有关系型数据库的“硬伤”。

常用策略包括：垂直分表、水平分表、垂直分库、水平分库。

一、朴实无华的 - 分表

1、垂直分表

垂直分表，或者叫竖着切表，是不是感受到该策略是以字段为依据的！主要按照字段的活跃性、字段长度，将表中字段拆分到不同的表（主表和扩展表）中。

特点：

每个表的结构都不一样；
每个表的数据也不一样，
有一个关联字段，一般是主键或外键，用于关联兄弟表数据；
所有兄弟表的并集是该表的全量数据；

场景：

有几个字段属于热点字段，更新频率很高，要把这些字段单独切到一张表里，不然innodb行锁很恶心的，锁死你呀,如用户表里的余额字段？不，我的余额就很稳定，一直是0。。
有大字段，如text，存储压力很大，毕竟innodb数据和索引是同一个文件；同时，我又喜欢用SELECT *，你懂得，这磁盘IO消耗的，跟玩儿似的，谁都扛不住的。
有明显的业务区分，或表结构设计时字段冗余；有些小伙伴看到第一点时，就发现陈哈哈是个菜鸡，用户表怎么会有余额字段？明显有问题啊！是的，因此不同业务我们要把具体字段拆开，这样才有利于业务后续扩展哦。

2、水平分表

水平分表，也叫“横着切”。。以行数据为依据进行切分，一般按照某列的自容进行切分。

如手机号表，我们可以通过前两位或前三位进行切分，如131、132、133 → phone_131、phone_132、phone_133，手机号有11位（100亿），量大是很正常的事儿，这年头谁家老头老太太每个手机呢是吧。这样切就把一张大表切成了好几十张小表，数据量不就下来了。有同学就问了那我怎么知道我这手机号查哪个表呢？一看你就没认真看前两行标红的点，为啥标红嘞？比如我查13100001111，那我截取前三位，动态拼接到查询的表名上，就行了。

特点：

每个表的结构都一样；
每个表的数据都不一样，没有交集；
所有表的并集是该表的全量数据；

场景：单表的数据量过大或增长速度很快，已经影响或即将会影响SQL查询效率，加重了CPU负担，提前到达瓶颈。记得水平分表越早越好

二、花里胡哨的 - 分库

需要你注意的是，传统的分库和我们熟悉的集群、主从复制可不是一个事儿；多节点集群是将一个库复制成N个库，从而通过读写分离实现多个MySQL服务的负载均衡，实际是围绕一个库来搞的，这个库称为Master主库。而分库就不同了，分库是将这个主库一分为N，比如一分为二，然后针对这两个主库，再配置2N个从库节点。

3、垂直分库

纵向切库，太经典的切分方式，基于表进行切分，通常是把新的业务模块或集成公共模块拆分出去，比如我们最熟悉的单点登录、鉴权模块。

特点：

每个库的表都不一样；
表不一样，数据就更不一样了~ 没有任何交集；
每个库相对独立，模块化

场景：可以抽象出单独的业务模块时，可以抽象出公共区时（如字典、公共时间、公共配置等），或者想有一台属于自己的服务器时？

4、水平分库

以行数据为依据，将一个库中的数据拆分到多个库中。大型分表体验一下？坦白说这种策略并不实用，因为会对后台开发很不友好，有很多坑，不建议采用，理解即可。

特点：

每个库的结构都一样；
每个库的数据都不一样，没有交集；
所有库的并集是全量数据；

场景：系统绝对并发量上来了，CPU内存压力大。分表难以根本上解决量的问题，并且还没有明显的业务归属来垂直分库，主库磁盘接近饱和。

其实，在实际工作中，我们在选择分库分表策略前，想到的应该是从缓存、读写分离、SQL优化等方面，因为这些能够更直接、代价更小的解决问题。要记住动表就是动根本，你永远不知道这张表后面会连带多少历史遗留问题.

目录CONTENT

Java岗大厂面试百日冲刺【Day42】—— 实战那些事儿3

😋特惠💰

Java岗大厂面试百日冲刺【Day42】—— 实战那些事儿3

面试题1：如果用mybatis批量插入数据时需要返回主键，你是怎么做的？

面试题2：在微服务中你是如何实现不同服务间session 共享的?

面试题3：你了解分库分表么？分库分表一般出现在哪些场景下？

评论区