PHP高级工程师面试题

知识点列表

一、Redis

1. redis

• 应用场景
• string
• hash
• set：去重
• zset: 排行榜
• list：（阻塞队列、消息通信）
• HyperLogLog：大量统计（非精确）
• 内部数据结构
• dict：key[string] VS value （redis obj）;拉链法解决冲突（同php）;装载因子（哈希表已保存节点数量 / 哈希表大小）超过预定值自动扩充内, 引发（增量式）rehashing
• 根据ht[0]创建一个比原来size大一倍（也可能减少）的hashtable，
• 重新计算hash和index值，根据rehashindex逐步操作
• 到达一定阈值（ht[0]为空）操作停止
• 期间响应客户端
• 写操作：写到新的ht[1]
• 读操作：先读ht[0]，再读ht[1]
• sds：simple dynamic string
• string的底层实现为sds，但是string存储数字的时候，执行incr decr的时候，内部存储就不是sds了。
• 二进制安全binary safe（5种类型的header+falgs得到具体类型，进而匹配len和alloc）
• robj：redis object，为多种数据类型提供一种统一的表示方式，同时允许同一类型的数据采用不同的内部表示，支持对象共享和引用计数。
• sds
• string
• long
• ziplist
• quicklist
• skiplist

 typedef struct redisObject { unsigned type:4;【OBJ_STRING, OBJ_LIST, OBJ_SET, OBJ_ZSET, OBJ_HASH】 unsigned encoding:4【上述type的OBJ-ENCODING _XXX常量，四个位说明同一个type可能是不同的encoding，或者说同一个数据类型，可能不同的内部表示】; unsigned lru:LRU_BITS; /* lru time (relative to server.lruclock) */ int refcount; void *ptr【真正指向的数据】; } robj 

• OBJ_ENCODING_
• string
• OBJ_ENCODING_RAW,代表sds ，原生string类型
• OBJ_ENCODING_INT，long类型
• OBJ_ENCODING_EMBSTR ，嵌入
• OBJ_HASH
• OBJ_ENCODING_HT，表示成dict
• OBJ_ENCODING_ZIPLIST，hash用ziplist表示
• OBJ_SET
• OBJ_ENCODING_INTSET,表示成intest
• config
• set-max-intset-entries 512【是整型而且数据元素较少时，set使用intset；否则使用dict】
• OBJ_ZSET
• OBJ_ENCODING_SKIPLIST,表示成skiplist
• 思想：多层链表，指针来回查找，插入和更新采取随机层数的方法来规避
• config
• zset-max-ziplist-entries 128
• zset-max-ziplist-value 64
• OBJ_LIST
• OBJ_ENCODING_QUICKLIST
• config
• list-max-ziplist-size -2
• list-compress-depth 0
• 内部结构实现
• string
• hash（两种encoding,根据下面的config）
• ziplist
• dict
• config
• hash-max-ziplist-entries 512【注意单位是“对儿”】
• hash-max-ziplist-value 64【单个value超过64】
• set
• zset
• list
• quicklist
• 定义：是一个ziplist型的双向链表
• 压缩算法:LZF
• zset如何根据两个属性排序？比如根据id和age
• 可以用位操作，把两个属性合成一个double
• 用zunionstore合并存储为新的key，再zrange
• redis是如何保证原子性操作的？
• 因为他是tm单线程的！（ps:mysql是多线程）
• 在并发脚本中的get set等不是原子的~
• 在并发中的原子命令incr setnx等是原子的
• 事务是保证批量操作的原子性
• 主从复制过程：

1. 从服务器向主服务器发送sync
2. 主服务器收到sync命令执行BGSAVE,且在这期间新执行的命令保存到一个缓冲区
3. 主执行（BGSAVE）完毕后,将.rdb文件发送给从服务器，从服务器将文件载入内存
4. BGSAVE期间到缓冲区的命令会以redis命令协议的方式，将内容发送给从服务器。

• 特性：
• 单线程，自实现（event driver库，见下面四个io多路复用函数）
• 在/src/ae.c中:宏定义的方式

 /* Include the best multiplexing layer supported by this system. * The following should be ordered by performances, descending. */ #ifdef HAVE_EVPORT #include "ae_evport.c" #else #ifdef HAVE_EPOLL #include "ae_epoll.c" #else #ifdef HAVE_KQUEUE #include "ae_kqueue.c" #else #include "ae_select.c" #endif #endif 

• io多路复用，最常用调用函数：select（epoll，kquene，avport等），同时监控多个文件描述符的可读可写
• reactor方式实现文件处理器（每一个网络连接对应一个文件描述符），同时监听多个fd的accept，read（from client），write（to client），close文件事件。
• 备份与持久化
• rdb（fork 进程dump到file，但是注意触发节点的覆盖问题，导致数据不完整）
• 手动 save bgsave
• 自动 conf:save 900 1 save 300 10 save 60 10000 dbfilename dump.rdb
• 优点：对服务进程影响小，记录原数据文件方式便于管理还原
• 缺点：可能数据不完整
• aof（类似binlog）
• appendfsync no
• appendfsync everysec
• appendfsync always （每执行一个命令）
• 优点：数据最完整，支持rewrite
• 缺点:文件相对rdb更大，导入速度比rdb慢
• 过期策略：
• 定时过期：时间到了立即删除，cpu不友好，内存友好。
• 惰性过期：访问时判断是否过期：cpu友好，内存不友好
• 定期过期：expires dict中scan，清除已过期的key。cpu和内存最优解
• 内存淘汰机制
• 127.0.0.1:6379> config get maxmemory-policy

1) "maxmemory-policy" 2) "noeviction" 127.0.0.1:6379> 

• noeviction：新写入时回报错
• allkeys-lru:移除最近最少使用的key
• allkeys-random：随机移除某些key
• volatile-lru：设置了过期时间的key中，移除最近最少使用
• volatile-random：不解释
• volatile-ttl：设置类过期时间的键中，有更早过期时间的key优先移除
• redis队列不足之处
• 队列可能丢东西
• 比如redis挂了，producer没有停止，但是队列数据无法写入（除非同步落地到mysql）
• 队列的consumer 需要手动处理commit协议
• 如果consumer处理完，表示真正完成
• 如果没有处理完？放回队列？直接丢弃？
• 事件重放机制不支持
• 比如consumer消费错了，那能不能将队列回放呢再次处理呢？
• 队列最大长度及过期时间
• 如果producer远大于consumer，撑爆了怎么办
• 如果comsumer 一直没有处理，producer的数据如何处理
• exactly once
• 单机分布式锁没问题，集群情况下不靠谱
• vs memcache
• memcached
• 优势
• 多线程（listen & woker)，利用多核
• round robin
• cas（check and set，compare and swap）
• 劣势
• cache coherency、锁
• key大小有限制（1M）
• 特点
• 内存预分配：slab+trunk
• redis
• 优势：
• 自己封装了一个AEEvent（epoll+select+kqueue），io多路复用
• 丰富的数据结构（对内+对外）
• 良好的持久化策略（rdb +aof）
• 单机可部署多实例，利用多核
• 劣势：
• 排序、聚合cpu密集操作会等影响吞吐量
• key 大小最大为1g
• more | other
• redis ziplist与普通双向链表的区别：普通的链表每一项都占用独立的一块内存，各项之间用地址指针（引用）连接起来，这样会导致大量碎片。而ziplist是将表中每项放在前后连续地址空间内，而且对值存储采取变长编码。
• redis msetnx对应的del，可以采取lua脚本保证get del的原子性
• redis 单线程如何实现阻塞队列？
• 阻塞是阻塞client，又不是阻塞server，server不发数据，client不就阻塞住了，当client想要阻塞在某个key上，server会把这个client放到一个block list里，等key发生变化，就send数据给client。
• redis 阻塞队列的时间设置实现？
• blocklist里只存了列表，这个timeout存在连接上，靠serverCron来遍历检测，每次遍历5个，
• 高性能的方案是小堆或者红黑树或者时间轮实现的定时器结构，epoll wait那块timeout参数就设置成下次超时时间
• 每次poll loop里除了处理io事件，再把定时器的数据结构里处理下，堆和红黑只要检测到一个未超时就可以break了，时间轮这是当前槽都触发了就行
• 每次检测5个这种比较折中，因为他场景不是大量并发的服务器，rds cli的连接数量毕竟使用者内部可控，而且不需要精确打击，只要保障相对能及时清理就行，redis的网络部分相对比较简单，业务场景可控，足够了
• redis集群情况下如何做到两个key必hash到一个节点？用{}

二、MySql

1. mysql

• 索引
• 物理存储
• 聚簇索引
• 非聚簇索引
• 数据结构
• B+树
• hash
• fulltext
• R-tree
• 逻辑角度
• 唯一索引 unique
• 普通索引index
• 主键索引 primary key
• 全文索引 full index（myisam）
• 复合索引 （最左前缀原则）
• 类似 where a and b and c a b c 问题
• 联合索引（a,b,c） 能够正确使用索引的有（a=1）， （a=1 and b=1），（a=1 and b=1 and c=1）（b=1 and c =1
• 引擎类型
• myisam
• innodb
• 区别：

1. myisam采用非聚集索引，innodb采用聚集索引
2. myisam索引myi与数据myd文件分离，索引文件仅保存数据记录指针地址。
3. myisam的主索引与辅助索引在结构上没区别，而innodb不一样：innodb的所有辅助索引都引用主索引作为data域。
4. innodb支持事务，行级锁。myisam不行。
5. innodb必须有主键，而myisam可以没有。

• 相同点：
• 都是b+tree 索引
• 存储
• innodb

• 数据被逻辑的存在tablespace，extend（区）中有多个page，page（默认16kb）里放row（每一行，大概每个page放2-200行记录）
• .frm:table’s format
• .ibd:table data & associated index data
• ubunut的frm文件和ibd文件可在目录root@udev:/var/lib/mysql# ls中查看，下图为innodb行格式,由下到上，均向上兼容

• Antelope 羚羊 对存放bolb或者大varchar存储极长的数据时，将行数据的前768字节存储在数据页中，后面通过偏移量指向溢出页。
• compact 紧凑的
• redundant 多余的
• Barracuda 梭鱼
• antelope对存放blob的数据完全溢出，在数据页中只存在20个字节的指针，实际数据放在bolb page
• compressed
• dynamic
• more
• myisam
• frm(与innodb通用)，在磁盘的datadir文件
• myi
• myd
• 事务
• 原子性atomicity
• 一致性consistency
• 隔离性lsolation
• 持久性durability
• 分表数量级
• 单表在500w左右，性能最佳。BTREE索引树 在3-5之间
• 隔离级别
• 事务的隔离性是数据库处理数据的基础之一，隔离级别是提供给用户在性能和可靠性做除选择和权衡的配置项目，以下四种情况都有一个前提（在同一个事物中）
• read_uncommited:脏读，不加任何锁，可能读到未提交的行，见下图

• read_commit：不可重复读，只对记录加记录锁，而不会在记录间加间隙锁。所以允许新的记录插入到被锁定记录的附近，所以多次使用查询语句时，可能得到不同的结果，non_repeatable_read，见下图

• repeatable_read【默认级别】：幻读，返回第一次的查询的快照（不会返回不同数据），但是可能有幻读（phantom read），虽然第一次是个空，但是在session2中提交之后，发现已经有了这条数据。见下图

• serialize：解决了幻读
• 索引机制（算法）
• hash
• b+tree（m阶b+tree）
• 所有数据保存在叶子节点，有k个子树的中间节点包含有k个元素
• 所有叶子节点包含了全部的元素信息，及指向这些元素记录的指针，且叶子节点本身依关键字的大小自小而大顺序链接
• 所有的中间节点元素都同时存在于子节点，在子节点元素中都是最大（或最小）元素（或者说：每一个父节点的元素都出现在子节点中，是子节点的最大或者最小元素）
• 插入的元素，要始终保持最大元素在根节点中，再次说：所有的叶子节点包含了全量元素信息。每个叶子节点都带有指向下个节点的指针，形成了有序链表

• b-tree【不要念成b减tree】
• 内存操作（单一节点数量很多时，注意并不比二叉查找树数量少，只是速度比硬盘要快）
• 自平衡
• 左旋、右旋
• mongoDB用的是balance tree
• 特点（m阶的B树）
• 根节点至少有两个子女
• 每个中间节点都包括k-1个元素和k个孩子（m/2<=k<=m)
• 每个叶子节点都包括k-1个元素，（m/2<=k<=m)
• 所有的叶子节点位于同一层
• 每个节点中的元素从小到大排序，节点当中k-1个元素正好是k个孩子包含元素的值域划分
• b+与b-区别

1. b+中间节点没有卫星数据，而b-tree有卫星数据（可以理解为key+data的二维数组），所以前者同样大小可以容纳更多的节点元素。这样又导致了b+比b更“矮胖”，更进一步减少了io查询次数。很好的解释了下面这句话：在cluster index（聚集索引中），叶子节点直接包含卫星数据；在非聚集索引中nonclustered index中，叶子节点带有指向卫星数据的指针。
2. b-只要查找到匹配元素，直接返回，网络匹配元素处理中间节点还是叶子节点。而b+查询必须查找到叶子节，相对于b-，b+无需返回上层节点重复遍历查找工作，所以得出b-查找并不稳定，而b+是稳定的。
3. 针对范围查询，b-需要n次中序遍历，而b+只需要通过子节点链表指针遍历即可。
4. 锁

• 种类
• optimistic lock乐观锁（并非真正的锁，先尝试在，再更改，loop and try）
• 特点：不会真死锁，一定条件下有较高的冲突频率和重试成本，但是相对悲观可以有更好的并发量
• pessimistic lock悲观锁（先占有，再修改，再释放）
• 粒度划分
• 行锁
• 表锁
• 意向锁 intention lock（表级锁)
• 场景：A对表中一行进行修改，B对整个表修改。如果没有以下的两个锁，B将对全表扫描是否被锁定。反之，A可以对某行添加意向互斥锁（表级），然后再添加互斥锁（行级），然后B只需要等待意向互斥锁释放）
• 意向共享锁
• 意向互斥锁
• 共享锁shard lock 读锁（行锁）
• 排它锁exclusive lock 写锁（行锁）
• 锁的算法
• record lock：加到索引记录上的锁，如果通过where条件上锁，而不知道具体哪行，这样会锁定整个表
• gap lock：某个区间的锁定，对索引记录中的一段连续区域的锁。
• next-key lock：上两者的结合
• 死锁：

• 注意区分 deadlock VS lock wait timeout

1. 分库分表
2. 主从
3. ACID
4. 覆盖索引（复合索引）

• 定义：包含两个或多个属性列的索引称为复合索引。如果查询字段是普通索引，或者是联合索引的最左原则字段，查询结果是联合索引的字段或者是主键。这种就不必通过主键（聚集索引再次查询）
• 目的：减少磁盘io，不用回表
• b+树索引

1. 聚集索引cluster index 一般为primary key

• 定义：按照每张表主键构建一棵B+TREE,叶子节点放的整张表的行记录数据
• 与之相对应的是辅助索引（secondary index）
• innodb存储引擎支持覆盖索引，即从辅助索引中可以查到查询记录，而不需要查询聚集索引中的记录。
• b平衡树+树索引

• 上图对应的表结构:

 CREATE TABLE users( id INT NOT NULL, first_name VARCHAR(20) NOT NULL, last_name VARCHAR(20) NOT NULL, age INT NOT NULL, PRIMARY KEY(id), KEY(last_name, first_name, age) KEY(first_name) 

• 一张表一定包含一个聚集索引构成的b+树以及若干辅助索引构成的b+树
• 每次给字段建一个索引，字段中的数据就会被复制一份出来。用于生成索引，（考虑磁盘空间）。不管何种方式查表，最终都会利用主键通过聚集索引来定位到数据。聚集索引（主键）是通往真实数据的唯一出路。

1. 辅助索引：非聚集索引都可以被称作辅助索引，其叶子节点不包含行记录的全部数据，仅包含索引中的所有键及一个用于查找对应行记录的【书签（即主键或者说聚集索引）】，下面两个图为辅助索引（first_name，age）以及通过主键再次查找的过程

1. 联合索引：与覆盖索引没有区别，或者理解为覆盖索引是联合索引的最优解（无需通过主键回表）。
2. explain

• extra
• using index ：condition(用了索引，但是回表了)
• using where ：uning index（查询的字段在索引中就能查到，无需回表）
• using index condition：using filesort（重点优化：表明查到数据后需要再进行排序，尽量利用索引的有序性。）
• using where：using index
• type（连接类型：join type），以下逐步增大
• system 系统表，磁盘io忽略不计（有些数据就已经在内存中）
• const 常量连接（加了where条件限制，命中主键pk或者唯一unique索引）
• eq_ref 主键索引或者非空唯一索引、等值连接；如果把唯一索引改为普通索引+等值匹配，可能type只为ref，因为可能一对多
• range 区间范围 between and；where in，gt lt；（注意必须是索引）
• index 索引树扫描，即需要扫描索引上的全部数据，比如innodb的count
• all 全表扫描
• select * 与索引（看主要命中条数与总条数，如果相近，用不到索引，就全回表了，如果是一定范围，那就是range use indexcondition）
• rows（粗略统计，不是精确）

1. 其他：
2. varchar为啥为65535？compact行记录的第一个字段为变长字段长度列表，为2个字节16位。参考
3. 一个表最多多少行？1023，具体也是看行格式的数据结构即可，参考上文的参考链接。
4. 为什么建议给表加主键？主键的作用是把数据格式转为索引（平衡树）
5. 联合索引在b+树中如何存储？
6. 为什么索引不直接用二叉查找树，要用b树，b+树？主要考虑减少磁盘io（考虑磁盘物理原理及局部性与磁盘预读的特性：）
7. myisam和innodb必须有主键吗？innodb必须有，数据文件需要按照主键聚集，如果没有innodb会自动生成。

三、算法&数据结构

• 最小堆：根节点为最小值，且节点比其他孩子小
• 平衡树（avl 红黑树）
• 最大堆：根节点为最大值，且节点比其他孩子大
• sikplist
• hash
• hash 碰撞原因
• hash 碰撞解决方案
• 拉链,塞到链表里（想到了php max_input_vars）
• 开放寻址，一直找..
• 线性探测
• 二次探测再散列
• 伪随机数
• 再hash
• 给定数值n，判断n是斐波那契数列的第几项？写算法
• 反转列表如A->B->C->D 到A->D->C->B
• 插入排序
• 数组与链表区别与联系
• 链表操作
• 单链表删除

 p->next=p->next->next; if(head->next===null){ head=null } 

• 单链表插入

 new_node->next=p->next; p->next=new_node if(head===null){ head=new_node; } 

• 应用问题
• 如何实现一个LRU功能？【双向链表】
• 如何实现浏览器前进后退功能？【两个栈】

四、设计模式

1. 设计模式

• 单例模式 （static ，consturct）

 static private $instance; private $config; private funciton __construct($config){ $this->config=$config; } private funciton __clone(){ } static public function instance($config){ if(!self::$instance instanceof self){ self::$instance=new self($config); } return self::$instance; } } 

• 简单工厂（switch case include new return )

 { public function makeModule($moduleName, $options) { switch ($moduleName) { case 'Fight': return new Fight($options[0], $options[1]); case 'Force': return new Force($options[0]); case 'Shot': return new Shot($options[0], $options[1], $options[2]); } } } # 使用工厂方式 001 class Superman { protected $power; public function __construct() { // 初始化工厂 $factory = new SuperModuleFactory; // 通过工厂提供的方法制造需要的模块 $this->power = $factory->makeModule('Fight', [9, 100]); // $this->power = $factory->makeModule('Force', [45]); // $this->power = $factory->makeModule('Shot', [99, 50, 2]); /* $this->power = array( $factory->makeModule('Force', [45]), $factory->makeModule('Shot', [99, 50, 2]) ); */ } } # 使用工厂方式 002 class Superman { protected $power; public function __construct(array $modules) { // 初始化工厂 $factory = new SuperModuleFactory; // 通过工厂提供的方法制造需要的模块 foreach ($modules as $moduleName => $moduleOptions) { $this->power[] = $factory->makeModule($moduleName, $moduleOptions); } } } // 创建超人 $superman = new Superman([ 'Fight' => [9, 100], 'Shot' => [99, 50, 2] 

• 门面模式
• 对客户屏蔽子系统组件，减少子系统与客户之间的松耦合关系

五、正则表达式

1. 正则表达式

• 应用场景
• 范匹配
• 模版引擎
• 词法分析器（lex）
• 常见正则

六、PHP

1. php

• 代码解释过程(大多的非编译语言)
• lexical词法分析，输入为源代码，输出为token
• 语法分析 工具为文法（LALR），输出为表达式，7.0为AST，涉及:
• 注释
• 分号 & 分隔符
• 变量
• 常量
• 操作数
• 类型检查、关键字处理、导入，输出为中间代码。工具为选定的的编译器优化工具
• 中间代码生成（Opcodes）
• 机器码生成（编译语言）
• session共享配置
• phpunit用法
• cookie购物车和session购物车的实现
• 弱类型实现
• 代码规范
• 自动化：sonarquebe+jenkins
• 单元测试
• php进程间如何通信
• 信号量
• 消息队列
• 管道
• socket
• 共享内存
• php并发模型
• 变量底层存储结构
• 常用的数组函数(列出10个)
• array_combine(前面数组作为其键，后面数组做为其值)
• array_merage(合并两个数组，后面覆盖前面，但数字索引会重新索引，不会覆盖)
• array_multisort
• php垃圾回收机制（gc）
• zend.enable_gc php.ini
• gc_enable() funciton
• 把session放入redis里面还会触发类似文件的state session
• session.gc_probability （default 1）
• session.gc_divisor （default 100）
• session.gc_maxlifetime（单位秒）
• session.cookie_lifetime（单位秒，0表示直到关闭浏览器）
• session.save_path
• session_write_close （显示关闭，后期使用需要显示开启）

七、操作系统

1. 操作系统

• 多线程
• 多进程
• 协程的理解
• socket和管道的区别
• 进程间通信手段
• 共享内存
• rpc
• 管道
• 线程间通信手段
• 读写进程数据段

八、网络协议

1. 网络协议

• http
• 构成：起始行（GET =>200）,首部头 （ACCEPT=>CONTENT-TYPE）,主体 name =》tongbo
• 版本：
• 1.0
• 1.1
• 2.0 :多路复用、流量控制
• 长连接
• 在一个连接上发送多个数据包
• 心跳、如何发送心跳
• httpdns
• 定义：用http协议代替原始的udp dns协议，可以绕过运营商的local dns
• 解决问题：避免local dns造成的域名劫持问题和调度不精确问题（更多是在移动客户端）
• 其他解决方案
• 客户端dns缓存
• 热点域名解析
• 懒更新策略（ttl过期后再同步）
• post请求分割head 和body
• get vs post：
• get（
• 安全幂等，请求实体资源
• 参数只能url编码，且参数长度有限制
• 浏览器会自动加cache
• post
• 附加请求实体于服务器
• 产生两个tcp数据包
• 数据支持多种编码格式
• resultful
• get：获取资源
• post：新建资源
• put:更新完整资源
• delete：删除资源
• patch：更新部分资源
• Rpc VS Http/rest
• http/rest
• 同步阻塞
• 异步回调
• 优点
• 客户端支持度高
• 监控方便
• 注意点
• 通信效率低
• rest的put/delete支持度差
• rpc
• 分类
• soap（http）
• protocol buffer（tcp）
• thrift（tcp）
• 优势
• 二进制支持
• 自动生成服务端、客户端代码，支持语言丰富
• 自带序列化
• 注意点
• 字段类型与定义问题
• tcp
• 面向连接，先建立（握手），然后释放（挥手确认拜拜）
• 只能点对点
• 可靠交付（相对来说），全双工，接收和发送端都设有发送和接收cache
• 面向字节流（流：一连串，无结构的的信息流，流入到进程或从进程流出的字节序列，而一个报文段多少字节是根据窗口值和网络拥塞程度动态变化的）
• 释放：
• 客户端：FIN_WAIT 1,停止发送数据给服务端。等待服务端确认
• 服务端：ack ，进入CLOSE_WAIT(关闭等待)，此时如果服务端有数据要发送，客户端还可以接收。
• 客户端收到服务端确认后，进入FIN_WAIT 2,等待服务器发出连接释放报文段。
• 此时如果服务端没有数据要发送，发送上步骤客户端等待的释放报文段，然后服务端进入LAST_ACK
• 客户端收到服务端的last_ack后，发出确认，进入TIME_WAIT,经过2MSL后，客户端关闭
• 服务端收到客户端报文段后，进入CLOSE

• 关于TIME_WAIT:
• time_wait是一种TCP状态，等待2msl可以保证客户端最后一个报文段能够到达服务器，如果未到达，服务器则会超时重传连接释放报文段。使得客户端、服务器都可以正常进入到CLOSE状态。
• 关于’粘包’
• 分包：在一个消息体或一帧数据时，通过一定的处理，让接收方能从字节流中识别并截取（还原）出一个个消息体。
• 短连接tcp分包：发送方关闭连接，接收方read 0，就知道消息尾了
• 长连接TCP分包：
• 消息长度固定or消息头中加长度字段
• 固定消息边界，比如http:rn
• 利用消息本身格式，如xml，json
• 特性协议
• 停等
• 超时重传
• 慢启动
• 滑动窗口
• 快速重传
• udp
• 无连接、best effort、面向报文（不合并、不拆分，保留边界）
• 无拥塞控制、流量控制、首部开销小（8个字节，而tcp有20个首部）
• 支持一对一，一对多，多对一
• 自定义协议
• rpc

九、大前端

1. js

• 百度统计的实现
• 基于cookie，引入js脚本及baidu个人账户id，读取当前信息，适当节点发送请求给百度服务器

十、中间件

1. 中间件

• rebbitmq
• kafka
• Redis 队列

十一、php框架

1. php框架

• ci
• yii
• laravel
• AppServiceProvider register：服务提供者注册
• IocContainer：(工厂模式的升华：ioc容器)
• 控制反转（inversion of control）可以降低计算机代码之间的耦合，其中最常见的方式叫做依赖注入。（Dependence Injection），还有一种方式为依赖查找。
• 实现方式
• 基于接口:实现特定接口以供外部容器注入所依赖类型的对象。
• 基于set方法：还没搞明白。
• 基于构造函数：实现特定参数的构造函数
• 管理类依赖
• 执行（依赖注入DI)：通过构造函数或者某些情况下通过setter方法将类依赖注入到类中，容器并不需要被告知如何构建对象，因为他会使用php的反射服务自动解析出具体的对象。
• swoole
• 依赖注入与控制翻转

十二 、运维

1. 运维&架构

• 服务器cpu99%如何分析
• mysql 占cpu如何分析
• php占cpu较高如何分析
• sso实现方法
• mysql优化方法
• 如何提高监测数据的准确性
• docker 原理及引用及编排管理

十三、golang

1. golang

• todo

十四、 Linux

1. linux

• epoll
• 查看负载：cat /proc/loadavg || w || top
• df
• top shift+M
• free
• ipstat
• strace
• grep [-A ,-B, -C]’HTTP/1.1″ 200′ access.log |wc -l
• socket和管道（pipe）的区别:socket全双工，pipe半双工*2
• awk
• awk ‘{print $1}’ access.log |sort |uniq |wc -l

十五、nginx

1. nginx

• worker_connections
• upstream weight
• 负责均衡实现方式
• 轮询
• ip 哈希
• 指定权重
• 第三方
• fair
• url_hash

十六、分布式 | 微服务

1. 分布式

• redis 分布式锁问题
• cap 及常见应用关注cap哪两点

1. 微服务

• 最佳原则
• 高内聚：修改一个功能，只需要改一个服务
• 低耦合：修改了一个地方，不需要改其他的地方（下游消费者不受影响）
• 业务内原则：
• 新服务用新的微服务，确定无误后保留推进，否则调整
• 老的保留，直到新服务稳定再切换
• 必需的的监控与日志|生产-订阅—消费模型
• 尝试对外不可见的服务先做试点，错误邮件、日志、系统内调用、api内部分成熟接口
• 考虑问题
• 服务发现是否需要客户端自实现？
• 服务可用性保证
• 要不要拆MySQL表？保证服务底层的高内聚？异或是存到nosql
• 数据一致性问题？主从|缓存
• 服务监控日志存储及查询功能是否需要自实现？
• 基于事件+生产|消费模型选型
• rabbitmq
• kafka
• redis 队列
• 请求失败是否需要存入队列以便再次发起（最大重试次数与死信队列）？

其他

1. 其他

• 两个绝对路径，求之间的相对路径
• 分布式
• 基础
• cap原理
• 解决多个节点数据一致性的方案其实就是共识算法
• 分布式协议
• Paxos：Proposer， Acceptor， Learner
• ZAB：Follower, Leader, Observer
• raft：leader ，follower，candidate

• 分布式工具
• zk：zab（base paxos）protocol，
• etcd：raft protocol（mini PAXOS）,k-v database

具体

1. 如何对一个大文件排序（装不进内存的）-好未来

• 思路：
• map reduce
• 分割成小文件（临时文件）
• 去重
• awk grep end for sort
• 输入输出缓冲区

1. 快速排序代码
2. 冒泡排序代码

• 外层循环 0到n-1 //控制比较轮数 n 表示元素的个数
• 内层循环 0到n-i-1 //控制每一轮比较次数
• 两两比较做交换
• 外层循环开始声明 is_switch flag为false，内层循环有交换为true，外层循环结束时判断无switch break

1. 归并排序代码