分布式技术高频面试考点梳理

1：如何准备一线互联网公司面试？

本课时我们来讲讲如何准备一线互联网公司面试。

互联网技术面试的特点

互联网公司的技术面试有一些侧重点，国内互联网公司和外企的侧重点又有不同。BAT 互联网公司看重项目能力，重点考察语言深度和项目能力，国外 IT 公司更看重计算机基础，比如微软和 Amazon 的面试，每轮面试都是算法题的在线测评，针对社招还会有 System Design 题目。

一般来说，一线互联网公司面试都有下面的特点：

1. 看重数据结构和算法等计算机基础知识

一线互联网公司在面试中更加关注计算机基础知识的考察，比如数据结构和算法，操作系统、网络原理，目前，很多国内公司在招聘上也看齐 Google、Facebook 等海外企业，面试重点考察算法，如果没有 ACM 经验，不刷题很难通过。

2. 深入技术栈，考察对原理和源码的掌握程度

深入底层实现，考察对相关组件的原理掌握程度，以及是否读过源码等。因为互联网用户基数比较大，一个细微的优化可能会带来很大的收益，同样，一个很小的问题可能会对线上业务造成毁灭性的影响，所以要知其然还要知其所以然，对技术栈的掌握要求比较深入。

3. 偏向实际问题，考察业务中的应用

面试中通常会结合实际业务场景来提问，其考察的是在真实业务中如何设计。我们知道，条条大路通罗马，一个功能点，技术方案可能有很多，但是从落地到代码实现，就要限制于整体方案、上下游约束等，典型的比如秒杀系统、微博会员关注关系设计等。

4. 重视分布式系统、高可用等设计方向

大型互联网公司，特别是 C 端的业务，面对的是海量的用户和请求，牵一发而动全身，对系统可用性、分布式高可用等有极高的要求，所以在面试中会重点考察分布式系统设计，如何构建高并发高可用的系统。

如何高效准备面试

分析了互联网公司的面试特点，接下来就是有针对性的准备面试。如何快速了解一个公司的招聘要求？答案就是去各大招聘网站，从招聘启事入手，这也是最快、最有效的方式。

我们总结了招聘网站上十几家互联网大厂的招聘启事，从中寻找共性，以 Java 语言为代表，把一线互联网公司后端工程师通用的招聘要求列在了下面：

计算机以及相关专业，本科或以上学历；
扎实的数据结构与算法基础，熟悉计算机及网络相关知识；
熟悉 Java 开发，掌握面向对象思想，具备扎实的抽象能力、设计能力；
熟练使用 Spring 或其他 Web 框架，了解其原理；
熟练使用 MySQL、Redis、 MongoDB 或者 ElasticSearch 等存储技术；
了解 JVM 内存管理，掌握 JVM 调优技能；
熟悉分布式系统常见技术，掌握 RPC 框架和微服务架构；
良好的沟通交流能力，具备较强的学习能力和责任心，可以编写良好的代码文档。

感兴趣的可以去招聘网站上看一下，对后端开发的要求，基本就是在这个范围里，从这个通用招聘要求上，我们可以逐条拆解，总结如何高效准备面试。

1. 对学历和专业的要求，硬性标准

对学历和专业的要求，这一条一般都会注明，不过计算机行业比较包容，不拘一格，非科班以及转专业的技术大牛也有很多，这里不展开。

2. 加强计算机基础，提高算法和数据结构、操作系统等底层能力

计算机基础能力是面试的重点，在校招中更是着重考察。

数据结构方面，基本的数组、栈和队列、字符串、二叉树等结构，比如二叉树是面试中的重点，手写红黑树有点夸张，不过基本的遍历、二叉树重建、二叉树深度等必须掌握，需要在白纸上写写代码，考的是白板编程能力。

算法方面，基本的排序和查找、递归、分治、动态规划之类都会考察，这方面可以多看看《剑指 offer》《编程珠玑》，国内推荐牛客网，国外就是 LeetCode 的高频题。

操作系统和网络原理，比如基本的调度算法、文件系统，还有各种网络协议，比如 TCP/IP 协议、拥塞控制等。操作系统推荐机械工业出版社的华章系列教材，网络原理也有一些经典书籍，如果觉得《TCP/IP 详解》太厚，可以看《图解 HTTP 协议》和《图解 TCP/IP 协议》。

3. 深入一门编程语言，了解底层实现，各种语法糖和特性

后端工程师不管学习多少语言，都要有一门自己的主编程语言，什么是主编程语言，就是对这个编程语言你可以达到精通的程度，不是只会用，要从代码编译开始就知道程序是怎么运行的。典型的主语言有 Java、C++、PHP 及 Python 等。

针对 Java 语言，要了解 Java 语言的底层机制，字节码怎么用，为什么 Java 是平台无关型语言，这些都要搞明白，应用层面，对集合框架、网络 IO、并发编程、泛型、异常、反射等技术都要有比较深入的了解，一些常见的组件，还要学习源码，优化层面，Java 虚拟机调优、常见 JVM 问题的处理，这些都是面试经常考察的，也是一定要掌握的。

4. 加强数据库和缓存应用，掌握 NoSQL 技术

数据存储是业务的基石，从关系型数据库 MySQL 到 NoSQL，从 Memcached 到 Redis 的各种缓存，这些都是面试的必考题，从应用到底层逻辑都必须了解，数据库本身这块的知识点更是重要，Redis 也是面试的重点，作为应用最多的缓存，Redis 在开发中已经和 MySQL 一样重要。

5. 学习高并发和高可用的分布式系统设计

高并发是技术人一直追求的，为什么我们说双十一是对系统架构的挑战，就是天量的 QPS 请求，在这种情况下，如何保障系统的高可用，保证业务正常，是每个工程师都要思考的。分布式系统架构，以及高并发和高可用知识，则需要在工作中注意积累，如果工作中没有类似的上手锻炼机会，也可以通过各种书籍和专栏等渠道来学习。

6. 增强软性指标，包括快速学习，良好的沟通能力

除了技术实力，软性指标也很重要，在平时的工作中，要注意梳理文档，养成良好的文档能力，和同事的沟通中，多学习下《金字塔原理》等沟通技巧，在面试中就可以更好的表现自己。

另外，要注意工作上业务的连续性，技术为业务服务，更好地了解业务，也可以帮助你拿到心仪的 Offer。

2：分布式事务考点梳理 + 高频面试题

本课时我将和你一起梳理一下面试中分布式事务的高频考点，做到温故知新。

如何考察分布式事务

数据一致性和分布式事务是互联网分布式系统设计中必须要考虑的，所以对分布式事务的考察是中高级工程师面试必须跨过的一道门槛。

面试官通常会通过一个实际的系统设计题来展开提问，以考察候选人对分布式基础理论的理解、对各种数据一致性模型的掌握，以及对分布式下事务实现的原理、机制和各种实现手段的熟悉程度。

下面我模拟一个实际的面试场景，面试官可能会对你提出以下一连串的问题，你可以检测一下自己在学习中的掌握程度：

请说说你对分布式系统 CAP 理论的理解，CAP 分别代表什么含义？
为什么分布式系统的一致性和可用性不能同时满足？
你是如何理解数据一致性的？数据一致性有哪几种模型？
你在做系统设计时，如何选择实现强一致性还是弱一致性？
在你的项目里，是如何设计分布式事务，实现最终一致性的？
你了解数据库的 binlog 和 redolog 吗？是如何实现一致性的呢？

需要说明的是，面试并不是应试考试，很多问题并没有标准答案，不过这里的问题，很多都可以在“模块二：分布式事务”中找到思路。

分布式事务高频考点

在分布式事务的面试中，主要会围绕分布式理论、一致性算法、分布式事务及其应用来展开提问。下面我进行了简单梳理，这里有一张分布式事务的知识点思维导图，你可以对照这张图片，查漏补缺进行分析。

分布式理论部分的主要内容包括 CAP 理论、Base 理论、各种数据一致性模型的应用等。在工作中应用比较多的是 ZooKeeper，需要了解 ZooKeeper 的原理和实现、应用场景等。

一致性算法部分，希望你能够对经典的数据一致性算法，比如 Paxos 算法等有自己的理解，并不是要做到对算法细节倒背如流，而是要能够通过自己的描述，把算法的整体流程讲清楚。

分布式事务的应用是日常开发中打交道最多的部分，如果你在工作中实践过分布式事务的实现是最好的，若没有，可以去了解一些开源的分布式事务中间件。比如我在专栏中多次介绍过的 Alibaba Seata 等组件，通过学习开源组件设计思路，你也可以对这一部分内容有个整体的把握。

在专栏的第10、11课时我们一起讨论了分布式锁的应用场景和实现细节，你可以回顾一下，使用 Redis 实现分布式锁，需要注意哪些细节呢？不同的实现方式，又存在哪些缺陷呢？

另外，除了专栏的内容，我推荐你结合一些经典的公开课程去学习，以加深印象，建议关注拉勾教育直播课哦，有许多分布式相关的主题分享。

3：分布式服务考点梳理 + 高频面试题

本课时我将和你回顾一下该模块的核心内容，并且一起梳理一下面试中分布式服务的高频考点。

如何考察分布式服务

在整个分布式课程中，分布式服务是大部分工程师实际开发中应用最多的，也是面试中经常出现的一个热点。

在分布式服务部分的面试中，面试官通常会围绕“服务治理”的各个场景进行提问，考察候选人对微服务和服务治理各个环节的掌握程度。分布式服务这部分内容涉及的比较广，有非常丰富的内涵和外延知识。本课程只是带你描述了一些核心领域的知识点，剩下的内容，还需要你在平时的工作和学习中多多积累。

我们在课程中提到了 Spring Cloud 和 Dubbo 两个技术栈，这两大技术栈是目前大部分公司进行服务治理的选择。当然，一些公司使用的是 Thrift 和 gRPC 等服务框架，但是应用比例要小很多，在实际的面试中，通常会选择一个服务治理的技术栈来展开提问，对候选人进行考察。

下面我以 Dubbo 技术栈为例，整理了一些分布式服务相关的问题，来模拟实际的面试场景。这些问题都是比较基础的，你可以作为对照，检测一下掌握程度：

为什么需要 Dubbo？
Dubbo 的主要应用场景？
Dubbo 的核心功能？
Dubbo 服务注册与发现的流程？
Dubbo 的服务调用流程？
Dubbo 支持哪些协议，每种协议的应用场景、优缺点？
Dubbo 有些哪些注册中心？
Dubbo 如何实现服务治理？
Dubbo 的注册中心集群挂掉，如何正常消费？
Dubbo 集群提供了哪些负载均衡策略？
Dubbo 的集群容错方案有哪些？
Dubbo 支持哪些序列化方式？

需要你注意的是，即使开发框架不同，但是在服务治理中关注的功能是一致的，如果你应用的是另外的分布式服务框架，可以把关键词做一些替换，比如 Spring Cloud 的主要应用场景、Spring Cloud 的核心功能，同样可以用来考察自己对整体技术栈的掌握程度。

微服务技术栈梳理

下面我分别展开 Dubbo 和 Spring Cloud 这两大微服务技术栈，并且简单描绘了一张知识点思维导图，你可以对照这张图片，查漏补缺进行针对性的学习。

对 Spring Cloud 和 Dubbo 两大技术栈的掌握，重在深入而不是只能泛泛而谈。举个例子，Dubbo 在不同业务场景时，如何选择集群容错策略和不同的线程模型，又如何配置不同的失败重试机制呢？

Dubbo 为什么选择通过 SPI 来实现服务扩展，又对 Java 原生的 SPI 机制做了哪些调整呢？这些应用细节都要针对性地了解，才能在系统设计时避免各种问题。

除了上层的技术组件之外，微服务底层的技术支撑也要去了解一下，比如 Docker 容器化相关知识，容器内隔离是如何实现的，JVM 对容器资源限制的理解，以及可能产生的问题，还有容器如何调度等。

继续扩展，你可以思考一下，为什么现在很多企业选择 Golang 作为主要的开发语言，其中一个原因，就和 Go 语言部署和构建快速，占用容器资源小有关系。

在技术之外，微服务设计常用的 DDD（领域驱动设计）思路，开发中的设计模式，也要有一定的理解和掌握。

4：分布式存储考点梳理 + 高频面试题

你好，欢迎来到分布式存储模块的加餐环节，本课时我将和你一起梳理面试中分布式系统的数据库的高频考点，做到温故知新。

面试中如何考察分布式存储

广义的分布式存储根据不同的应用领域，划分为以下的类别：

分布式协同系统
分布式文件系统
分布式任务调度框架
分布式 NoSQL 存储
分布式关系数据库
各种消息队列 MQ
流式计算框架

当然，这只是一种划分方式，你也可以根据存储数据的特点，将分布式存储系统划分为块存储、对象存储等不同的分类。

可以看到，分布式存储技术的范围非常大，技术覆盖的广度和深度都很有料，比如分布式协同系统或者各种流计算框架，都可以单独作为一个专栏来进行展开讲解。

由于篇幅有限，我在分布式存储这个模块里，主要围绕分布式系统下的关系型数据库这一主题，选择了与大部分开发者直接相关的热点内容，包括数据库的读写分离、分库分表存储拆分后的唯一主键问题，以及典型的 NoSQL 数据库应用。另外，简单介绍了 ElasticSearch 技术、倒排索引的实现等。

和之前一样，我在这里选择了一些热点技术问题，你可以考察一下自己的掌握程度。以分布式场景下的数据库拆分为例，面试官会对你进行下面的考察：

当高并发系统设计时，为什么要分库分表？
用过哪些分库分表中间件？
不同的分库分表中间件都有什么优点和缺点？
如何对数据库进行垂直拆分或水平拆分？
如果要设计一个可以动态扩容缩容的分库分表方案，应该如何做？
数据库分库分表以后，如何处理设计主键生成器？
不同的主键生成方式有什么区别？

上面的问题，都可以在“分布式存储”模块的内容中找到思路，你可以对照本模块学过的知识，整理自己的答案。

分布式存储有哪些高频考点

上面我提到过，分布式存储包含了非常丰富的技术栈，本模块的内容虽然在实际开发中有着高频应用，但只是分布式存储技术领域中非常小的一部分。在下面这张思维导图中，除了分布式下的关系型数据库之外的内容，我还补充了一些经典分布式存储技术的部分，你可以对照这张思维导图，进行针对性的扩展。

以分布式文件系统为例，常见的分布式文件系统有 Google 的 GFS、Hadoop 实现的分布式文件系统 HDFS、Sun 公司推出的 Lustre、淘宝的 TFS、FastDFS 等，这几种存储组件都有各自的应用场景。

比如淘宝的 TFS 适合用于图片等小文件、大规模存储的应用场景，是淘宝专门为了支持电商场景下数以千万的商品图片而开发的；FastDFS 类似 GFS，是一款开源的分布式文件系统，适合各类规模较小的图片和视频网站。

比如流式计算框架，有著名的流式计算三剑客，Storm、Spark 和 Flink，这三个框架基本上覆盖了绝大多数的流式计算业务，适用于不同的大数据处理场景。

今天的内容就到这里了，也欢迎你留言分享自己的面试经验，和大家一起讨论。

5：消息队列考点梳理 + 高频面试题

你好，欢迎来到分布式消息队列模块的加餐环节，本课时我将和你一起梳理面试中消息队列的高频考点，做到温故知新。

面试中如何考察消息队列

消息队列作为日常开发中应用最高频的基础组件之一，相关的问题自然也是面试中的常客。

在面试中对消息队列的考察方式，主要包括两种形式，一种是针对消息队列的相关理论，比如消息队列重复消费、消费幂等性、消息队列的可靠传输等；另一种考察方式是针对某个具体的消息队列中间件，考察组件应用的原理，实现方案和应用细节，比如常见的 Kafka、RabbitMQ、RocketMQ 等消息队列组件。

下面我梳理了一些面试中的高频问题，你可以对照这些问题，检测自己是否掌握了问题考察的内容，针对自己薄弱的环节，进行针对性地提高。

消息队列理论高频问题

对消息队列应用相关理论和设计的考察，面试官可以提出下面一系列的问题：

如何保证消息队列的高可用？
如何保证消息不被重复消费？
如何保证消费的时候是幂等？
如何保证消息的可靠性传输？
传输过程出现消息丢失了怎么办？
如何保证消息的顺序性？
如何解决消息队列的延时问题？
如何解决消息队列的过期失效问题？
消息队列满了以后该怎么处理？
有几百万消息持续积压几小时，应该怎么解决？
如果让你写一个消息队列，该如何进行架构设计？

可以看到，这方面的问题非常重视考察候选人对实际问题处理的经验，不过没有固定的答案。我在专栏里多次强调，授人以鱼不如授人以渔，关于分布式的方法论是最重要的。如果让你从零到一设计一个消息队列，该如何展开呢？你可以从分布式的基础理论出发，从数据存储的一致性，集群扩展结合我在分布式消息队列模块所讲解的内容，同时融入自己对系统架构的理解，最后形成自己的观点。

消息队列应用高频问题

面试中对具体某一种消息组件的考察，一般是候选人有过该组件的应用经验，重点是考察候选人对基础组件掌握的深度，出现问题后的解决办法等。

以 Kafka 为例，可以提出以下的问题：

描述一下 Kafka 的设计架构？
Kafka、ActiveMQ、RabbitMQ、RocketMQ 之间都有什么区别？
Kafka 消费端是否可能出现重复消费问题？
Kafka 为什么会分区？
Kafka 如何保证数据一致性？
Kafka 中 ISR、OSR、AR 是什么？
Kafka 在什么情况下会出现消息丢失？
Kafka 消息是采用 Pull 模式，还是 Push 模式？
Kafka 如何和 ZooKeeper 进行交互？
Kafka 是如何实现高吞吐率的？

如果是 RocketMQ，很多问题都是类似的，可以从以下的问题出发进行考察：

RocketMQ 和 ActiveMQ 有哪些区别？
为什么 RocketMQ 不会丢失消息？
RocketMQ 的事务消息都有哪些应用？
RocketMQ 是怎么保证系统高可用的？

这些问题中一部分可以在专栏中找到思路，但大部分的问题还要靠你在平时多积累与思考，比如消息队列的高可用，你可以多机器部署，防止单点故障；主从结构复制，通过消息冗余防止消息丢失；消息持久化，磁盘写入的 ACK 等角度进行分析。

今天的内容就到这里了，也欢迎你留言分享自己的面试经验，和大家一起讨论。

6：分布式缓存考点梳理 + 高频面试题

你好，欢迎来到分布式缓存模块的加餐环节，本课时我将和你一起梳理面试中分布式缓存的高频考点，做到温故知新。

分布式缓存在面试中如何考察

对缓存和数据库的考察，一直都是业务开发同学在面试中的核心问题，特别是缓存部分，随着大部分公司业务规模的增加，缓存的应用越来越重要。我偶尔会和身边的同事调侃：如何应对高并发？答案是加一层缓存，如果不够，就再加一层缓存。

缓存在分布式场景下的应用，比单机情况下更加复杂，除了常见的缓存雪崩、缓存穿透的预防，还要额外考虑缓存数据之间的一致性，缓存节点的负载均衡，缓存的监控和优化等。在面试中，对分布式缓存的考察一般有两种方式：

通过实际场景来考察对缓存设计和应用的理解；
直接考察常用的缓存组件，比如 Redis、Memcached、Tair。

面试官通常会通过一个实际场景，结合常用的缓存组件，进行 System Design 相关方面的考察。下面我梳理了部分分布式缓存的高频考点，希望可以帮助你提纲挈领，体系化地去学习相关知识。

缓存如何应用

缓存雪崩、缓存穿透如何理解？
如何在业务中避免相关问题？
如何保证数据库与缓存的一致性？
如何进行缓存预热？

缓存的高可用

缓存集群如何失效？
一致性哈希有哪些应用？
缓存如何监控和优化热点 key？

Redis 应用

Redis 有哪些数据结构？
Redis 和 Memcached 有哪些区别？
单线程的 Redis 如何实现高性能读写？
Redis 支持事务吗？
Redis 的管道如何实现？
Redis 有哪些失效策略？
Redis 的主从复制如何实现？
Redis 的 Sentinel 有哪些应用？
Redis 集群有哪几种方式？
Redis 和 memcached 什么区别？
Redis 的集群模式如何实现？
Redis 的 key 是如何寻址的？
Redis 的持久化底层如何实现？
Redis 过期策略都有哪些？
缓存与数据库不一致怎么办？
Redis 常见的性能问题和解决方案？
使用 Redis 如何实现异步队列？
Redis 如何实现延时队列?

以上的这些问题，都是面试中非常高频的，你可以进行一个模拟面试，考察自己对这部分知识的掌握程度，有一部分问题在专栏中已经介绍过了，比如缓存集群、缓存一致性、缓存负载均衡等，专栏没有涉及的，可以作为一份索引，帮助你有针对性地学习。

今天的内容就到这里了，也欢迎你留言分享自己的面试经验，和大家一起讨论。