美团一面面经
第一个问题：介绍一下最近做的项目
第二个问题：我对你项目有个地方比较感兴趣啊。就是你用的那个二级缓存，你的吞吐量有多大啊，为什么需要使用二级缓存？
答： 在二级缓存策略下，笔记详情接口的吞吐量为 9282/s , 平均响应时间为 10ms, 相比较直接走数据库查询，肯定是快的非常多。
第三个问题：缓存和数据库的一致性是如何保证的呢？
第四个问题：Redis是集中缓存，Caffeine是本地缓存，通常来说MQ的消息是机器中的一个实例去消费的，那其他实例的缓存如何解决？
第五个问题：我们在生产环境上它一个服务，可能部署多台机器。消费不会每台机器都消费同一个消息吧，所以你的代码应该考虑这种场景。
第六个问题：什么叫缓存穿透？
当用户访问的数据，既不在缓存中,也不在数据库中，导致请求在访问缓存时，发现缓存缺失，再去访问数据库时，发现数据库也没有要访问的数据，没办法构建缓存数据，来服务后续的请求。当有大量这样的请求到来时，数据库的压力骤增，这就是缓存穿透问题。
第七个问题：讲解一下布隆过滤器的原理
布隆过滤器由[初始值都为0的位图数组]和[N个哈希函数]两部分组成。当我们写入数据库时，在布隆过滤器里做个标记，这样在下次查询数据是否存在数据库时，只需要查询布隆过滤器，如果查询到数据没有被标记，说明不在数据库中。
布隆过滤器会通过3个操作完成标记：
- 第一步，使用N个哈希函数分别对数据进行哈希计算，得到N个哈希值
- 第二步，将第一步得到的 N 个哈希值队位图数组的长度取模，得到每个哈希值在位图数组的对应位置、
- 第三步，将每个哈希值在位图数组的对应位置设置为1。
第八个问题：讲一下令牌桶和漏桶的区别吧。
令牌桶与漏桶算法对比
8.1. 令牌桶（Token Bucket）
- 工作原理：令牌以固定速率生成并存储在桶中，请求需要消耗令牌来进行处理。令牌可以积攒，允许一定的突发流量。
- 特性：
- 允许突发流量
- 请求可以等待令牌
- 控制流量的平均速率
- 适用场景：API 限流、网络流量控制、带宽管理等。
8.2. 漏桶（Leaky Bucket）
- 工作原理：请求进入桶后，以固定速率处理，如果桶满了，新的请求会被丢弃。没有突发流量，输出速率恒定。
- 特性：
- 不允许突发流量
- 固定速率输出
- 超过容量的请求会丢失
- 适用场景：防止流量洪峰、稳定带宽控制、视频流输出等。
8.3. 令牌桶与漏桶的区别
| 特性 | 令牌桶（Token Bucket） | 漏桶（Leaky Bucket） |
|---|---|---|
| 流量控制 | 允许突发流量，流量灵活 | 不允许突发流量，流量平稳 |
| 请求处理 | 请求可以等待令牌 | 请求超出容量会被丢弃 |
| 输出速率 | 可变速率，平滑流量 | 恒定速率输出 |
| 典型应用 | API 限流、带宽控制 | 防止流量洪峰、视频流稳定输出 |
总结：
- 令牌桶适合平滑控制并允许突发流量的场景。
- 漏桶适合对输出速率有严格要求并不允许突发流量的场景。
第九个问题： Ratelimiter令牌桶实现流量削峰防止打垮数据库，那么这个令牌桶是本地限流吗还是全局限流？
本项目采用的是本地API进行的局部限流，没有存到Redis进行全局限流。全局限流是不管加多少机器，要求整个服务一秒。
第十个问题：能说一下Java中线程池中有哪些参数以及其中的作用。
第十一个问题：如果使用无界队列作为线程池中的阻塞队列会有什么情况。
如果在线程池中使用 无界队列（如 LinkedBlockingQueue）作为阻塞队列，可能会导致以下几个问题：
- 线程池的核心线程无法及时释放
无界队列没有大小限制，意味着可以无限制地接受任务。当任务被提交到线程池时，任务会被放入队列中，即使所有线程池中的工作线程都忙碌，队列也会继续接收新的任务。这样，线程池的核心线程数可能会一直存在，而不会有线程因任务完成而被释放。
结果：线程池的核心线程数不会因为任务排队而减少，可能会导致线程池中的线程始终处于活动状态，浪费系统资源。
- 内存占用过大
如果无界队列不断积压任务且没有适当的控制机制（如监控队列长度或主动抛弃任务等），可能会导致内存被任务堆积消耗，甚至导致 内存溢出。虽然无界队列不会像有界队列那样会阻塞新任务的提交，但无止境的任务积压会占用大量内存。
结果：内存消耗增大，可能导致 OutOfMemoryError 或系统性能下降。
- 无法控制队列的积压
使用无界队列时，线程池的负载可能无法被有效控制。线程池会尽最大能力执行任务，但是队列会无限制增长，从而影响系统的稳定性。没有队列大小的限制，无法保证任务的积压程度，导致任务可能会一直等待而得不到及时执行。
结果：可能出现某些任务长时间没有执行，系统响应时间不可预测，甚至导致任务丢失（如果不处理好队列）。
- 可能导致线程池过载
在一些极端情况下，如果系统不断提交任务而没有足够的工作线程来执行这些任务，尽管线程池会尝试分配空闲线程执行任务，但由于无界队列的存在，任务会无限制地积压，这就会导致线程池的负载过重，可能导致 资源耗尽（如 CPU 和内存等）。
结果：系统的性能会严重下降，甚至可能崩溃。
- 任务的延迟执行
无界队列可能导致任务的执行延迟，因为任务会被推入队列中等待执行，而队列的大小没有限制，可能会导致任务在队列中等待很长时间。虽然不会立即丢失任务，但任务的执行时间变得不可预测，系统的响应性降低。
6. 没有流量控制
有界队列能够有效地控制队列中的任务量，防止提交过多任务给线程池。而无界队列则没有这个控制能力，线程池可能会因为接收过多任务而导致过载，这样无法动态地应对高负载的情况。
解决方法：
使用有界队列：可以为队列设置大小限制，防止任务积压过多。常用的有界队列如 ArrayBlockingQueue。
使用自定义拒绝策略：当队列满时，可以通过 RejectedExecutionHandler 设置拒绝策略，抛弃任务、抛出异常、或者直接将任务提交到外部队列等。
动态调整线程池大小：可以通过合理的核心线程数和最大线程数来控制线程池的并发能力，避免过度并发。
总的来说，使用无界队列时需要谨慎，合理配置线程池和队列，确保系统的稳定性和性能。如果没有适当的流量控制和任务限制机制，可能导致系统过载、内存消耗过大或者任务积压问题。