JAVA关键技术
通用技术方面
MVC
1）概念
MVC是一个架构模式，它分离了表现与交互。它被分为三个核心部件：模型-model、视图-view、控制器-controller
2）工作原理
所有的终端用户请求被发送到控制器。
控制器依赖请求去选择加载哪个模型，并把模型附加到对应的视图。
附加了模型数据的最终视图做为响应发送给终端用户。
struts2
1）struts2的基本流程
spring
1）IOC概念
将在编译阶段还不能确定的类的调用关系，放在配置文件中，在执行阶段动态调用。
2）AOP概念
默认使用java动态代理实现
3）作用域
- singleton：单实例
- prototype：一个bean可以定义多个实例。
- request：每次HTTP请求都会创建一个新的Bean。
- session：一个HTTP Session定义一个Bean。
- globalSession：同一个全局HTTP Session定义一个Bean。
bean默认的scope属性是’singleton‘。
4）事务
Spring本身不实现事务，而是为不同的事务API(如JTA, JDBC, Hibernate, JPA, 和JDO)提供了统一的编程模型。
5）Spring 中的设计模式
单例模式：jdbc connectionter
代理模式：AOP
工厂模式：用SpringFactory创建特定的bean
观察者模式：根据SpringContext的配置方式，决定AOP的模式
hibernate
1）get和load的不同
get：如果缓存中没有，hibernate将会直接访问数据库，并初始化一个持久化对象
load：如果缓存中没有，hibernate将会创建代理对象，只有真正需要使用这个对象的时候，参会从数据库中加载数据，即延迟加载。
2）save、persist和saveOrUpdate以及update比较
save：只能insert记录，返回的是Serializable对象
saveOrUpdate：既能insert，也能update
persist：返回的是void
update()和saveOrUpdate()是用来对跨Session的PO进行状态管理的。
update()方法操作的对象必须是持久化了的对象。也就是说，如果此对象在数据库中不存在的话，就不能使用update()方法
saveOrUpdate()方法操作的对象既可以使持久化了的，也可以使没有持久化的对象。如果是持久化了的对象调用saveOrUpdate()则会 更新数据库中的对象；如果是未持久化的对象使用此方法,则save到数据库中。
3）瞬态，游离态，持久态如何转换
刚new出一个对象，还未保存到数据库，是瞬态
调用save()保存进数据库，就成了持久态（即session缓存中的状态）
当关闭session后，数据库中有，session中没有，叫游离态
4）Hibernate并发控制
问题：hibernate中的session是线程非安全的，如果多个线程共享将导资源争用，进而导致脏读，幻读等问题
解决方案：设置JDBC事务隔离级别
Serializable：串行化。隔离级别最高
Repeatable Read：可重复读
Read Committed：已提交数据读 （默认）
Read Uncommitted：未提交数据读。隔离级别最差
设置锁：乐观锁和悲观锁。
乐
观锁：使用版本号或时间戳来检测更新丢失
悲观锁：Hibernate总是使用数据库的锁定机制，从不在内存中锁定对象
redis/cache
1）虚拟内存
当你的key很小而value很大时,使用VM的效果会比较好
当你的key不小时,可以考虑将key,value组合成一个新的value.
vm-max-threads这个参数,可以设置访问swap文件的线程数,设置最好不要超过机器的核数,如果设置为0,那么所有对swap文件的操作都是串行的.可能会造成比较长时间的延迟,但是对数据完整性有很好的保证.
2）分布式
a)读写分离——主从模式
redis支持主从的模式。原则：Master会将数据同步到slave，而slave不会将数据同步到master。Slave启动时会连接master来同步数据。
通过增加Slave DB的数量，读的性能可以线性增长。为了避免Master DB的单点故障，集群一般都会采用两台Master DB做双机热备，所以整个集群的读和写的可用性都非常高，但是集群的扩展能力受限于单个节点的存储能力。
b)数据分片（类似数据库水平拆分）
分布式总结：结合上面两种模型，可以将每个master设计成由一个master和多个slave组成的模型。
3）MySQL里有2000w数据，redis中只存20w的数据，如何保证redis中的数据都是热点数据
redis 内存数据集大小上升到一定大小的时候，就会施行数据淘汰策略，有以下几种策略
随机淘汰
淘汰最少使用的
淘汰过期数据集中最少使用的
淘汰将要过期的
4）redis性能问题
写内存快照会阻塞主线程，因此master最好不要写快照
重写AOF会占用高内存，且AOF文件过大会影响master重启和恢复速度，因此maste人最好不要做任何持久化工作，包括内存快照和aof，二用slave执行aof
主从最好在同一局域网内提高主从复制的性能
5）redis适用场景
Redis最适合所有数据in-momory的场景而不是持久化，相当于加强版的memcache
A）会话缓存，例如购物车信息，可以持久化
B)全页缓存
C)做队列使用
D)排行榜和计数器
E)发布订阅
6）如果出对列阻塞了怎么办
redis分片，缩短单个队列长度
优化consomer，调查处理慢的原因
增加consumer（即分布式的集群服务器）
允许请求超时 /失败，做好失败后处理
做好内存报警和配置好内存回收策略
jms，消息队列
1）特性
异步通信，松耦合的系统集成
websphere MQ是FIFO的，AWS的MQ是random的
并发性能
我们公司面试也经常问这种问题，很多人答很大面的东西，例如JVM调优，负载均衡，但是作为一个程序员，有谁专门在这方面下过功夫，有的人说做过jvm调优，但是一问细节，又说不上来。
做为编码的程序员，更重要的是应用程序的设计，如何写出高效的sql，如何占用最小的内存，如何把某些程序在后台异步操作。面试的时候说一说你日常工作的时候这方面的经验，也能很好的回答这个问题。
1）性能通用解决方案
前端:异步请求+资源静态化+cdn
后端:请求队列（如12306）+轮询分发+F5负载均衡+共享缓存
数据层:redis缓存+数据分表+写队列+存储过程（减少跟客户端交互的IO）
存储:raid阵列+热备
网络:dns轮询+DDOS攻击防护
2）数据库解决方案
最基本的：建立索引
100万数据：主从数据库（读写分离，主从复制同步），slave上可以做集群
1000万数据：数据库水平拆分，按uid拆分
注意问题
id使用通用算法集中分配
做好数据库性能监控
不要用长连接，尽量使用连接池。
3）缓存
CND
静态页面缓存
动静分离，图片，视频，附件等使用专用服务器
5）前沿解决方案：云平台——可伸缩扩展，快速热部署，内存数据，
12306如何解决并发的
并发性能的问题和原因
A.带宽问题 1.5G的带宽大约支持1万PV，
B.服务器集群难以伸缩扩展
C.事务不一致性，12306十分钟才更新一次余票，期间已经售出很多。2012年处理能力为400-500TPS，有效请求却高于3000QPS
D.计算量巨大：线路多，车次多，车站多，坐席多，票种多，导致10分钟才能计算完一次余票
12306云技术升级
http://www.csdn.net/article/2015-02-10/2823900
http://storage.it168.com/a2012/0217/1313/000001313424_all.shtml
传统的解决方案
优化架构
1）利用第三方平台登录来缓解并发压力，例如新浪，腾讯，阿里等
2）第三方售票平台应该以消息队列方式，异步地与12306进行集成。 对于登录的消息队列，可以在12306批量授权处理（有点类似数据库存储过程，减少与客户端交互的io损耗）
优化软件
使用线程池和事件驱动处理尖峰请求，可以通过下游负载指标反馈来决定上游处理，对于太老的请求，直接拒绝。
使用KV内存数据库来缓存余票，只有当数据库中本车次无票（或者小于n张）才去同步一次缓存
缓存的更新是基于数据库余票数主动触发，只有当无票（或者低于n张票）才触发，而不是根据用户查询而触发，因此可以大幅减少缓存更新频率
可以基于查询结果生成静态页面缓存起来，设置失效时间，或者由数据库余票出发页面失效，完全由CDN或者redis来承担查询压力
增强防作弊机制，在web层对IP做限制，对UID做限制
数据库层优化
主从数据库（读写分离）
数据库水平拆分
优化队列
队列不能操作锁
设置队列等待时间（15分钟后未处理完的事务直接终止）
设计分布式队列（因为排队的人并不一定买的相同车次，没必要跟着人家一起排队，而是让相同车次的人排同一个队列）
Pivotal Gemfire的解决方案：云
2012年，业务复杂：路线多，火车站多，坐席多，票等级多，组合就多。使用很多服务器。
2013年，使用Gemfire集群进行余票计算，可以2分钟刷新一次余票数据
2014年，将订单生成和订单查询分库处理，将查询的热点数据放在Gemfire集群，同时提高了订单生成和查询速度
2015年，单独分出余票查询服务器群（以前是64台，现在是是几台云服务器搭建的上百部虚拟机，节约成本），并与web服务器集群，应用服务器集群一起部署到阿里云
并发事务
JVM内存结构，GC算法，性能优化
类的生命周期
1）将.class文件加载到内存，生成Class对象——类加载
2）类连接（验证，准备，解析）
3）初始化：静态变量赋值
4）使用
5）卸载：垃圾回收
三种类加载器
启动加载器（jvm），扩展加载器（基础库），应用加载器（程序代码）
加载机制
全盘负责，父类委托，缓存机制
JVM内存结构
三大块：堆，栈，方法区
堆又分为：年轻代和老年代
年轻代又分为：Eden，from，to
--------
方法区存储常量，静态变量，类信息
栈区：存放临时变量，方法参数
--------
对象引用判断
引用技术（新增引用时+1，引用释放时-1，但互相引用的对象则无法计算）
可达性分析
GC算法
标记清除算法
复制算法
分代收集算法
对象分配法则（GC优化法则）
1）优先分配在Eden区，如果Eden区没有足够的空间时，执行一次Minor GC，Eden采用复制算法收集内存
2）大对象直接进入老年代，避免在年轻代频繁进行内存拷贝
3）长期存活的对象进入老年代，因为年轻代的对象随着年龄增加，最终会进入老年代内存区
4）空间分配担保。每次进行Minor GC时，JVM会计算Survivor区移至老年区的对象的平均大小，如果这个值大于老年区的剩余值大小则进行一次Full GC
数据库性能
存储过程
执行存储过程是为了1）利用服务器往往具有强大的计算能力和速度，2）避免把大量的数据下载到客户端，减少网络上的传输量，3）只需要一次编译，4）方便事务处理
触发器
1）概念
就是一组由特定条件触发执行的操作语句。
2）分类
行级：每条记录都触发
语句级：指定操作之前或之后触发
3）应用场景
进行安全检查（例如数据更新前的权限检查）
数据同步或者备份（主表更新后， 备份表也更新）
生成自定义ID列：第一步创建一个sequence，用来自定义ID格式，第二步在目标表上面创建触发器，每当插入数据时，就取sequence的next值
记录用户操作（工作流系统中的追踪，审计）
项目方面
IBE流程
Payment流程
单点登录
数字证书
communicate service
MPO
重大故障
写日志导致的故障
故障描述：service频繁time out， 无法search flight，无法订票
问题分析：disk io high utilization, terracotta and JVM reject rejoin, was server high CPU, MQ and service error log
分析过程：
怀疑WAS 上的IBE和 WMB 上的MQ通信出故障
MQ connection error and time out， 可能有阻塞，重启WMB，无效， 2）重启WAS JVM， 无效，
root cause：
solution
1.限制层数
2.限制表查询条件
3.缓存结果
