最近，璩静的几条短视频在网上掀起了滔天巨浪，这位自诩为百度公关一号位的“霸道女总裁”给百度带来了极难平息的公关危机（😂）。
看了一眼维基百科和百度百科，璩静的状态都显示为已离职。但让我没想到的是，她之前还是华为的副总裁，厉害是真的厉害。
简历信息出处：维基百科
我估计，大多数公司的高管们都会非常认可她的这些话，但作为普通的打工人，这些话听起来可太难受了、太冷血了。毕竟要求加班的是你们，要求把公司当做家的也是你们。
但我要提醒大家的是，职场本来就是很残酷的，就像璩静本身的离职，公司辞退你真的是秒批，千万年薪说没也就没了，更别说几十万十几万几万的普通打工人。
百度作为一家互联网大厂，负面声音不少，但坊间也有说“百度对技术人的培训有一手”。下面给大家分享一下我收录的百度面经，以同学1为例，来看看百度的面试官都喜欢问哪些问题。
二哥的Java 面试指南专栏
可以看得出，都是围绕 Java 后端四大件来展开，所以学习的时候，一定要有的放矢，别乱学，毫无目的地去学。
-
-
2、三分恶面渣逆袭在线版：https://javabetter.cn/sidebar/sanfene/nixi.html
百度面经（八股吟唱开始）
项目中什么地方使用了redis缓存，redis为什么快？
在技术派实战项目中，很多地方都用到了 Redis，比如说用户活跃排行榜、作者白名单、常用热点数据（文章标签、文章分类）、计数统计（文章点赞收藏评论数粉丝数）等等。
技术派专栏
像用户活跃榜，主要是基于 Redis 的 Zset 实现的，可以根据 score（分值）进行排序，实时展示用户的活跃度。
技术派阅读活跃榜
当然了，这块也可以使用 Redis 的 zrevrange，直接倒序展示前 8 名用户。
Redis 为什么快呢？
Redis 的速度⾮常快，单机的 Redis 就可以⽀撑每秒十几万的并发，性能是 MySQL 的⼏⼗倍。速度快的原因主要有⼏点：
①、
基于内存的数据存储
，Redis 将数据存储在内存当中，使得数据的读写操作避开了磁盘 I/O。而内存的访问速度远超硬盘，这是 Redis 读写速度快的根本原因。
②、
单线程模型
，Redis 使用单线程模型来处理客户端的请求，这意味着在任何时刻只有一个命令在执行。这样就避免了线程切换和锁竞争带来的消耗。
③、
IO 多路复⽤
，基于 Linux 的 select/epoll 机制。该机制允许内核中同时存在多个监听套接字和已连接套接字，内核会一直监听这些套接字上的连接请求或者数据请求，一旦有请求到达，就会交给 Redis 处理，就实现了所谓的 Redis 单个线程处理多个 IO 读写的请求。
三分恶面渣逆袭：Redis使用IO多路复用和自身事件模型
④、
高效的数据结构
，Redis 提供了多种高效的数据结构，如字符串（String）、列表（List）、集合（Set）、有序集合（Sorted Set）等，这些数据结构经过了高度优化，能够支持快速的数据操作。
redis分布式锁的实现原理？setnx？
Redis 实现分布式锁的本质，就是在 Redis 里面占一个“茅坑”，当别的进程也来占坑时，发现已经有进程蹲在那里了，就只好放弃或者稍后再试。
①、
V1：setnx 命令
占坑一般使用
setnx(set if not exists)
指令，只允许被一个客户端占坑。先来先占，用完了再调用 del 指令释放茅坑。
三分恶面渣逆袭：setnx(set if not exists)
> setnx lock:fighter true
OK
... do something critical ...
> del lock:fighter
(integer) 1
但是有个问题，如果逻辑执行到中间出现异常了，可能会导致 del 指令没有被执行，这样就会出现死锁，锁永远得不到释放。
②、
V2:锁超时释放
所以在拿到锁之后，可以给锁加上一个过期时间，比如 5s，这样即使中间出现异常也可以保证 5 秒之后锁会自动释放。
三分恶面渣逆袭：锁超时释放
> setnx lock:fighter true
OK
> expire lock:fighter 5
... do something critical ...
> del lock:fighter
(integer) 1
但是以上逻辑还有问题：如果在 setnx 和 expire 之间进程突然挂掉了，可能是因为机器断电或者被人为杀掉了，就会导致 expire 无法执行，也会造成死锁。
这种问题的根源就在于 setnx 和 expire 是两条指令，不是原子指令。如果这两条指令可以一起执行就不会出现问题了，对吧？
③、
V3:set 指令
上面的问题在 Redis 2.8 版本中得到了解决，这个版本加入了 set 指令的扩展参数，使得 setnx 和 expire 指令可以一起执行。
三分恶面渣逆袭：set原子指令
> set lock:fighter3 true ex 5 nx
OK ... do something critical ...
> del lock:fighter3
悟空聊架构 Redis 分布式锁
上面这段指令就是 setnx 和 expire 组合在一起的原子指令，算是比较完善的一个分布式锁了。
hashmap的底层实现原理、put()方法实现流程、扩容机制？
JDK 8 中 HashMap 的数据结构是
数组
+
链表
+
红黑树
。
三分恶面渣逆袭：JDK 8 HashMap 数据结构示意图
HashMap 的核心是一个动态数组（
Node[] table
），用于存储键值对。这个数组的每个元素称为一个“桶”（Bucket），每个桶的索引是通过对键的哈希值进行哈希函数处理得到的。
当多个键经哈希处理后得到相同的索引时，会发生哈希冲突。HashMap 通过链表来解决哈希冲突——即将具有相同索引的键值对通过链表连接起来。
不过，链表过长时，查询效率会比较低，于是当链表的长度超过 8 时（且数组的长度大于 64），链表就会转换为红黑树。红黑树的查询效率是 O(logn)，比链表的 O(n) 要快。数组的查询效率是 O(1)。
HashMap 的 put 流程知道吗？
直接看流程图：
三分恶面渣逆袭：HashMap插入数据流程图
第一步，通过 hash 方法计算 key 的哈希值。
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
第三步，根据哈希值计算 key 在数组中的下标，如果对应下标正好没有存放数据，则直接插入。
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
如果对应下标已经有数据了，就需要判断是否为相同的 key，是则覆盖 value，否则需要判断是否为树节点，是则向树中插入节点，否则向链表中插入数据。
注意：在链表中插入节点的时候，如果链表长度大于等于 8，则需要把链表转换为红黑树。
所有元素处理完后，还需要判断是否超过阈值
threshold
，超过则扩容。
那扩容机制了解吗？
扩容时，HashMap 会创建一个新的数组，其容量是原数组容量的两倍。
然后将键值对放到新计算出的索引位置上。一部分索引不变，另一部分索引为“原索引+旧容量”。
三分恶面渣逆袭：扩容节点迁移示意图
继承和抽象的区别
继承是一种允许子类继承父类属性和方法的机制。通过继承，子类可以重用父类的代码。
抽象是一种隐藏复杂性和只显示必要部分的技术。在面向对象编程中，抽象可以通过抽象类和接口实现。
java如何启动多线程，有哪些方式？
在 Java 中，启动一个新的线程应该调用其
start()
方法，而不是直接调用
run()
方法。
java如何创建线程？每次都要创建新线程来实现异步操作，很繁琐，有了解线程池吗？
Java 中创建线程主要有三种方式，分别为继承 Thread 类、实现 Runnable 接口、实现 Callable 接口。
二哥的 Java 进阶之路
什么是线程池？
线程池，简单来说，就是一个管理线程的池子。
①、频繁地创建和销毁线程会消耗系统资源，线程池能够复用已创建的线程。
②、提高响应速度，当任务到达时，任务可以不需要等待线程创建就立即执行。
③、线程池支持定时执行、周期性执行、单线程执行和并发数控制等功能。
你有哪些熟悉的设计模式？
单例模式，在需要控制资源访问，如配置管理、连接池管理时经常使用单例模式。它确保了全局只有一个实例，并提供了一个全局访问点。
在有多种算法或策略可以切换使用的情况下，我会使用策略模式。像技术派实战项目中，我就使用策略模式对接了讯飞星火、OpenAI 等多家 API 服务，实现了一个可以自由切换 AI 服务的对话聊天服务。
技术派派聪明 AI 助手
这样就不用在代码中写 if/else 判断，而是将不同的 AI 服务封装成不同的策略类，通过工厂模式创建不同的 AI 服务实例，从而实现 AI 服务的动态切换。
后面想添加新的 AI 服务，只需要增加一个新的策略类，不需要修改原有代码，这样就提高了代码的可扩展性。
MySQL索引为什么使用B+树而不是用别的数据结构？
普通二叉树存在退化的情况，如果它退化成链表，就相当于全表扫描。
为什么不用平衡二叉树呢？
读取数据的时候，是从磁盘先读到内存。平衡二叉树的每个节点只存储一个键值和数据，而 B+ 树可以存储更多的节点数据，树的高度也会降低，因此读取磁盘的次数就会下降，查询效率就快。
为什么用 B+ 树而不用 B 树呢？
B+ 树相比较 B 树，有这些优势：
①、更高的查询效率
B+树的所有值（数据记录或指向数据记录的指针）都存在于叶子节点，并且叶子节点之间通过指针连接，形成一个有序链表。
极客时间：B+树
这种结构使得 B+树非常适合进行范围查询——一旦到达了范围的开始位置，接下来的元素可以通过遍历叶子节点的链表顺序访问，而不需要回到树的上层。如 SQL 中的 ORDER BY 和 BETWEEN 查询。
极客时间：B 树
而 B 树的数据分布在整个树中，进行范围查询时可能需要遍历树的多个层级。
②、更高的空间利用率
在 B+树中，非叶子节点不存储数据，只存储键值，这意味着非叶子节点可以拥有更多的键，从而有更多的分叉。
这导致树的高度更低，进一步降低了查询时磁盘 I/O 的次数，因为每一次从一个节点到另一个节点的跳转都可能涉及到磁盘 I/O 操作。
③、查询效率更稳定
B+树中所有叶子节点深度相同，所有数据查询路径长度相等，保证了每次搜索的性能稳定性。而在 B 树中，数据可以存储在内部节点，不同的查询可能需要不同深度的搜索。
B+树的页是单向链表还是双向链表？如果从大值向小值检索，如何操作？
B+树的叶子节点是通过双向链表连接的，这样可以方便范围查询和反向遍历。
-
当执行范围查询时，可以从范围的开始点或结束点开始，向前或向后遍历，这使得查询更为灵活。
-
如果需要在 B+树中从大值向小值进行检索，可以按以下步骤操作：
-
定位到最右侧节点：首先，找到包含最大值的叶子节点。这通常通过从根节点开始向右遍历树的方式实现。
-
反向遍历：一旦定位到了最右侧的叶子节点，可以利用叶节点间的双向链表向左遍历。
SpringBoot基本原理
Spring Boot 是一个开源的、用于简化 Spring 应用初始化和开发过程的框架。提供了一套默认配置，约定优于配置，来帮助我们快速搭建 Spring 项目骨架，极大地提高了我们的生产效率，再也不用为 Spring 的繁琐配置而烦恼了。
以前的 Spring 开发需要配置大量的 xml 文件，并且需要引入大量的第三方 jar 包，还需要手动放到 classpath 下。
SpringBoot图标
SpringBoot如何实现自动装配
在 Spring 中，自动装配是指容器利用反射技术，根据 Bean 的类型、名称等自动注入所需的依赖。
在 Spring Boot 中，开启自动装配的注解是
@EnableAutoConfiguration
。
二哥的 Java 进阶之路
Spring Boot 为了进一步简化，直接通过
@SpringBootApplication
注解一步搞定，这个注解包含了
@EnableAutoConfiguration
注解。
二哥的 Java 进阶之路
①、
@EnableAutoConfiguration
只是一个简单的注解，但是它的背后却是一个非常复杂的自动装配机制，核心是
AutoConfigurationImportSelector
类。
@AutoConfigurationPackage //将main同级的包下的所有组件注册到容器中
@Import({AutoConfigurationImportSelector.class}) //加载自动装配类 xxxAutoconfiguration
public @interface EnableAutoConfiguration {
String ENABLED_OVERRIDE_PROPERTY = "spring.boot.enableautoconfiguration";
Class>[] exclude() default {};
String[] excludeName() default {};
}
②、
AutoConfigurationImportSelector
实现了
ImportSelector
接口，这个接口的作用就是收集需要导入的配置类，配合
@Import()
就将相应的类导入到 Spring 容器中。
二哥的 Java 进阶之路
③、获取注入类的方法是
selectImports()
，它实际调用的是
getAutoConfigurationEntry()
，这个方法是获取自动装配类的关键。
protected AutoConfigurationEntry getAutoConfigurationEntry(AnnotationMetadata annotationMetadata) {
// 检查自动配置是否启用。如果@ConditionalOnClass等条件注解使得自动配置不适用于当前环境，则返回一个空的配置条目。
if (!isEnabled(annotationMetadata)) {
return EMPTY_ENTRY;
}
// 获取启动类上的@EnableAutoConfiguration注解的属性，这可能包括对特定自动配置类的排除。
AnnotationAttributes attributes = getAttributes(annotationMetadata);
// 从spring.factories中获取所有候选的自动配置类。这是通过加载META-INF/spring.factories文件中对应的条目来实现的。
List configurations = getCandidateConfigurations(annotationMetadata, attributes);
// 移除配置列表中的重复项，确保每个自动配置类只被考虑一次。
configurations = removeDuplicates(configurations);
// 根据注解属性解析出需要排除的自动配置类。
Set exclusions = getExclusions(annotationMetadata, attributes);
// 检查排除的类是否存在于候选配置中，如果存在，则抛出异常。
checkExcludedClasses(configurations, exclusions);
// 从候选配置中移除排除的类。
configurations.removeAll(exclusions);
// 应用过滤器进一步筛选自动配置类。过滤器可能基于条件注解如@ConditionalOnBean等来排除特定的配置类。
configurations = getConfigurationClassFilter().filter(configurations);
// 触发自动配置导入事件，允许监听器对自动配置过程进行干预。
fireAutoConfigurationImportEvents(configurations, exclusions);
// 创建并返回一个包含最终确定的自动配置类和排除的配置类的AutoConfigurationEntry对象。
return new AutoConfigurationEntry(configurations, exclusions);
}
Spring Boot 的自动装配原理依赖于 Spring 框架的依赖注入和条件注册，通过这种方式，Spring Boot 能够智能地配置 bean，并且只有当这些 bean 实际需要时才会被创建和配置。
三分恶面渣逆袭：SpringBoot自动配置原理
