

首页  思维导图  详情



java技术栈

2018-06-01 15:07:42   0  举报





仅支持查看

AI智能生成

java技术栈

模版推荐

作者其他创作

大纲/内容

分布式、java中间件、web服务器等方面

ZooKeeper源码

客户端架构

服务器端单机版和集群版，对应的请求处理器

集群版session的建立和激活过程

Leader选举过程

事务日志和快照文件的详细解析

实现分布式锁、分布式ID分发器

实现Leader选举

ZAB协议实现一致性原理

序列化和反序列化框架

Avro研究

Thrift研究

Protobuf研究

Protostuff研究

Hessian

RPC框架dubbo源码

dubbo扩展机制的实现，对比SPI机制

服务的发布过程

服务的订阅过程

RPC通信的设计

NIO模块以及对应的Netty和Mina、thrift源码

TCP握手和断开及有限状态机

backlog

BIO NIO

阻塞/非阻塞的区别、同步/异步的区别

阻塞IO、非阻塞IO、多路复用IO、异步IO

Reactor线程模型

jdk的poll、epoll与底层poll、epoll的对接实现

Netty自己的epoll实现

内核层poll、epoll的大致实现

epoll的边缘触发和水平触发

Netty的EventLoopGroup设计

Netty的ByteBuf设计

Netty的ChannelHandler

Netty的零拷贝

Netty的线程模型，特别是与业务线程以及资源释放方面的理解

消息队列kafka、RocketMQ、Notify、Hermes

kafka的文件存储设计

 kafka的副本复制过程

kafka副本的leader选举过程

kafka的消息丢失问题

kafka的消息顺序性问题

kafka的isr设计和过半对比

kafka本身做的很轻量级来保持高效，很多高级特性没有：事务、优先级的消息、消息的过滤，更重要的是服务治理不健全，一旦出问题，不能直观反应出来，不太适合对数据要求十分严苛的企业级系统，而适合日志之类并发量大但是允许少量的丢失或重复等场景

Notify、RocketMQ的事务设计

基于文件的kafka、RocketMQ和基于数据库的Notify和Hermes

设计一个消息系统要考虑哪些方面

丢失消息、消息重复、高可用等话题

数据库的分库分表mycat

NoSql数据库mongodb

KV键值系统memcached redis

redis对客户端的维护和管理，读写缓冲区

redis事务的实现

Jedis客户端的实现

JedisPool以及ShardedJedisPool的实现

redis epoll实现，循环中的文件事件和时间事件

redis的RDB持久化，save和bgsave

redis AOF命令追加、文件写入、文件同步到磁盘

redis AOF重写，为了减少阻塞时间采取的措施

redis的LRU内存回收算法

redis的master slave复制

redis的sentinel高可用方案

redis的cluster分片方案

web服务器tomcat、ngnix的设计原理

tomcat的整体架构设计

tomcat对通信的并发控制

http请求到达tomcat的整个处理流程

ELK日志实时处理查询系统

Elasticsearch、Logstash、Kibana

Spring Cloud

Spring Cloud Zookeeper:用于服务注册和发现

Spring Cloud Config:分布式配置

Spring Cloud Netflix Eureka：用于rest服务的注册和发现

Spring Cloud Netflix Hystrix：服务的隔离、熔断和降级

Spring Cloud Netflix Zuul:动态路由，API Gateway

服务方面

SOA与微服务

服务的合并部署、多版本自动快速切换和回滚

服务的治理：限流、降级

服务的线性扩展

服务链路监控和报警：CAT、Dapper、Pinpoint

分布式事务

JTA分布式事务接口定义，对此与Spring事务体系的整合

TCC分布式事务概念

TCC分布式事务实现框架案例1：tcc-transaction

TccCompensableAspect切面拦截创建ROOT事务

TccTransactionContextAspect切面使远程RPC调用资源加入到上述事务中，作为一个参与者

TccCompensableAspect切面根据远程RPC传递的TransactionContext的标记创建出分支事务

全部RPC调用完毕，ROOT事务开始提交或者回滚，执行所有参与者的提交或回滚

所有参与者的提交或者回滚，还是通过远程RPC调用，provider端开始执行对应分支事务的confirm或者cancel方法

事务的存储，集群共享问题

事务的恢复，避免集群重复恢复

TCC分布式事务实现框架案例2：ByteTCC

JTA事务管理实现，类比Jotm、Atomikos等JTA实现

事务的存储和恢复，集群是否共享问题，调用方创建CompensableTransaction事务，并加入资源

CompensableMethodInterceptor拦截器向spring事务注入CompensableInvocation资源

Spring的分布式事务管理器创建作为协调者CompensableTransaction类型事务，和当前线程进行绑定，同时创建一个jta事务

在执行sql等操作的时候，所使用的jdbc等XAResource资源加入上述jta事务

dubbo 

RPC远程调用来到provider端，CompensableDubboServiceFilter根据传递过来的TransactionContext创建出对应的CompensableTransaction类型事务

provider端，执行时遇见@Transactional和@Compensable，作为一个参与者开启try阶段的事务，即创建了一个jta事务

一致性算法

raft

ZooKeeper使用的ZAB协议

paxos

大数据方向

Hadoop

UserGroupInformation源码解读：JAAS认证、user和group关系的维护

RPC通信的实现

代理用户的过程

kerberos认证

MapReduce

MapReduce理论及其对应的接口定义

HDFS

MapFile、SequenceFile

ACL

YARN、Mesos 资源调度

oozie

oozie XCommand设计

DagEngine的实现原理

Hive

HiveServer2、metatore的thrift RPC通信设计

Hive的优化过程

HiveServer2的认证和授权

metastore的认证和授权

HiveServer2向metatore的用户传递过程

Hbase

Hbase的整体架构图

Hbase的WAL和MVCC设计

<div>client端的异步批量flush寻找RegionServer的过程</div>

Zookeeper上HBase节点解释

Region的高可用问题对比kafka分区的高可用实现

RegionServer RPC调用的隔离问题

数据从内存刷写到HDFS的粒度问题

rowKey的设计

MemStore与LSM

Spark

不同的部署方式

SparkSql的实现方式

java基础

算法

排序算法

直接插入排序

希尔排序

冒泡排序

快速排序

直接选择排序

堆排序

归并排序

基数排序

应用、数据库、HBase

二叉查找树

红黑树

 B 树

 B+树

 LSM 树

BitSet解决数据重复和是否存在等问题

基础

字符串常量池的迁移

字符串 KMP 算法

equals 和 hashcode

泛型、异常、反射

string 的 hash 算法

 hash 冲突的解决办法：拉链法

 foreach 循环的原理

static、final、transient 等关键字的作用

 volatile 关键字的底层实现原理

Collections.sort 方法使用的是那种排序方法

 Future 接口，常见的线程池中的 FutureTask 实现等

 string 的 intern 方法的内部细节，jdk

设计模式

单例模式

工厂模式

装饰者模式

观察者模式

 ThreadLocal 设计模式

正则表达式

捕获组合非捕获组

贪婪、勉强、独占模式

 java 内存模型以及垃圾回收算法

类加载机制，也就是双亲委派模型

 java 内存分配模型（默认 HotSpot）

线程共享的

堆区

永久区

线程独享的

虚拟机栈

本地方法栈

程序计数器

内存分配机制：年轻代（Eden 区、两个 Survivor 区）、年老代、永久代以及他们的分配过程

强引用、软引用、弱引用、虚引用与 GC

happens-before 规则

指令重排序、内存栅栏

java8的内存分代改进

垃圾回收算法

标记-清除

复制算法

标记整理

常用垃圾收集器

新生代

Serial 收集器

ParNew 收集器

Parallel Scavenge 收集器

老年代

Serial Old 收集器

Parallel Old 收集器

CMS（Concurrent Mark Sweep）收集器

G1收集器（跨新生代和老年代）

常用 gc 参数

常用工具

锁以及并发容器的源码

synchronized和volatile理解

Unsafe类的原理，使用它来实现CAS。因此诞生了AtomicInteger系列等

CAS可能产生的ABA问题的解决，如加入修改次数、版本号

同步器AQS的实现原理

独占锁、共享锁；可重入的独占锁ReentrantLock、共享锁实现原理

公平锁和非公平锁

读写锁 ReentrantReadWriteLock的实现原理

LockSupport工具

Condition接口及其实现原理

HashMap、HashSet、ArrayList、LinkedList、HashTable、ConcurrentHashMap、TreeMap的实现原理

HashMap的并发问题

ConcurrentLinkedQueue的实现原理

Fork/Join框架

CountDownLatch和CyclicBarrier

线程池源码

内部执行原理

各种线程池的区别

web 方面

SpringMVC 的架构设计

servlet开发存在的问题

SpringMVC为解决上述问题开发的几大组件及接口

DispatcherServlet、容器、组件三者之间的关系

叙述SpringMVC对请求的整体处理流程

SpringBoot

SpringAOP 源码

AOP的实现分类：编译期、字节码加载前、字节码加载后三种时机来实现AOP

深刻理解其中的角色：AOP联盟、aspectj、jboss AOP、Spring自身实现的AOP、Spring嵌入aspectj。特别是能用代码区分后两者

接口设计

AOP联盟定义的概念或接口

SpringAOP针对上述Advice接口定义的接口及其实现类

SpringAOP定义的定义的AdvisorAdapter接口

SpringAOP定义的Pointcut接口

SpringAOP定义的ExpressionPointcut接口

SpringAOP定义的PointcutAdvisor接口

SpringAOP的调用流程

SpringAOP自己的实现方式

Spring事务体系源码以及分布式事务Jotm Atomikos源码实现

jdbc事务存在的问题

Hibernate对事务的改进

针对各种各样的事务，Spring如何定义事务体系的接口，以及如何融合jdbc事务和Hibernate事务的

三种事务模型包含的角色以及各自的职责

事务代码也业务代码分离的实现（AOP+ThreadLocal来实现）

Spring事务拦截器TransactionInterceptor全景

X/Open DTP模型，两阶段提交，JTA接口定义

Jotm、Atomikos的实现原理

事务的传播属性

PROPAGATION_REQUIRES_NEW、PROPAGATION_NESTED的实现原理以及区别

事物的挂起和恢复的原理

数据库隔离级别

Read uncommitted：读未提交

Read committed ：读已提交

Repeatable read：可重复读

Serializable ：串行化

数据库

数据库性能的优化<br>

深入理解mysql的Record Locks、Gap Locks、Next-Key Locks

insert into select语句的加锁情况

事务的ACID特性概念

innodb的MVCC理解

undo redo binlog

undo redo 都可以实现持久化，他们的流程是什么？为什么选用redo来做持久化？

undo、redo结合起来实现原子性和持久化，为什么undo log要先于redo log持久化？

undo为什么要依赖redo？

日志内容可以是物理日志，也可以是逻辑日志？他们各自的优点和缺点是？

redo log最终采用的是物理日志加逻辑日志，物理到page，page内逻辑。还存在什么问题？怎么解决？Double Write

undo log为什么不采用物理日志而采用逻辑日志？

为什么要引入Checkpoint？

引入Checkpoint后为了保证一致性需要阻塞用户操作一段时间，怎么解决这个问题？

开启binlog的情况下，事务内部2PC的一般过程（含有2次持久化，redo log和binlog的持久化）

解释上述过程，为什么binlog的持久化要在redo log之后，在存储引擎commit之前？

为什么要保持事务之间写入binlog和执行存储引擎commit操作的顺序性？（即先写入binlog日志的事务一定先commit）

为了保证上述顺序性，之前的办法是加锁prepare_commit_mutex，但是这极大的降低了事务的效率，怎么来实现binlog的group commit？

怎么将redo log的持久化也实现group commit？至此事务内部2PC的过程，2次持久化的操作都可以group commit了，极大提高了效率

ORM框架: mybatis、Hibernate

最原始的jdbc->Spring的JdbcTemplate->hibernate->JPA->SpringDataJPA的演进之路

SpringSecurity、shiro、SSO（单点登录）

Session和Cookie的区别和联系以及Session的实现原理

SpringSecurity的认证过程以及与Session的关系

CAS实现SSO

日志

jdk自带的logging、log4j、log4j2、logback

门面commons-logging、slf4j

上述6种混战时的日志转换

datasource

c3p0

druid

JdbcTemplate执行sql语句的过程中对Connection的使用和管理

HTTPS的实现原理

 Collect

Get Started

AI Agent 智能体全栈技术架构图

 Collect

Get Started

后端技术栈全景

 Collect

Get Started

Java后端系统技术架构（容器化部署）

 Collect

Get Started

栈帧图





0 条评论

下一页