皮皮网

1.ribbon负载均衡详解
2.Spring Cloud 五大核心组件解析之Eureka详解
3.面试说两天给结果给我，原理源码源码那都没有机会为什么不说今天给结果给我？

ribbon负载均衡详解

       æœåŠ¡ç«¯è´Ÿè½½å‡è¡¡ï¼šåœ¨å®¢æˆ·ç«¯å’ŒæœåŠ¡ç«¯ä¸­é—´ä½¿ç”¨ä»£ç†ï¼Œlvs  和 nginx。

        硬件负载均衡的设备或是软件负载均衡的软件模块都会维护一个下挂可用的服务端清单，通过心跳检测来剔除故障的服务端节点以保证清单中都是可以正常访问的服务端节点。当客户端发送请求到负载均衡设备的时候，该设备按某种算法（比如线性轮询、按权重负载、按流量负载等）从维护的可用服务端清单中取出一台服务端端地址，然后进行转发。

        客户端负载均衡：根据自己的情况做负载。Ribbon。

        客户端负载均衡和服务端负载均衡最大的区别在于 服务端地址列表的存储位置，以及负载算法在哪里。

        2、Spring Cloud的负载均衡机制的实现

        Spring Cloud Ribbon是一个基于HTTP和TCP的客户端负载均衡工具，它基于Netflix Ribbon实现。通过Spring Cloud的封装，可以让我们轻松地将面向服务的REST模版请求自动转换成客户端负载均衡的服务调用。Ribbon实现客户端的负载均衡，负载均衡器提供很多对.netflix.client.conf.CommonClientConfigKey。

        <clientName>.<nameSpace>.NFLoadBalancerClassName=xx

        <clientName>.<nameSpace>.NFLoadBalancerRuleClassName=xx

        <clientName>.<nameSpace>.NFLoadBalancerPingClassName=xx

        <clientName>.<nameSpace>.NIWSServerListClassName=xx

        <clientName>.<nameSpace>.NIWSServerListFilterClassName=xx

        com.netflix.client.config.IClientConfig：Ribbon的客户端配置，默认采用com.netflix.client.config.DefaultClientConfigImpl实现。

        com.netflix.loadbalancer.IRule：Ribbon的负载均衡策略，默认采用com.netflix.loadbalancer.ZoneAvoidanceRule实现，该策略能够在多区域环境下选出最佳区域的实例进行访问。

        com.netflix.loadbalancer.IPing：Ribbon的实例检查策略，默认采用com.netflix.loadbalancer.NoOpPing实现，该检查策略是一个特殊的实现，实际上它并不会检查实例是否可用，而是始终返回true，默认认为所有服务实例都是可用的。

        com.netflix.loadbalancer.ServerList：服务实例清单的维护机制，默认采用com.netflix.loadbalancer.ConfigurationBasedServerList实现。

        com.netflix.loadbalancer.ServerListFilter：服务实例清单过滤机制，默认采org.springframework.cloud.netflix.ribbon.ZonePreferenceServerListFilter，该策略能够优先过滤出与请求方处于同区域的服务实例。

        com.netflix.loadbalancer.ILoadBalancer：负载均衡器，默认采用com.netflix.loadbalancer.ZoneAwareLoadBalancer实现，它具备了区域感知的能力。

        上面的配置是在项目中没有引入spring Cloud Eureka，如果引入了Eureka和Ribbon依赖时，自动化配置会有一些不同。

        通过自动化配置的实现，可以轻松的实现客户端的负载均衡。同时，针对一些个性化需求，我们可以方便的替换上面的这些默认实现，只需要在springboot应用中创建对应的实现实例就能覆盖这些默认的配置实现。

        @Configuration

        public class MyRibbonConfiguration {

            @Bean

            public IRule ribbonRule(){

                return new RandomRule();

            }

        }

        这样就会使用P使用了RandomRule实例替代了默认的com.netflix.loadbalancer.ZoneAvoidanceRule。

        也可以使用@RibbonClient注解实现更细粒度的客户端配置

       å¯¹äºŽRibbon的参数通常有二种方式：全局配置以及指定客户端配置

        全局配置的方式很简单

        只需要使用ribbon.<key>=<value>格式进行配置即可。其中，<key>代表了Ribbon客户端配置的参数名，<value>则代表了对应参数的值。比如，我们可以想下面这样配置Ribbon的超时时间

        ribbon.ConnectTimeout=

        ribbon.ServerListRefreshInterval=   ribbon获取服务定时时间

        全局配置可以作为默认值进行设置，当指定客户端配置了相应的key的值时，将覆盖全局配置的内容

        指定客户端的配置方式

        <client>.ribbon.<key>=<value>的格式进行配置.<client>表示服务名，比如没有服务治理框架的时候（如Eureka），我们需要指定实例清单，可以指定服务名来做详细的配置，

        user-service.ribbon.listOfServers=localhost:,详细localhost:,localhost:

        对于Ribbon参数的key以及value类型的定义，可以通过查看com.netflix.client.config.CommonClientConfigKey类。

        当在spring Cloud的应用同时引入Spring cloud Ribbon和Spring Cloud Eureka依赖时，会触发Eureka中实现的对Ribbon的自动化配置。这时的serverList的维护机制实现将被com.netflix.niws.loadbalancer.DiscoveryEnabledNIWSServerList的实例所覆盖，该实现会讲服务清单列表交给Eureka的服务治理机制来进行维护。IPing的实现将被com.netflix.niws.loadbalancer.NIWSDiscoveryPing的实例所覆盖，该实例也将实例接口的任务交给了服务治理框架来进行维护。默认情况下，用于获取实例请求的ServerList接口实现将采用Spring Cloud Eureka中封装的org.springframework.cloud.netflix.ribbon.eureka.DomainExtractingServerList，其目的是为了让实例维护策略更加通用，所以将使用物理元数据来进行负载均衡，而不是使用原生的AWS AMI元数据。在与Spring cloud Eureka结合使用的时候，不需要再去指定类似的user-service.ribbon.listOfServers的参数来指定具体的服务实例清单，因为Eureka将会为我们维护所有服务的实例清单，而对于Ribbon的参数配置，我们依然可以采用之前的两种配置方式来实现。

        此外，由于spring Cloud Ribbon默认实现了区域亲和策略，所以，可以通过Eureka实例的元数据配置来实现区域化的实例配置方案。比如可以将不同机房的实例配置成不同的区域值，作为跨区域的容器机制实现。而实现也非常简单，只需要服务实例的元数据中增加zone参数来指定自己所在的区域，比如：

        eureka.instance.metadataMap.zone=shanghai

        在Spring Cloud Ribbon与Spring Cloud Eureka结合的工程中，我们可以通过参数禁用Eureka对Ribbon服务实例的维护实现。这时又需要自己去维护服务实例列表了。

        ribbon.eureka.enabled=false.

        由于Spring Cloud Eureka实现的服务治理机制强调了cap原理的ap机制（即可用性和可靠性），与zookeeper这类强调cp（一致性，可靠性）服务质量框架最大的区别就是，Eureka为了实现更高的服务可用性，牺牲了一定的一致性，在极端情况下宁愿接受故障实例也不要丢弃"健康"实例。

        比如说，当服务注册中心的网络发生故障断开时候，由于所有的服务实例无法维护续约心跳，在强调ap的服务治理中将会把所有服务实例剔除掉，而Eureka则会因为超过%的实例丢失心跳而触发保护机制，注册中心将会保留此时的所有节点，以实现服务间依然可以进行互相调用的场景，即使其中有部分故障节点，但这样做可以继续保障大多数服务的正常消费。

        在Camden版本，整合了spring retry来增强RestTemplate的重试能力，对于我们开发者来说，只需要简单配置，即可完成重试策略。

        spring.cloud.loadbalancer.retry.enabled=true

        hystrix.command.default.execution.isolation.thread.timeoutInMilliseconds=

        user-service.ribbon.ConnectTimeout=

        user-service.ribbon.ReadTimeout=

        user-service.ribbon.OkToRetryOnAllOperations=true

        user-service.ribbon.MaxAutoRetriesNextServer=2

        user-service.ribbon.maxAutoRetries=1

        spring.cloud.loadbalancer.retry.enabled:该参数用来开启重试机制，它默认是关闭的。

        hystrix.command.default.execution.isolation.thread.timeoutInMilliseconds：断路器的超时时间需要大于Ribbon的超时时间，不然不会触发重试。

        user-service.ribbon.ConnectTimeout：请求连接超时时间。

        user-service.ribbon.ReadTimeout：请求处理的超时时间

        user-service.ribbon.OkToRetryOnAllOperations：对所有操作请求都进行重试。

        user-service.ribbon.MaxAutoRetriesNextServer：切换实例的重试次数。

        user-service.ribbon.maxAutoRetries：对当前实例的重试次数。

        根据以上配置，当访问到故障请求的时候，它会再尝试访问一次当前实例（次数由maxAutoRetries配置），如果不行，就换一个实例进行访问，如果还是不行，再换一个实例访问（更换次数由MaxAutoRetriesNextServer配置），如果依然不行，返回失败

       é¡¹ç›®å¯åŠ¨çš„时候会自动的为我们加载LoadBalancerAutoConfiguration自动配置类，该自动配置类初始化条件是要求classpath必须要有RestTemplate这个类，必须要有LoadBalancerClient实现类。

        LoadBalancerAutoConfiguration为我们干了二件事，第一件是创建了LoadBalancerInterceptor拦截器bean，用于实现对客户端发起请求时进行拦截，以实现客户端负载均衡。创建了一个

        RestTemplateCustomizer的bean，用于给RestTemplate增加LoadBalancerInterceptor拦截器。

        每次请求的时候都会执行org.springframework.cloud.client.loadbalancer.LoadBalancerInterceptor的intercept方法，而LoadBalancerInterceptor具有LoadBalancerClient（客户端负载客户端）实例的一个引用，

        在拦截器中通过方法获取服务名的请求url（比如/p/1bddb5dc

        Spring cloud系列六 Ribbon的功能概述、主要组件和属性文件配置  

       /p/faffa

        本人有道云笔记中记录的参考文章

        文档：_ribbon 负载均衡.note

        链接：/noteshare?id=efc3efbbefd8ed0b9&sub=B0E6DFEEBDAF

Spring Cloud 五大核心组件解析之Eureka详解

       Spring Cloud五大核心组件之一的Eureka，作为微服务架构中的分析服务发现组件，基于Spring Boot开发，原理源码源码集成于Spring Cloud Netflix，详细专注于服务治理功能。分析woshop商城源码Eureka的原理源码源码基础架构围绕两个关键组件构建：Eureka Server（注册中心服务端）与Eureka Client（注册中心客户端）。

       Eureka Server作为服务注册中心，详细提供注册与发现服务，分析支持集群部署，原理源码源码以实现高可用性。详细Service Provider为提供服务的分析应用实例，包括Spring Boot应用或其他遵循Eureka通信机制的原理源码源码应用。它们将自身提供的详细服务信息注册至Eureka Server，供Service Consumer（服务消费者）查找。分析Service Consumer是服务的使用者，通过从注册中心获取服务列表，利用客户端负载均衡算法选择服务提供者，并调用所需服务。

       Eureka服务治理机制包含注册、同步、续约、获取、调用和下线等关键流程。服务提供者在启动时向Eureka Server注册，服务注册中心存储服务信息，保证服务可见性。服务同步机制在集群中实现服务信息的共享，确保服务发现的一致性。服务续约机制维持服务的在线状态，防止服务意外剔除。服务消费者通过Eureka Server获取服务列表，并使用Ribbon实现负载均衡调用服务。服务下线机制允许服务提供者在正常关闭时通知Eureka Server，服务注册中心将在一段时间后将服务状态标记为DOWN，并传播信息。失效剔除机制帮助Eureka Server在服务未响应时自动剔除服务实例。为应对网络不稳定情况，Eureka Server具备自我保护机制，限制服务注册表中实例的剔除，以避免误操作。读者可深入源码学习，以更全面地理解Eureka的工作原理。

面试说两天给结果给我，那都没有机会为什么不说今天给结果给我？

       ‍

       今天给大家分享一个关于一次奇葩面试：喊价K，HR却给了K的经历，网友评论说：面试造飞机，工作拧螺丝？

       自报家门

       先做个自我介绍，楼主坐标帝都，5 年经验，跳槽之前在一家传统小公司，年薪 万。

       这次面试前前后后大概两个月的怎么添加源码时间，面试了大概 6 家公司，命中 4 家，最终去了一家估值 亿美金的生鲜电商独角兽，年薪 万，刚好翻倍。

       面试过程

       话不多说，直接进入面试现场!

       好未来

       开始面试第一天上午投递好未来，下午 3 点面试，一共面试了 3 轮，问的问题比较多。

       第一轮

       面试官看了我的简历，首先让我画出 Eureka 的执行流程，这块在之前的准备过程中有深入看过，因此比较流畅的画出来并配合解释说明。

       之后问到项目中使用分布式锁解决缓存重建并发的问题，并要求画出实际的执行流程，数据库也问的比较多，像事务的隔离级别，MySQL 实现可重复读的原理，索引等。

       面试官给出了一个场景，在数据库主从同步的情况下，如果从库同步主库的数据延迟比较高，怎么才能在写到主库后立刻能够读取到数据。

       我解释了主从同步的原理，并以此说明主库到从库的复制一定是有延迟的，因此要保证当写到主库的时候立刻能读到数据。

       要么就直接配置那个接口读数据的话直接走主库，因为这种写完主库立刻要读取数据的场景比较少，可以做些特殊配置。

       另一种方案就是在往主库写数据的时候，可以直接往内存缓存中写一份，设置一个较短的过期时间，后面可以直接从缓存中读到数据。我说完之后，面试官也没给出评价，就这么过去了。

       此外，还问到一些基础性的问题，比较印象深刻的是：在加锁的时候，用什么锁对象是内存占用最小的，我说是 Object 对象，面试官说不对，我一时没想出来，面试结束后和朋友探讨，觉得应该是长度为 0 的 byte 数组。

       其他还问到了 Collections.sort() 使用的排序算法，AQS，线程池，ThreadLocal 等等问题，主要都是一些考察基本功的问题，一轮面试就这么过去了!

       第二轮

       面试官更关注对一些技术的读jquery 源码理解，问到了 ElasticSearch 的一些基础以及它和 MySQL 的区别在哪里;Eureka 和 Zookeeper 做服务发现的区别在哪里。

       还问了分布式限流有哪些方案，以及用线程池进行限流的缺陷是什么，项目中系统日志的处理;还有 JVM 模型，JMM 模型，垃圾回收机制，垃圾收集器等问题。

       之后聊了一些设计模式的使用，在项目中使用了哪些设计模式，对设计模式的几个原则的理解。

       第二轮结束后，由于第三轮的面试官在开会，所以等了一段时间，等面试官来了之后，只聊了很短时间，面试官就说还有别的事，今天先到这里了。

       主要问到了上家公司的加班情况，对加班的认识，职业规划，也问了几个技术问题，像 Tomcat 的优化这块，自我感觉答的不是很好。

       整个面试从 3 点到 7 点，有点虎头蛇尾的感觉，结束后也没有消息了。

        到家

       面试一共三轮，上午 点过去，两轮技术面，下午两点过去，等了一会，然后跟 HR 聊了有半个多小时，HR 说明在一周之内会有结果。

       第一轮

       第一轮面试官的问题主要集中在基础上，我大概罗列了问到的一些问题，不同的简历不同人肯定问的也不太一样，有兴趣的同学可以参考看看。

       主要是 JVM 模型，锁的原理，Synchronized 和 ReentrantLock的区别，偏向锁/轻量级锁/重量级锁的原理，能否从偏向锁直接升级成重量级锁。

       Java 并发包里有哪些类，如何使用，线程池原理和参数配置，JVM 调优，堆大小的设置，多线程的线程数的设置，Volatile 原理，ThreadLocal 原理和使用。

       Redis 和 Zookeeper 如何实现分布式锁，Redis 买断网游源码的数据类型，一些具体命令，比如要获取一个有序列表的前 个元素应该用什么命令。

       数据库索引的使用，聚簇索引和非聚簇索引，没有主键的话，数据如何组织。

       B+ 树的原理，InnoDB 引擎和 MyISAM 引擎的区别和使用场景，数据库隔离级别和原理，MySQL 的分库分表，MQ 的可靠性和顺序性，ES 插入数据的原理等。

       第二轮

       第二轮是部门 Leader 来面试，这轮面试主要集中在框架源码上，我画出了源码的执行流程，之后面试官在一些点深问，因为这块我看的比较全面，问的问题基本都答出来了。

       然后这里面试官还问了在源码中我有学到什么东西，我讲了使用配置类代替 Properties 文件，Volatile 在单例模式中的使用，内存的多级缓存机制，线程池的各种不同应用场景，MeasureRate 统计一分钟内心跳次数，批处理机制等。

       这里我的回答主要集中在代码编写层面，也可以从架构层面说下学到了哪些，我觉得后者更有高度。

       最后我向面试官咨询了这个岗位具体做的事情，部门是基础服务部，面试官画图给我说明了部门内部一些项目划分，技术栈的使用，后续的规划等内容，并约我下午继续跟 HR 聊。

       HR 面

       下午跟 HR 的面试，HR 顺着简历上的公司一个个聊，问了离职原因，公司情况，如何向上司提出离职的，团队规模，是否带团队。

       还问了上午面试的岗位知不知道具体要做什么，之后 HR 说了下公司的一些情况，上班时间，福利，加班情况，问了我现在的薪资情况，期望薪资，我问了下出结果的时间，HR 说一周之内。

       第二周的周五下午六七点的时候，这家公司 HR 给我打电话，源码小偷apk告诉我面试通过了，之后提到了给我的薪资，算下来竟然只给了我一个 5% 的涨幅。

       HR 给出的解释是，因为我前家公司上一年只发了 薪，而他们有 薪和两个多月的绩效，用 个月的薪水除以 ，算下来平均到每个月也能达到我期望薪资的水平。

       这个计算方法实在是膈应人，虽然 HR 后来表示可以跟 CEO 申请提高每月的 Base(大概提高到 % 的水平吧)，不过当时我已经有较为满意的 Offer 了，还是决定不去这家了。

       某生鲜电商独角兽

       由于前面说了薪资，就不说具体公司名字了。这家公司我面试了两天，一共三面，第一天笔试加初面，然后第二天有两轮复试。

       第一轮

       一面主要还是基础，集中在 IO/并发/缓存/Redis/Zookeeper/分布式/JVM/数据库等。

       其中问到 Redis 的单线程模型的时候，我这块了解的不是很清楚，只是知道使用 NIO 的方式，然后以自己的理解去说了，面试官表示这可能是我看过别的框架的模式，跟 Redis 搞混了，不过也算是答上来一些了。

       之后聊了一些项目的情况，比如每日的访问量有多少，QPS 多少，订单量多少等数据，据此得出数据库的访问压力如何。

       另外也深入问了使用分布式事务的一些问题，还有分布式事务在时间上的性能。

       所以这里给各位兄弟强调一下，对自己的项目一定要非常熟悉，各个点都要考虑到。

       一面跟面试官聊的还挺好，面试官也表示我的基础还不错，问我是不是平时都有学习，之后就是约二面了。

       由于当时已经下午 1 点了，后面的面试官也在中午休息，而我下午也还有别的面试，因此 HR 跟我约第二天来复试。

       第二轮

       二面的面试官也聊了基础和一些设计上的问题，比如同时访问三个有相同功能的 API，要求将执行最快的结果返回，有哪些方式，这块主要还是考察对并发编程，并发控制的理解和掌握，有一些并发控制的类能够做到。

       其他的还问到了，要开发一个新的 API，需要考虑哪些方面，把所有要考虑的地方都说出来，大家可以说下边界处理，高可用，并发问题，可扩展性，幂等性，重试机制等等，可以说的非常多。

       总体问了有 6 块内容吧，面试官一边问也一边在记录，一些基础的问题这里就不再多说了。

       第三轮

       三面的面试官问的要更底层一些，Java 线程与内核线程的关系，与进程的关系;关于并发我所了解的方方面面。

       对于这个，我从为什么有并发，并发问题产生的根源，解决并发问题的一些理论，Java 中解决并发问题的方式，不同方式的适用场景和对比等方面进行了回答。

       另外还问到 Redis 的几种数据类型，以及每种数据类型的底层实现，跳表这种数据结构如何插入数据， Hash 如何扩容。

       这块我跟面试官说具体扩容规则不太了解，然后向面试官说了我了解的 Java 中的 HashMap 的扩容规则和具体实现。

       Tips：面试时如果遇到自己不太熟悉的部分，可以稍作变通，把自己熟悉的内容和面试官的问题结合起来。

       之后又问了一些小的知识点，有的也没答好，像 CopyOnWrite 就不知道用来做什么，然后就是一些为什么离职之类的问题，对未来职业发展的考虑等。

       之后面试官问我有什么想了解的，也问了我的期望薪资，我说了具体的数，也表示没想要太多，更看重平台的发展，最后面试官说明天 HR 会打电话给我。

       HR 面

       最后就是跟 HR 的沟通了，第二天 HR 打来电话告知面试通过，然后问了我期望薪资，沟通入职时间，之后加微信，按照 HR 的要求提供了一些材料，第二天就收到 Offer 了。

       PS：最终楼主选择了这家公司，除了很有竞争力的薪资之外，我还很看重这家公司的发展平台，因为他们有非常大的用户量，会遇到各种技术挑战，是很好的提升锻炼的机会。

       然后这里有一个开篇提到的小插曲：当时 HR 电话问我期望薪资的时候，我说 K。

       结果后续加微信聊天时，HR 告诉我技术面试的反馈很好，决定给我 K，一个月还有 的补助，算下来一个月有 K，发 个月。这种 HR 主动加薪的事情我还是第一次见，意外之喜，哈哈!

       玩吧

       这家公司的职位是去做 App 后台的，用户量也不错，面试一共两轮技术面，最后是 HR 面。

       第一轮

       一面的时候，网络这块问的比较多，三次握手，四次挥手什么的，还有整个网络请求的执行流程，数据包的大小，对长连接的理解等。

       然后数据库这块也问了一些，提供了一个场景，假如要实现一个最简单的朋友圈，用户可以看到朋友的朋友圈动态，朋友也可以看到用户发的动态，然后问表的设计。

       我说了自己的实现，像用户表，好友表。面试官问有没有更好的方式，我没答上来，面试官表示这个轻易可能想不到，就问别的问题了，别的也没什么特殊的问题，都是一些基础的东西，大概聊了一个小时吧，就到了第二面了。

       第二轮

       二面是技术总监面的，整体没怎么聊技术，就是一些个人素质上的考察。比如：

为什么会选择做开发，没做别的用三个短语来描述自己的优点说说自己的缺点现在公司有系统稳定运行着，如果你发现了有新的技术能够改善现有系统，你会不会引进，会考虑哪些方面日常学习的方式，看过哪些书有没有带团队，描述下团队成员的优缺点，有没有改善有没有面试过别人，会从哪些方面考察职业规划是怎样的，想做技术管理还是技术专家对 Shell 熟不熟悉，写个 Word-Count 用到哪些命令

       最后还聊了下公司的氛围，项目的情况等。然后也没啥特殊的，就过了。

       HR 面

       最后跟 HR 聊，主要还是说了下公司的福利待遇，公司的氛围，也问了我现在有没有 Offer，对他们的感觉怎么样。

       然后问了之前公司的薪资和现在的期望薪资，最后加了微信，告诉我两天内给结果。最后也是成功通过了面试并拿到了 Offer。

       友信金服-人人贷

       这家公司面试有三轮，大同小异，这里简短的说一下。

       第一轮

       一面仍然是基础的考察，像 CAS 的理解，和它存在的问题，ConcurrentHashMap 的锁机制，ElasticSearch 倒排索引，Eureka 的底层源码，还有服务访问的重试机制等等。

       第二轮

       二面上来问了垃圾回收的问题，类似下面的代码：

       问 a 和 b 能否被垃圾回收?这里主要考察 JVM 如何判断一个对象是否可以被回收，是通过引用计数还是可达性分析，引用计数的方式会产生像上面代码一样的循环引用的问题，所以 JVM 没有采用这种方式。

       第二个问题是，如果有个跟 Java 中原生的 String 一模一样的类，包括包名，类名都是一样的，方法也是一样的，唯独比原生的 String 的方法多个打印输出语句。

       然后把它放进项目的依赖中，在写程序的时候，导入 String 类，问到底执行的是 Java 原生的 String 的方法还是自己写的 String 方法。

       对于这个问题，可以考虑下 Java 中类加载的双亲委派模型。

       然后就聊了项目的一些架构，问的比较细，要求我对每块都详细画图解释。

       最后就是让画一个 Spring Cloud 技术栈所有框架的整体执行流程图，并对 Hystrix 的限流熔断机制做了解释说明，别的好像也没什么了。

       这之后二面算是结束了，面试官和我说了下自己团队的情况，人员情况，要做的项目的情况等。

       第三轮

       最后一面是业务总监面的，面试官让我说了下自己在公司做了哪些事情，我挑其中一个项目做了仔细说明，然后说了下职业规划，对行业的看法等等。

       最后 HR 和我加了微信，同样说是两天内给结果，不过第二天他们就给出通过的结果了，然后发了 Offer。

       某实时数据分析服务公司

       这是一家做体育赛事的实时数据分析展示的公司，公司不大，去年拿了 A 轮融资，看网上整体评价还不错，就去试了试。

       面试总共有技术两轮，HR 一轮。去的时候首先是写笔试题。做完之后进入面试。

       第一轮面试官没有聊太久，问的问题也比较偏基础，就是一些面试常问的问题，然后说了 Eureka 的执行原理，说完之后，面试官就去叫技术总监了。

       第二轮面试是技术总监面的，技术点没问太多，主要集中在之前的笔试题上，笔试题包括 SQL 的考察，还有几道算法题：找出有序数组中指定元素出现的次数;二叉查找树从小到大排序。因为时间的问题，我主要写了实现思路。

       还有一题是，有 瓶水，其中一瓶有毒，小白鼠喝一滴有毒的水一小时后会死，要在一小时找出来哪瓶水有毒最少需要几只小白鼠。

       在 SQL 的考察这块，面试官看完我的答案后，又改了其中的需求，要求给出 SQL 的实现，另外也问到了 SQL 的执行效率。

       这里给大家强调一下，我面的基本上每家公司面试都会问到数据库，所以这块还是挺重要的，需要重点去看。

       然后关于找出有序数组中指定元素出现次数的问题，原来要求的时间复杂度是 O(lgn)，后来面试官说不要求任何时间空间复杂度，如何简单的实现，我给出的方案是用 HashMap，相同的 Key 每出现一次，Value 加 1。

       然后是小白鼠问题，说了解题思路，主要就是用位的思想，对 瓶水编码，实际只需要 4 个位就可以。

       之后面试官还现场出了别的算法题，我基本都给出了结果，总体而言面试还比较顺畅，之后聊了下职业规划，技术发展，学习新技术的方法，面试官也聊了之后他们准备做的事情，并给我现场演示了他们的项目。

       最后到了 HR 面，主要聊了下上家公司离职的原因，公司福利，上下班时间，我的期望薪水，还问到之前有没有带团队的经历等。

       最终他们在第二周的周四才给出面试通过的结果并表示正在走 Offer 流程，由于 CEO 不在，在薪资上还没最终确定，我因为有了更满意的 Offer，因此婉拒了。

       总结

       总结一下，这两个月的面试，我觉得最重要的就是基础和项目这两块，基础一定要扎实，否则第一轮面试可能都过不了。

       JVM，并发是非常高频被问到的地方，在开始面试之前一定要好好准备，另外也需要有自己非常熟悉的领域。

       在这个领域里，面试官的一切问题你都可以 Hold 住，我觉得，对于这种基础好，而且有自己长处的面试者，面试官没有理由不喜欢。

       还有项目这块，对项目的细节一定要清楚，各种方案的设计思路，实现细节等等都要了如指掌，这样在面试官对各种细节的追问下不至于手忙脚乱。