宁波旷世智源25软件工程师

宁波旷世智源25软件工程师面试核心问题及解答如下：

• 区别：

  底层结构：ArrayList 基于动态数组，LinkedList 基于双向链表。

  随机访问：ArrayList 支持 O(1) 时间复杂度的随机访问，LinkedList 需 O(n) 遍历。

  插入/删除：LinkedList 在头部或尾部插入/删除效率高（O(1)），ArrayList 在中间插入需移动元素（O(n)）。

  内存占用：LinkedList 每个节点需存储前后指针，内存开销更大。

• 适用场景：

  ArrayList：频繁随机访问、数据量较大且变动少（如缓存、静态数据展示）。

  LinkedList：频繁插入/删除、数据量较小或需动态调整（如任务队列、实时数据流处理）。

• JDK1.7：

  结构：数组 + 链表（Entry 实体）。

  冲突解决：链表法，通过 next 指针连接冲突的键值对。

• JDK1.8：

  结构：数组 + 链表 + 红黑树。

  树化条件：链表长度 ≥ 8 且数组长度 ≥ 64 时转为红黑树（减少查询时间复杂度至 O(log n)）。

  扩容机制：

  默认容量：16，负载因子 0.75。

  扩容触发：元素数量 ≥ 容量 × 负载因子（如 16 × 0.75 = 12 时扩容）。

  扩容规则：容量翻倍（2^n），重新计算哈希并分配位置。

• HTTP 1.0：

  短连接：每次请求需建立 TCP 连接，完成后立即关闭。

  无持久化：不支持管道化（Pipelining），效率低。

• HTTP 1.1：

  长连接：默认保持 TCP 连接（Connection: keep-alive），复用连接减少开销。

  管道化：支持多请求并发发送（但需按顺序响应，易头阻塞）。

  新增方法：如 PUT、PATCH、OPTIONS。

• HTTP 2.0：

  二进制分帧：将数据拆分为二进制帧，实现多路复用（解决头阻塞）。

  头部压缩：使用 HPACK 算法压缩请求/响应头，减少传输量。

  服务器推送：主动向客户端发送资源（如 CSS/JS），减少请求次数。

• 序列号与确认应答：通过序号标识数据顺序，接收方返回确认号（ACK）确保数据到达。
• 超时重传：发送方未收到 ACK 时，重新发送数据（基于 RTT 动态调整超时时间）。
• 流量控制：通过滑动窗口机制（接收方通告窗口大小）避免发送方过载。
• 拥塞控制：慢启动、拥塞避免、快速重传/恢复（如 TCP Reno 算法）动态调整发送速率。
• 校验和：检测数据在传输过程中是否损坏。

• 协议类型：

  HTTP 长连接：基于 HTTP 协议，通过 Connection: keep-alive 复用连接，仍为请求-响应模式。

  WebSocket：独立协议（ws:///wss://），建立全双工通信通道，支持双向实时数据传输。

• 连接方式：

  HTTP 长连接：需客户端主动发起请求，服务器无法主动推送。

  WebSocket：连接建立后，服务器可主动推送数据（如实时通知、聊天应用）。

• 头部开销：

  HTTP 长连接：每次请求仍需携带完整头部。

  WebSocket：首次握手后，后续通信仅需 2 字节帧头，效率更高。

• 实时数据更新：如股票行情、传感器监控、物流轨迹追踪，通过 WebSocket 推送数据至前端动态渲染。
• 交互式仪表盘：用户操作（如筛选、缩放）通过 WebSocket 触发后端计算，实时返回结果。
• 多人协作可视化：多用户同时编辑图表时，通过 WebSocket 同步操作状态（如画布修改、注释添加）。

• 部署方式：

  单机部署：适用于小型团队，直接安装 FineBI 服务端 + 客户端。

  集群部署：通过 Nginx 负载均衡分配请求，结合 Redis 缓存会话，提升并发能力。

• 集成要点：

  数据源连接：支持 MySQL、Oracle、Hive 等，需配置 JDBC 驱动及权限。

  API 调用：通过 RESTful API 实现与业务系统的交互（如用户认证、数据导出）。

  定时调度：利用 FineBI 内置任务调度功能，定期刷新数据集或发送报表。

• String：缓存、计数器（如访问量统计）、分布式锁（SETNX 命令）。
• List：消息队列（LPUSH/RPOP）、最新消息排行（如微博时间线）。
• Set：标签系统（如用户兴趣标签）、去重（如抽奖参与者名单）。
• Hash：存储对象属性（如用户信息、商品详情），减少键数量。
• Sorted Set：排行榜（如游戏积分榜）、带权重的任务调度（ZRANGEBYSCORE 查询分数范围）。

• 缓存加速：存储频繁查询的聚合数据（如日/周/月统计），减少数据库压力。
• 实时计算：结合 INCR、ZADD 等命令实现动态排名、热点数据统计。
• 会话管理：存储用户登录状态或可视化配置（如图表筛选条件），支持多端同步。

• 反向代理：server { listen 80; server_name example.com; location / { proxy_pass
  http://backend_server;
  proxy_set_header Host $host; }}
• 负载均衡（轮询策略）：upstream backend_pool { server 192.168.1.1:8080; server 192.168.1.2:8080;}server { listen 80; location / { proxy_pass
  http://backend_pool;
  }}
• 其他策略：支持权重（weight）、IP 哈希（ip_hash）、最少连接（least_conn）。

• 项目背景：设计一个实时销售数据可视化平台，支持多维度筛选、动态图表渲染。
• 技术选型：

  前端：React + ECharts（交互性强，适合复杂图表）。

  后端：Spring Boot（提供 RESTful API） + WebSocket（实时数据推送）。

  数据库：MySQL（存储交易数据） + Redis（缓存聚合结果）。

  中间件：Nginx（反向代理、负载均衡） + Kafka（处理高并发日志）。

• 性能瓶颈与解决方案：

  数据量大导致查询慢：

  方案：MySQL 分库分表 + Redis 缓存热点数据。

  WebSocket 连接数过高：

  方案：Nginx 限流（limit_conn） + 集群部署。

  前端渲染卡顿：

  方案：虚拟滚动（如 react-window）优化长列表，Web Worker 异步计算。

• 架构设计思路：

  分层架构：前端（展示层） → 网关（Nginx） → 后端服务（API/WebSocket） → 数据层（MySQL/Redis）。

  异步处理：非实时任务（如报表生成）通过消息队列（Kafka）解耦，避免阻塞主流程。

  监控告警：集成 Prometheus + Grafana 监控 API 响应时间、Redis 命中率等关键指标。