日常场景面试准备

面试题

RPC框架

远程调用，往往是伴随着微服务化改造的过程产生的。

RPC框架原理

• 服务消费方（client）调用以本地调用方式调用服务；
• client stub接收到调用后负责将方法、参数等组装成能够进行网络传输的消息体；
• client stub找到服务地址，并将消息发送到服务端；
• server stub收到消息后进行解码；
• server stub根据解码结果调用本地的服务；
• 本地服务执行并将结果返回给server stub；
• server stub将返回结果打包成消息并发送至消费方；
• client stub接收到消息，并进行解码；
• 服务消费方得到最终结果

简单RPC框架用到的技术：

1. 动态代理：本地方法调用，其实是走到了代理类对象中。代理类对象中invoke方法屏蔽了网络通信细节。
2. 网络通信：TCP连接 框架：Netty
3. 线程池：服务端接收到RPC请求后，可以包装成一个Thread，交由线程池处理。
4. 反射：服务端接收到远程调用的接口全限定名，然后找到其具体的实现类，然后反射调用指定方法。
5. 序列化 反序列化：参数与返回值的序列化与反序列化。

ZK注册中心在RPC框架中的作用

服务端在启动时 可以按照指定格式在ZK上创建节点临时节点，连接断开后，节点自动删除。

客户端在方法调用时，可以先从本地缓存中查询服务端IP和端口，查找失败，即向ZK注册中心查找。查找到时，可以对该目录节点建立一个watcher监听 监听删除或者新增事件。 监听到删除事件时将 该节点从可用列表中清除。监听到新增事件时，去注册中心再拉取一次最新服务提供者列表信息。

流控

分流、降级、限流

分流

负载均衡算法，英文名称为 Load Balance，通过某种负载分担技术，将外部发送过来的请求均匀分配到对称结构中的某一台服务器上，而接收到请求的服务器独立地响应客户端。

1. 轮询法：挨个调用。服务器编号，变量递增依次取出可用服务器列表。
2. 随机法：系统随机函数，随着调用量的增大，其实际效果越来越近乎平均流量分配。
3. 哈希法：获取客户端的IP地址值，通过哈希函数计算得到一个数值，用该数值对服务器列表的大小进行取模计算，得到的结果便是要访问的服务器序号。
4. 加权轮询。
5. 加权随机。
6. 最小连接数法：

限流

1. 前端Nginx限流或tomcat配置限流
2. Guava的 Rate Limit限流：令牌算法（匀速生产）、漏桶算法（匀速消费） 流量整型 突增流量
3. JDK 自带的 Semphore限流。
4. Redis + LUA 脚本
5. 线程池

应用级限流：
1. 限流总并发或连接数
2. 限流总资源数：线程池。
3. 限流某个接口的总并发数或请求数。：AtomicInteger Semphore
4. 限流某个接口的时间窗口请求数：过期清除（redis java 定时线程池 guava的本地缓存）
5. 平滑限流：Guava的令牌算法和漏桶算法。SmoothBursty：平滑限流 令牌算法 和平滑预热限流（SmoothWarmingUp 流速是梯形递增的 冷启动时会以一个比较大的速率慢慢达到平均速率，然后趋于平均速率 梯形下降到平均速率）实现。
6. 分布式限流：redis + LUA 或 Nginx + LUA

降级

自动降级：
1. 超时或者接口故障降级：不展示 或者 展示默认数据 缓存数据 或者同步改异步（下单 黑名单校验，服务异常，改由后台异步校验黑名单，在做补偿）
2. 统计失败次数降级：收银台三方支付渠道，那个服务失败次数多，就把他往下隐藏。
3. 限流降级：排队等待页面、错误页等。
4. 读写降级：读兜底数据 默认数据，或者不读 直接进入错误页 或者页面静态化。
5. 写服务降级：写DB，再写Redis，假如Redis 性能故障，还有异步写Redis。MQ 定时JOB等，最终数据一致性，
6. Hystrix 熔断，健康度统计。

人工降级：
1. 配置中心 打开降级开关。
2. 摘除集群。

MQ

1. 乱序：消息编排、丢弃旧消息。
2. 去重：messageId、业务唯一标识、业务方传入一个唯一ID

分库分表（已完成）

蓄水池抽样。（已完成）

1. 抽样对账