今天禀享粉丝最新投稿的北京贝壳外包面经，我把项目相关的都去掉了，其他的题目整理下来感觉不是很难，你以为呢？换做是你的话你答得出来吗？
面经整理如下：
北京贝壳外包
Redis 跟 MySQL 以及 Kafka 之间是什么关系？
Redis 是内存数据布局存储系统，用于快速读写和高并发访问。MySQL 是关系型数据库，用于长期化存储布局化数据。Kafka 是分布式消息队列系统，用于处理大规模消息流和数据分发。
在应用中，MySQL 存主要数据，Redis 加快访问，Kafka 传递消息和解耦组件。例如电商系统中，用户信息在 MySQL，购物车数据在 Redis，订单处理消息通过 Kafka 传递。
Kafka partion的概念
在 Kafka 里，Partion 就是把一个主题的数据分成了好几个部分。 每个 Partion 都是按顺序存消息的，而且这些消息改不了。同一主题的差异 Partion 能放在差异的地方，这样就能让数据处理得更快更平衡。
Partion 有这些用处： 一是存数据，消息按顺序存进去，还给每个消息弄个编号来标明位置。 二是能同时处理，多个 Partion 能让差异的人大概组一起处理，服从高。 三是不容易出错，如果有地方坏了，也就影响那一部分，整个主题的数据不会丢。
Kafka 偏移量
在 Kafka 里边，偏移量就是个数字，专门用来表明消息在分区里处于啥位置。
打个比方，每个消息在分区里都有个独一份的编号，这就是偏移量。消费者读消息的时候，会记住自己读到哪个编号了。下次再读，就知道从哪儿接着来，不会重复读，也不会把消息给漏了。
比如说，偏移量是 5 ，那就说明这是分区里的第 6 条消息（因为偏移量从 0 开始算）。偏移量能保证 Kafka 里消息处理得有顺序，而且不会丢。
比如说有你在线上发现一条慢SQL，你怎么分析它？
使用 explain ，说明：
首先关注“type”这一项。若表现为“ALL”，意味着进行了全表扫描，这通常不是理想情况，需要寻求改进。若表现为“index”或“range”等，则相对较好。
其次留意“possible_keys”和“key”这两项。“possible_keys”表示可能能够使用的索引，而“key”表示现实使用的索引。倘若“key”这一项为空，意味着未使用索引，此时需要探究缘故原由，例如索引创建是否正确。
再者，“rows”这一项也颇为重要，它代表预计扫描的行数。该数值越大，表明需要处理的数据量越多，可能导致查询速度变慢。
另外，“extra”这一项也值得关注。如果出现“Using filesort”大概“Using temporary”等内容，往往意味着存在题目，需要进行优化。
索引的最左前缀原则是什么意思？a > 1 and b = 1 and c = 1, 你看这个能命中这个索引吗？
索引的最左前缀原则就是在创建联合索引时，查询语句用索引的条件得从索引的最左边开始，而且得一连匹配。
对于“a > 1 and b = 1 and c = 1”这个条件，能不能命中索引得看创建的索引是啥样。
要是创建的索引是 (a, b, c) ，那这查询就能命中索引，因为是从最左边的“a”开始匹配的。 可要是创建的索引是 (b, c, a) 大概其他不是以“a”开头的组合，那这查询就不能命中索引。
Redis 常见的数据布局？他们的应用场景？
- 字符串（String）：可以存储字符串、整数或浮点数。常用于缓存用户信息、计数器、分布式锁等。
- 哈希（Hash）：得当存储对象，例如存储用户的具体信息。
- 列表（List）：可以实现队列、栈等数据布局。常用于消息队列、最新文章列表等。
- 集合（Set）：用于存储不重复的元素，可用于社交关系中的共同好友、抽奖等场景。
- 有序集合（Sorted Set）：每个元素都有一个分数，可根据分数排序。适用于排行榜、限时活动等。 例如，在电商网站中，字符串可以存储商品库存数目，哈希存储商品详情，列表用于存储用户浏览记录，集适用于存储用户收藏的商品，有序集适用于商品销量排行。
zset 你一般在什么场景下会用？底层的数据布局是什么？
ZSet（有序集合）通常在以下场景中使用：
- 排行榜：例如游戏得分排行榜、商品销量排行榜等，按照分数或销量等进行排序。
- 优先级队列：可以根据元素的权重或优先级来处理任务。
- 时间序列数据：比如按照时间戳排序的事件记录。
Redis中ZSet底层现实有两种数据布局：
一、压缩列表（ziplist）
使用条件（以下两个条件需同时满足） 12：
- 存储的元素数目较少（通通例定是小于配置参数 zset-max-ziplist-entries ，一般默认是128 ，但可以修改配置）。
- 所有元素长度都比力小（规定是小于配置参数 zset-max-ziplist-value ，一般默认是64字节，但可以修改配置）。
布局特点：
- 是一种为节省内存而计划的特别编码布局，将所有的元素和分数紧凑地存储在一起。
- 元素和它的分数在压缩列表中是交替存储，即第一个元素是成员，第二个元素是分数，第三个元素是成员，第四个元素是分数，以此类推1。
- 在redis的源代码中，压缩列表（ziplist）的布局并没有直接定义为一个C布局体，而是通过一系列的宏和函数来操纵一段一连的内存1。其布局大致包含以下部分 1：
- zlbytes：一个4字节的整数，表示整个压缩列表占用的字节数目，包括它自身的大小。
- zltail ：一个4字节的整数，表示压缩列表中最后一个元素的偏移量（相对于整个压缩列表的起始地址）。
- zllen：一个2字节的整数，表示压缩列表中的元素数目。如果元素数目超过65535，那么这个值就会被设定为65535，需要遍历整个压缩列表才气获取到现实的元素数目。
- entry：压缩列表中的元素，每个元素都由一个或多个字节组成。每个元素的第一个字节（又称为 "entry header"）用于表示这个元素的长度以及编码方式。
- zlend：一个字节，值为255，表示压缩列表的结束。
二、跳跃表（skiplist）
使用条件（只要有一个不满足上述ziplist条件就会切换到跳跃表）12 ： 当ZSet存储的元素数目较多，大概元素的字符串长度较长时。
布局特点：
- 在Redis的源代码中，跳跃表的布局定义如下2：
- 有一个 zskiplist 布局体表示整个跳跃表：
- header：指向跳跃表的表头节点，通过这个指针步伐定位表头节点的时间复杂度是O(1)。
- tail ：指向跳跃表的表尾节点，通过这个指针步伐定位表尾节点的时间复杂度为O(1)。
- length：记录跳跃表的长度，就是跳跃表目前包含节点的数目（表头节点不算在内）。
- level：记录在目前的跳跃表内，层数最大的那个节点的层数（表头节点的层数不计算在内）。
- 跳跃表节点 zskiplistnode：
- obj：成员对象。
- score：分值（用于排序）。
- backward：退却指针，指向位于当前节点的前一个节点（步伐从表尾向表头遍历时使用，每个节点只有一个退却指针 ）。
- level：是一个可变长数组布局（C99标准引入），里面包含：
- forward：进步指针，用于访问位于表尾方向的其他节点。
- span：这个层跨越的节点数目（记录进步指针所指向节点和当前节点的距离跨度越大、距离越远 ）。
跳跃表通过维护多级索引来实现快速查找和高效的插入、删除、更新元素等操纵2 。它的时间复杂度平均为O(log n) ，性能比力高。
在Redis中ZSet元素的存储和访问等操纵过程中：
- 当使用跳跃表时，元素的成员和分值等信息存储在跳跃表节点中，同时还有一个哈希表（在整个ZSet布局层面，不是跳跃表布局内部）用于快速通过成员查找其分值等操纵2 。
- 当使用压缩列表时，直接在压缩列表中操纵元素和分值等数据。
JWT 是什么东西？
JWT（JSON Web Token）是一种用于在网络应用情况中进行安全信息传递的开放标准。
它由三部分组成：
头部（Header），通常包含令牌的范例和使用的加密算法；
载荷（Payload），包含声明，比如用户身份信息、权限等；
签名（Signature），用于验证消息的完整性和真实性，防止被篡改。
JWT 的主要优点是无状态，服务器不需要生存会话信息，减轻了服务器的存储负担。它常用于身份验证和授权，比如在单点登录、微服务架构等场景中。用户在登录乐成后获取 JWT 令牌，后续的哀求携带该令牌，服务器通过验证令牌的有效性来确认用户身份和权限。
协程了解吗？和线程对比
协程和线程是在编程中常见的概念，它们有一些明显的区别。
线程是操纵系统层面的概念，由操纵系统进行调理和管理。多个线程可以在同一进程中并发执行，它们共享进程的资源。线程的切换通常由操纵系统控制，开销相对较大。 协程则是在用户态实现的轻量级线程。协程的切换由步伐自身控制，不需要操纵系统的干预，因此协程切换的开销通常比线程小得多。协程更适用于协作式的任务调理，多个协程可以在同一个线程中运行，通过自动让出控制权来实现任务的切换。
在资源消耗方面，线程由于需要操纵系统进行管理和调理，会占用较多的系统资源，如内存等。而协程相对来说资源消耗较少。
在编程模子上，线程的并发模子相对较为复杂，需要处理线程安全、同步等题目。协程的编程模子通常更简单直观，更容易明确和实现复杂的逻辑控制。
一道算法题
找到具有最大和的一连子数组，并返回该子数组
编程题
用两个协程、两个channel循环打印1, 2
[code]package mainimport ( "fmt" "sync")func Print1(ch1 chan bool, ch2 chan bool, wg *sync.WaitGroup) { defer wg.Done() for { |
