主内存：所有变量都保存在主内存中
工作内存：每个线程的独立内存，保存了该线程使用到的变量的主内存副本拷贝，线程对变量的操作必须在工作内存中进行

每个线程都有自己的本地内存共享副本，如果A线程要更新主内存还要让B线程获取更新后的变量，那么需要：

• 将本地内存A中更新共享变量
• 将更新的共享变量刷新到主内存中

微服务如何拆分？
微服务如何选型、组合与落地？
微服务治理场景及方法有哪些？
流控、负载、容错级别、链路追踪参数等都有哪些调整策略？
需求、性能、数据一致性方面都需要注意那些设计细节？

1.微服务架构如何拆分
2.微服务架构应用场合
3.微服务架构与Docker容器化
4.微服务架构如何达到99.999%的高可用
5.微服务架构性能怎么满足千亿次请求调用
6.微服务架构开源框架对比（Spring Boot , Spring Cloud , Dubbo等）

Dubbo 微服务之负载均衡算法原理分析

1. 如何理解集群与微服务的关系
2. 负载均衡有哪些业务场景

基本回收算法

1. 复制（Copying）

此算法把内存空间划为两个相等的区域，每次只使用其中一个区域。垃圾回收时，遍历当前使用区域，把正在使用中的对象复制到另外一个区域中。次算法每次只处理正在使用中的对象，因此复制成本比较小，同时复制过去以后还能进行相应的内存整理，不过出现“碎片”问题。当然，此算法的缺点也是很明显的，就是需要两倍内存空间。

2. 标记-清除（Mark-Sweep）

此算法执行分两阶段。第一阶段从引用根节点开始标记所有被引用的对象，第二阶段遍历整个堆，把未标记的对象清除。此算法需要暂停整个应用，同时，会产生内存碎片。

3. 标记-整理（Mark-Compact）

此算法结合了 “标记-清除”和“复制”两个算法的优点。也是分两阶段，第一阶段从根节点开始标记所有被引用对象，第二阶段遍历整个堆，把清除未标记对象并且把存活对象 “压缩”到堆的其中一块，按顺序排放。此算法避免了“标记-清除”的碎片问题，同时也避免了“复制”算法的空间问题。

4. 分代（Generational Collecting）

垃圾收集器
串行GC（Serial GC）、并行回收GC（Parallel Scavenge）和并发回收GC（ParNew）

GC有两种类型：Scavenge GC和Full GC。
JVM分别对新生代和旧生代采用不同的垃圾回收机制

什么是Reentrant

Jdk中独占锁的实现除了使用关键字synchronized外,还可以使用ReentrantLock。虽然在性能上ReentrantLock和synchronized没有什么区别，但ReentrantLock相比synchronized而言功能更加丰富，使用起来更为灵活，也更适合复杂的并发场景。

Synchronized和ReentrantLock的相同点：

1.ReentrantLock和synchronized都是独占锁,只允许线程互斥的访问临界区。但是实现上两者不同:synchronized加锁解锁的过程是隐式的,用户不用手动操作,优点是操作简单，但显得不够灵活。一般并发场景使用synchronized的就够了；ReentrantLock需要手动加锁和解锁,且解锁的操作尽量要放在finally代码块中,保证线程正确释放锁。ReentrantLock操作较为复杂，但是因为可以手动控制加锁和解锁过程,在复杂的并发场景中能派上用场。

2.ReentrantLock和synchronized都是可重入的。synchronized因为可重入因此可以放在被递归执行的方法上,且不用担心线程最后能否正确释放锁；而ReentrantLock在重入时要却确保重复获取锁的次数必须和重复释放锁的次数一样，否则可能导致其他线程无法获得该锁。

对象处于偏向锁时,mark word中的偏向锁标记为1,锁标志位为01;下面是分析过jvm源码(biasedLocking.cpp)解析的偏向锁升级流程(忽略一些细节)，示例中:线程1当前拥有偏向锁对象,线程2是需要竞争到偏向锁。

• 线程2来竞争锁对象;
• 判断当前对象头是否是偏向锁;
• 判断拥有偏向锁的线程1是否还存在;

157. zookeeper 是什么？
     zookeeper 是一个分布式的，开放源码的分布式应用程序协调服务，是 google chubby 的开源实现，是 hadoop 和 hbase 的重要组件。它是一个为分布式应用提供一致性服务的软件，提供的功能包括：配置维护、域名服务、分布式同步、组服务等。

158. zookeeper 都有哪些功能？

152. kafka 可以脱离 zookeeper 单独使用吗？为什么？
     kafka 不能脱离 zookeeper 单独使用，因为 kafka 使用 zookeeper 管理和协调 kafka 的节点服务器。

153. kafka 有几种数据保留的策略？
     kafka 有两种数据保存策略：按照过期时间保留和按照存储的消息大小保留。

项目中的限流怎么实现的？（Guava ratelimiter，令牌桶算法）
具体怎么实现的？（要点是固定速率且令牌数有限）
如果突然很多线程同时请求令牌，有什么问题？（导致很多请求积压，线程阻塞）
怎么解决呢？（可以把积压的请求放到消息队列，然后异步处理）
如果不用消息队列怎么解决？（说了RateLimiter预消费的策略）

分布式追踪的上下文是怎么存储和传递的？（ThreadLocal + spanId，当前节点的spanId作为下个节点的父spanId）

链路追踪的信息是怎么传递的？(RpcContext的attachment，说了Span的结构:parentSpanId + curSpanId)
SpanId怎么保证唯一性？(UUID，说了下内部的定制改动)

RDB：　 redis 主进程只需要 fork 一个子进程，让子进程执行磁盘 IO 操作来进行 RDB 持久化

优点：
数据快照，适合做冷备
对性能影响小
回复快
缺点：
丢失少量数据
数据量过大，影响服务提供

AOF：　AOF 机制对每条写入命令作为日志，以 append-only 的模式写入一个日志文件中，在 redis 重启的时候，可以通过回放 AOF 日志中的写入指令来重新构建整个数据集。
优点：
数据不丢失（1s fsync）
可读方式记录，适合恢复
缺点：
文件大
QPS相对低
发年bug,数据未恢复一致