新增kafka面经

面经/问答/Mysql.md

@@ -14,13 +14,13 @@
 5. 定期维护数据库：数据库的性能和稳定性需要定期进行维护，包括定期清理无用的数据和索引，进行数据库备份和日志管理，定期更新统计信息等。定期维护可以保持数据库的健康状态，提升查询性能。
 6. 可以考虑使用分库分表技术，例如对于用户中奖详情单我选择了分库分表，因为有多个用户和不同活动同时竞争这个表，数据库访问压力比较大，所以就要选择分库分表
 
-## mysql低层数据结构
+## mysql底层数据结构
 
 1. B+ 树索引：MySQL 使用 B+ 树作为默认的索引结构。索引数据最好能按顺序排列，这样可以使用「二分查找法」高效定位数据，而且还要支持排序操作。这就天然要求我们使用平衡二叉树作为默认的数据结构，而平衡二叉树本身是一个B树，每个节点只能有两个子节点那么当节点个数越多的时候，树的高度也会相应变高，这样就会增加磁盘的 I/O 次数，从而影响数据查询的效率。B 树的每一个节点最多可以包括 M 个子节点，M 称为 B 树的阶，所以 B 树就是一个多叉树。B+ 树就是对 B 树做了一个升级，他和B树相比有如下几个优点
    1. B+ 树的非叶子节点不存放实际的记录数据，仅存放索引，因此数据量相同的情况下，相比存储即存索引又存记录的 B 树查询效率更高，因为IO次数更少
    2. B+ 树在删除根节点的时候，由于存在冗余的节点，所以不会发生复杂的树的变形，B 树则不同，B 树没有冗余节点，删除节点的时候非常复杂
    3. B+ 树所有叶子节点间还有一个链表进行连接，这种设计对范围查找非常有帮助
-2. 数据文件：MySQL 数据库将数据存储在磁盘上的数据文件中，低层由表空间构成，表空间由段（segment）、区（extent）、页（page）、行（row）组成
+2. 数据文件：MySQL 数据库将数据存储在磁盘上的数据文件中，底层由表空间构成，表空间由段（segment）、区（extent）、页（page）、行（row）组成
 3. InnoDB 存储引擎：InnoDB 是 MySQL 的一种常用存储引擎，它使用了多版本并发控制（MVCC）和行级锁来实现高并发性和事务支持。InnoDB 存储引擎的核心数据结构包括页（page）、记录（record）、索引（index）和事务日志（transaction log）等。
 
 ## 联合索引定义要注意哪些点

面经/问答/kafka.md

@@ -0,0 +1,29 @@
+## kafka为什么快？
+
+### 顺序读写
+
+kafka的存储方案是**顺序追加写日志 + 稀疏哈希索引**
+
+![image-20230519214345638](assets/image-20230519214345638.png)
+
+1. kafka 中消息是以主题 Topic 为基本单位进行归类的，这里的 Topic 是逻辑上的概念，实际上在磁盘存储是根据分区 Partition 存储的, 即每个 Topic 被分成多个 Partition，分区 Partition 的数量可以在主题 Topic 创建的时候进行指定。
+
+2. Partition 分区主要是为了解决 Kafka 存储的水平扩展问题而设计的， 如果一个 Topic 的所有消息都只存储到一个 Kafka Broker上的话， 对于 Kafka 每秒写入几百万消息的高并发系统来说，这个 Broker 肯定会出现瓶颈， 故障时候不好进行恢复，所以 Kafka 将 Topic 的消息划分成多个 Partition， 然后均衡的分布到整个 Kafka Broker 集群中。
+
+3. Partition 分区内每条消息都会被分配一个唯一的消息 id,即我们通常所说的 偏移量 Offset, 因此 kafka 只能保证每个分区内部有序性,并不能保证全局有序性。
+
+4. 然后每个 Partition 分区又被划分成了多个 LogSegment，这是为了防止 Log 日志过大，Kafka 又引入了日志分段(LogSegment)的概念，将 Log 切分为多个 LogSegement，相当于一个巨型文件被平均分割为一些相对较小的文件，这样也便于消息的查找、维护和清理。这样在做历史数据清理的时候，直接删除旧的 LogSegement 文件就可以了。
+
+4. Log 日志在物理上只是以文件夹的形式存储，而每个 LogSegement 对应磁盘上的一个日志文件和两个索引文件，以及可能的其他文件(比如以".snapshot"为后缀的快照索引文件等)
+
+### 页缓存
+
+页缓存相对来说比较简单，页缓存在操作系统层面是保存数据的一个基本单位，Kafka 避免使用 JVM，直接使用操作系统的页缓存特性提高处理速度，进而避免了JVM GC 带来的性能损耗。
+
+### 零拷贝
+
+
+
+### 批量操作
+
+在 kafka 中页提高了大量批处理的 API ，可以对数据进行统一的压缩合并，通过更小的数据包在网络中进行数据发送，再进行后续处理，这在大量数据处理中，效率提高是非常明显的。

面经/问答/并发编程.md

@@ -8,7 +8,7 @@
 
 同样，`notify()`方法也必须在同步块中使用。如果一个线程在未获得锁的情况下调用`notify()`方法，那么它将无法通知任何等待的线程。因为它没有获取锁，所以它不能访问共享数据或执行必要的同步操作来确保正确的通知。
 
-因此，使用`wait()`和`notify()`方法时，必须在同步块中使用它们，以确保线程之间的安全性并避免出现竞态条件。
+因此，使用`wait()`和`notify()`方法时，必须在同步q块中使用它们，以确保线程之间的安全性并避免出现竞态条件。
 
 ## volatile 关键字
 
@@ -158,7 +158,7 @@ AQS提供了一种通用的框架，用于实现线程间的协作和同步操
 * **`ThreadPoolExecutor.DiscardPolicy`：** 不处理新任务，直接丢弃掉。
 * **`ThreadPoolExecutor.DiscardOldestPolicy`：** 此策略将丢弃最早的未处理的任务请求。
 
-### 如何设定线程池的大小？
+### 如何设定线程池的大小？（CPU 核心数 - N）
 
 * **CPU 密集型任务(N+1)**
 
@@ -171,13 +171,13 @@ CPU 密集型简单理解就是利用 CPU 计算能力的任务比如你在内
 * Future类的get方法
 
 ```java
-private static final int NEW          = 0;
-private static final int COMPLETING   = 1;
-private static final int NORMAL       = 2;
-private static final int EXCEPTIONAL  = 3;
-private static final int CANCELLED    = 4;
-private static final int INTERRUPTING = 5;
-private static final int INTERRUPTED  = 6;
+private static final int NEW          = 0; // 初始状态，FutureTask刚被创建，正在计算中都是该状态。
+private static final int COMPLETING   = 1; // 中间状态，表示计算已完成正在对结果进行赋值，或正在处理异常
+private static final int NORMAL       = 2; // 终止状态，表示计算已完成，结果已经被赋值。
+private static final int EXCEPTIONAL  = 3; // 终止状态，表示计算过程已经被异常打断。
+private static final int CANCELLED    = 4; // 终止状态，表示计算过程已经被cancel操作终止。
+private static final int INTERRUPTING = 5; // 中间状态，表示计算过程已开始并且被中断，正在修改状态。
+private static final int INTERRUPTED  = 6; // 终止状态，表示计算过程已开始并且被中断，目前已完全停止。
 
 public V get() throws InterruptedException, ExecutionException {
     int s = state;