feat: add 50 backend interview questions and answers

Generated comprehensive interview preparation materials covering: - Distributed systems (transactions, locks, ID generation, consistency) - Database (indexing, sharding, replication, transactions) - Caching (Redis, cache problems, distributed lock) - Message queues (RocketMQ, Kafka) - Concurrency (ThreadLocal, ConcurrentHashMap, thread pools) - JVM (GC, memory, tuning) - System design (seckill, short URL, IM, feed, LBS) - Algorithms (B+ tree, LRU, Red-Black tree, Skip list, Timing wheel) - Network (TCP/IP, HTTP/HTTPS) - Security (encryption, SQL injection, XSS) - Performance tuning - Design patterns - Microservices (Spring Boot, Gateway, Service Mesh) - Container orchestration (Kubernetes, Docker) - CI/CD, observability Each file includes: - Detailed questions - Comprehensive answers - Code examples - Real project experience - Alibaba P7 level requirements Generated with [Claude Code](https://claude.com/claude-code) via [Happy](https://happy.engineering) Co-Authored-By: Claude <noreply@anthropic.com> Co-Authored-By: Happy <yesreply@happy.engineering>
2026-03-01 00:09:50 +08:00
parent d80d1cf553
commit fe2e6dc2f2
26 changed files with 10016 additions and 0 deletions
--- a/questions/cap-theorem.md
+++ b/questions/cap-theorem.md
@@ -0,0 +1,439 @@
+# CAP 理论和 BASE 理论
+
+## 问题
+
+1. 什么是 CAP 理论？CAP 三者为什么不可兼得？
+2. 什么是 BASE 理论？
+3. CP、AP、AP 架构分别适用于什么场景？
+4. Zookeeper、Eureka、Nacos、Consul 分别是 CP 还是 AP？
+5. 在实际项目中如何权衡一致性、可用性、分区容错性？
+
+---
+
+## 标准答案
+
+### 1. CAP 理论
+
+#### **定义**
+
+CAP 是指分布式系统中的三个核心指标：
+
+| 指标 | 说明 | 示例 |
+|------|------|------|
+| **Consistency（一致性）** | 所有节点在同一时间看到相同的数据 | 写入后，所有节点立即读取到新数据 |
+| **Availability（可用性）** | 系统持续提供服务，每个请求都能得到响应 | 即使部分节点故障，系统仍能响应 |
+| **Partition Tolerance（分区容错性）** | 系统在网络分区时仍能继续运行 | 节点间网络断开，系统仍能工作 |
+
+---
+
+#### **CAP 定理**
+
+**一个分布式系统最多只能同时满足两项**：
+
+```
+┌─────────────────────────────────────┐
+│          CAP 三选二                  │
+│                                     │
+│    CA ────┐                         │
+│           │                         │
+│     ╱     │    ╲                    │
+│   ╱       │      ╲                  │
+│  ╱        │       ╲                 │
+│ ●────────●──────●                   │
+│ C        P      A                   │
+│                                     │
+│  CP     AP      CA                  │
+└─────────────────────────────────────┘
+```
+
+**为什么？**（证明）
+```
+场景：两个节点 N1、N2，网络分区（P）
+
+情况 1：保证 C（一致性）
+├─ N1 写入数据
+└─ 为了保证一致性，N2 必须拒绝读取（牺牲 A）
+
+情况 2：保证 A（可用性）
+├─ N1 写入数据
+└─ 为了保证可用性，N2 返回旧数据（牺牲 C）
+
+结论：在有分区（P）的情况下，C 和 A 无法同时满足
+```
+
+---
+
+#### **CP、AP、CA 架构**
+
+**1. CP（一致性 + 分区容错）**
+
+**特点**：
+- 保证数据一致性
+- 分区时部分节点不可用
+
+**适用场景**：
+- 金融系统（转账、支付）
+- 库存系统（超卖不可接受）
+
+**代表系统**：
+- Zookeeper（CP）
+- HBase（CP）
+- Redis Cluster（CP，主从切换时短暂不可用）
+
+**示例**：
+```java
+// Zookeeper 写入流程
+client.setData("/node", data);
+// 等待大多数节点确认
+// 如果网络分区，部分节点无法写入
+```
+
+---
+
+**2. AP（可用性 + 分区容错）**
+
+**特点**：
+- 保证系统可用
+- 分区时可能读到脏数据
+
+**适用场景**：
+- 社交媒体（点赞、评论）
+- 内容分发（CDN）
+- 用户行为统计
+
+**代表系统**：
+- Cassandra（AP）
+- DynamoDB（AP）
+- Eureka（AP）
+- DNS（AP）
+
+**示例**：
+```java
+// Cassandra 写入
+session.execute("INSERT INTO users (id, name) VALUES (1, 'Alice')");
+// 写入成功立即返回
+// 数据可能尚未复制到其他节点（最终一致性）
+```
+
+---
+
+**3. CA（一致性 + 可用性）**
+
+**注意**：**在分布式系统中，CA 不存在**（因为网络分区不可避免）。
+
+**CA 存在于**：
+- 单机系统（RDBMS）
+- 传统关系型数据库（MySQL、PostgreSQL）
+
+---
+
+### 2. BASE 理论
+
+#### **定义**
+
+BASE 是对 CAP 中 AP 方案的补充，通过**牺牲强一致性**来获得**高可用性**。
+
+| 指标 | 说明 | 示例 |
+|------|------|------|
+| **Basically Available（基本可用）** | 系统出现故障时，允许损失部分可用性 | 秒杀时拒绝部分请求 |
+| **Soft state（软状态）** | 允许数据存在中间状态 | 订单状态：待支付 → 已支付 |
+| **Eventually consistent（最终一致性）** | 数据最终会达到一致状态 | 支付后 1 秒内到账 |
+
+---
+
+#### **BASE vs ACID**
+
+| 特性 | ACID（传统数据库） | BASE（NoSQL） |
+|------|-------------------|---------------|
+| **一致性** | 强一致性（立即） | 最终一致性（延迟） |
+| **可用性** | 可能（锁、事务） | 高（无锁、异步） |
+| **隔离性** | 严格（锁） | 松散 |
+| **持久性** | 强 | 弱（可能丢失） |
+
+---
+
+#### **最终一致性的实现**
+
+**1. 读时修复（Read Repair）**：
+```java
+// 读取时检查一致性
+public User getUser(Long userId) {
+    // 从多个节点读取
+    User user1 = node1.get(userId);
+    User user2 = node2.get(userId);
+
+    // 发现不一致，修复
+    if (!user1.equals(user2)) {
+        // 使用版本号或时间戳决定哪个更新
+        User latest = user1.getVersion() > user2.getVersion() ? user1 : user2;
+
+        // 异步修复旧数据
+        asyncRepair(latest);
+
+        return latest;
+    }
+
+    return user1;
+}
+```
+
+---
+
+**2. 写时修复（Write Repair）**：
+```java
+// 写入时同步到所有节点
+public void saveUser(User user) {
+    // 写入主节点
+    masterNode.save(user);
+
+    // 异步同步到从节点
+    for (Node slave : slaves) {
+        CompletableFuture.runAsync(() -> {
+            slave.save(user);
+        });
+    }
+}
+```
+
+---
+
+**3. 异步复制**：
+```
+主节点收到写入
+    ↓
+立即返回成功
+    ↓
+异步复制到从节点
+    ↓
+最终一致
+```
+
+---
+
+### 3. 主流注册中心对比
+
+#### **Zookeeper（CP）**
+
+**特点**：
+- 保证一致性（ZAB 协议）
+- Leader 挂了会重新选举（期间不可用）
+
+**适用场景**：
+- 需要强一致性
+- 对可用性要求不高（如配置中心）
+
+**示例**：
+```java
+// Zookeeper 注册
+zk.create("/services/order/192.168.1.10:8080", data, ZooDefs.Ids.OPEN, NodeMode.EPHEMERAL);
+```
+
+---
+
+#### **Eureka（AP）**
+
+**特点**：
+- 保证可用性
+- 客户端缓存注册信息
+- 网络分区时仍能提供服务
+
+**适用场景**：
+- 对可用性要求高
+- 可容忍短暂的服务发现不准确
+
+**示例**：
+```java
+// Eureka 注册
+@Bean
+public EurekaInstanceBeanBean eurekaInstanceBean(InetAddress inetAddress) {
+    EurekaInstanceBeanBean bean = new EurekaInstanceBeanBean();
+    bean.setHostname(inetAddress.getHostAddress());
+    bean.setAppName("order-service");
+    bean.setNonSecurePort(8080);
+    return bean;
+}
+```
+
+---
+
+#### **Nacos（AP + CP）**
+
+**特点**：
+- 支持 AP 和 CP 切换
+- 默认 AP（临时实例）
+- 可配置 CP（持久化实例）
+
+**配置**：
+```yaml
+# Nacos 配置
+spring:
+  cloud:
+    nacos:
+      discovery:
+        server-addr: localhost:8848
+        ephemeral: true  # true=AP, false=CP
+```
+
+---
+
+#### **Consul（CP）**
+
+**特点**：
+- 保证一致性（Raft 协议）
+- 支持 KV 存储
+- 支持健康检查
+
+**适用场景**：
+- 服务发现
+- 配置中心
+- 分布式锁
+
+---
+
+### 4. 实际项目应用
+
+#### **场景 1：订单系统（CP）**
+
+**需求**：
+- 不能超卖
+- 库存数据必须准确
+
+**方案**：
+```
+1. 使用分布式锁（Redis、Zookeeper）
+2. 数据库使用强一致性事务
+3. 库存扣减使用串行化
+```
+
+**代码**：
+```java
+@Transactional
+public void createOrder(Order order) {
+    // 1. 获取分布式锁
+    RLock lock = redissonClient.getLock("product:" + order.getProductId());
+    lock.lock();
+
+    try {
+        // 2. 查询库存
+        Product product = productMapper.selectById(order.getProductId());
+        if (product.getStock() < order.getQuantity()) {
+            throw new BusinessException("库存不足");
+        }
+
+        // 3. 扣减库存
+        product.setStock(product.getStock() - order.getQuantity());
+        productMapper.updateById(product);
+
+        // 4. 创建订单
+        orderMapper.insert(order);
+
+    } finally {
+        lock.unlock();
+    }
+}
+```
+
+---
+
+#### **场景 2：社交点赞（AP）**
+
+**需求**：
+- 高并发点赞
+- 允许点赞数短暂不准确
+
+**方案**：
+```
+1. 先更新缓存（Redis）
+2. 异步同步到数据库
+3. 最终一致（1 秒内）
+```
+
+**代码**：
+```java
+public void like(Long userId, Long postId) {
+    // 1. 更新缓存（立即返回）
+    redisTemplate.opsForSet().add("post:" + postId + ":likes", userId);
+
+    // 2. 异步更新数据库
+    CompletableFuture.runAsync(() -> {
+        likeMapper.insert(new Like(userId, postId));
+    });
+}
+
+public Long getLikeCount(Long postId) {
+    // 1. 先查缓存
+    Long count = redisTemplate.opsForSet().size("post:" + postId + ":likes");
+
+    // 2. 如果缓存不存在，查数据库
+    if (count == null || count == 0) {
+        count = likeMapper.countByPostId(postId);
+        redisTemplate.opsForValue().set("post:" + postId + ":count", count, 1, TimeUnit.HOURS);
+    }
+
+    return count;
+}
+```
+
+---
+
+#### **场景 3：库存同步（最终一致性）**
+
+**需求**：
+- 多个仓库库存同步
+- 允许短暂不一致
+
+**方案**：
+```
+1. 使用消息队列（RocketMQ）
+2. 事务消息保证不丢失
+3. 消费者重试保证最终一致
+```
+
+**代码**：
+```java
+// 1. 发送事务消息
+@Transactional
+public void updateStock(Long productId, int quantity) {
+    // 更新数据库
+    productMapper.updateStock(productId, quantity);
+
+    // 发送事务消息
+    Message msg = new Message("StockTopic", "StockUpdate",
+        JSON.toJSONString(new StockUpdateEvent(productId, quantity)).getBytes());
+    rocketMQTemplate.sendMessageInTransaction(msg, null);
+}
+
+// 2. 消费消息
+@RocketMQMessageListener(topic = "StockTopic", consumerGroup = "stock-consumer")
+public class StockConsumer implements RocketMQListener<StockUpdateEvent> {
+    @Override
+    public void onMessage(StockUpdateEvent event) {
+        // 同步到其他仓库
+        warehouseService.syncStock(event.getProductId(), event.getQuantity());
+    }
+}
+```
+
+---
+
+### 5. 阿里 P7 加分项
+
+**深度理解**：
+- 理解 CAP 理论的局限性（如网络延迟、时钟问题）
+- 理解各种一致性协议（Paxos、Raft、ZAB）
+- 理解分布式事务的权衡
+
+**实战经验**：
+- 有设计 CP 或 AP 系统的经验
+- 有处理数据不一致问题的经验
+- 有最终一致性调优的经验
+
+**架构能力**：
+- 能根据业务特点选择合适的架构
+- 能设计混合架构（部分 CP、部分 AP）
+- 能设计数据修复和补偿机制
+
+**技术选型**：
+- 了解各种注册中心和存储系统的 CAP 特性
+- 能根据业务特点选择合适的技术
+- 有分布式系统设计经验