整個面試分三塊進行：
一、基礎知識，主要問了計網和數據庫以及算法
- TCP 第三次握手和四次揮手過程
騰訊的面試官大大也問了這個問題，並且特別提醒了我要注意記住 tcp 連接和斷開時客戶端和服務器端的狀態，真是超級感謝啊，這點原來還真的一直沒有注意過。
首先我們來回顧一下 TCP 的數據傳輸單元，TCP 傳送的數據單元稱爲報文段。一個 TCP 報文段分爲 TCP 首部和 TCP 數據兩部分，整個 TCP 報文段都封裝在 IP 數據報中的數據部分，TCP 首部長度是4的整數倍，其中有固定的20個字節，剩餘的可變動的就是選項和填充「最常見的可選字段是最長報文大小，又稱爲MSS（Maximum Segment Size），每個連接方通常都在通信的第一個報文段（爲建立連接而設置SYN標誌爲1的那個段）中指明這個選項，它表示本端所能接受的最大報文段的長度。」，20個固定的字節包括了源端口號（2 字節）、目的端口（2字節）、seq序列號（4字節）、確認號ack（4字節）、以及確認位ACK 等等。
其次，我們來詳細講解一下三次握手、四次揮手的過程：
三次握手
首先，在三次握手建立連接的階段，是不會傳輸 TCP 報文段的，傳輸的是 傳輸控制塊（TCB），傳輸控制塊 TCB(Transmission Control Block)存儲了每一個連接中的一些重要信息，如：TCP 連接表，指向發送和接收緩存的指針，指向重傳隊列的指針，當前的發送和接收序號等等。
最開始的 Client 和 Server 都是處於 Closed，由於服務器端不知道要跟誰建立連接，所以其只能被動打開，然後監聽端口，此時 Server 處於 Listen 狀態；
而 Client 會主動打開，然後構建好 TCB 「SYN= 1，seq = x」，發送給服務器端，此時 Client 會將狀態置爲 SYN_SEND 「同步已發送」；
服務器端收到客戶端發來的同步請求後，會將狀態置爲 SYN_RECV「同步已接收」，同時會構建好 TCB「SYN = 1，seq = y，ACK = 1，ack = x + 1」發送給客戶端；
客戶端接收到了服務器端發來的傳輸控制塊之後，會將自己的狀態改爲 ESTABLISHED「建立連接」，然後發送確認報文（ACK= 1，seq = x + 1，ack = y + 1）；
服務器端在收到了客戶端發來的報文之後，也將狀態置爲 ESTABLISHED「建立連接」，至此，三次握手結束，當然在這裏，可以帶 tcp 報文段信息過來了，因爲此時客戶端已經可以保證是可靠的傳輸了，所以在這一端可以發送報文段了。
幾個問題：
爲何不直接在第一次握手就帶上報文段消息，非要第三次纔可以帶？
因爲 TCP 是要保證數據的不丟失且可靠，如果在第一次就帶上報文段消息，此次建立連接很有可能就會失敗，那麼就不能保證數據的不丟失了，在不可靠的機制上進行這種操作，換來的代價太大，每次發送報文段的資源也會增大，得不償失；
而第三次握手的時候，客戶端已經知道服務器端準備好了，所以只要告訴服務器端自己準備好了就okay了，所以此時帶上報文段信息沒有任何問題。
可不可以只握手兩次？
肯定是不可以的，三次握手主要是解決這樣一個常見的問題，客戶端發送了第一個請求連接並且沒有丟失，只是因爲在網絡結點中滯留的時間太長了，由於TCP的客戶端遲遲沒有收到確認報文，因爲服務器沒有收到，此時重新向服務器發送這條報文，此後客戶端和服務器經過兩次握手完成連接，傳輸數據，然後關閉連接。此時此前滯留的那一次請求連接，網絡通暢了到達了服務器，這個報文本該是失效的，但是，兩次握手的機制將會讓客戶端和服務器再次建立連接，這將導致不必要的錯誤和資源的浪費。
如果採用的是三次握手，就算是那一次失效的報文傳送過來了，服務端接受到了那條失效報文並且回覆了確認報文，但是客戶端不會再次發出確認。由於服務器收不到確認，就知道客戶端並沒有請求連接。
（版權聲明：本文爲CSDN博主「小書go」的原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出處鏈接及本聲明。原文鏈接：http://blog.csdn.net/qzcsu/article/details/72861891）
四次揮手
最開始客戶端和服務器端都是 ESTABLISHED 的狀態，然後客戶端會主動關閉，而服務器端則是被動關閉。
客戶端發送一個 FIN 報文段，seq = 結束的報文段序號 + 1「假設爲 u」，告訴服務器端，客戶端需要關閉了，此時將客戶端的狀態變爲 FIN-WAIT-1，等待服務器端的反饋；
服務器在接收到了客戶端發來的 FIN 包之後，會發一條 ack報文反饋給客戶端，其中報文中包括 ACK = 1，seq = v，ack = u+1，告訴客戶端收到了客戶端要關閉的消息了，同時服務器端會通知應用進程需要關閉連接了，並將自己的狀態置爲 CLOSE-WAIT；
由於服務器端可能還有一些數據沒處理完，所以需要一段時間的等待，當處理完了之後，會再發一條報文，其中 FIN = 1，ACK = 1，seq = w，ack = u+1，告知客戶端，服務器端現在可以關閉了，並將服務器端的狀態由 CLOSE-WAIT 變爲 LAST-ACK；
客戶端在收到了服務器端發來的消息之後，會發一條ack報文「ACK = 1，seq = u+1，ack = w+1」回去，告知服務器端，客戶端已經知道了你準備好關閉了，此時會將客戶端的狀態由 FIN-WAIT-2 置爲 TIME-WAIT，在兩個最長報文段傳輸時間過後，會自動將客戶端的狀態由 TIME-WAIT 置爲 CLOSED。
服務器端收到消息之後，就將狀態由 LAST-ACK 只爲了 CLOSED，自此，四次揮手全部結束。
一個很常見的問題，爲何不能三次揮手呢？
首先如果去掉最後一次揮手，那麼服務器端就不知道自己要關閉的報文有沒有傳輸成功，可能半路上就失敗了，但是此時客戶端不知道，導致客戶端一直在等待服務器關閉，但是此時服務器端直接就關閉了；
如果中間的兩次揮手合併，那是肯定不行的，因爲此時服務器端可能還有很多報文未處理完，此時直接關閉肯定會對傳輸有很大影響。
爲什麼客戶端在收到 服務器端發來的 FIN 包後要等 2 個最長報文段傳輸時間？
防止最後自己發去的 ack 沒傳送到服務器，如果服務器沒收到客戶端的 ack，肯定會選擇重發一次 FIN 包，那麼此時如果客戶端已經關閉了，客戶端就不能再發 ack 確認收到了，至於爲何是 2 個報文段傳輸時間，因爲剛好一去一回嘛… 2 個最長報文傳輸時間沒有 FIN 包發來，就說明服務器已經關閉了，客戶端也就可以安心關閉了。
- http 和 tcp 的區別
tcp 是傳輸層協議，http是應用層協議，http在傳輸層就是使用的 tcp。
- 排序算法有哪些
這個簡單。排序算法分爲比較算法和非比較算法，其中比較算法包括交換排序「冒泡和快排」、選擇排序「簡單選擇排序和堆排序」、插入排序「直接插入排序、希爾排序」、歸併排序「二路歸併和多路歸併」，非比較排序有計數排序、桶排序、基數排序。「公式：不穩定的有：快些選堆」
冒泡排序。穩定的，平均是間複雜度爲 O(n²)，最好時間複雜度那肯定就是一次循環 O(n)，最壞時間複雜度爲 O(n²)。空間複雜度 O(1)。
快速排序。不穩定，平均時間複雜度爲O(nlogn)，最好的時間複雜度爲O(nlogn)，最壞就是選定的基準值在最邊上，這樣就是O(n²)，注意哦，快排的空間複雜度平均是 O(logn)，最差 O(n)。
簡單選擇排序。不穩定，平均、最好、最壞時間複雜度都爲O(n²)。空間複雜度 O(1)。
堆排序。不穩定，平均、最好、最壞的時間複雜度爲O(nlogn)。空間複雜度 O(1)。
直接插入排序。穩定。最好O(n)，平均、最壞時間複雜度O(n²)。空間複雜度 O(1)。
希爾排序。不穩定。最好O(n)，平均O(n1.3)，最壞肯定是O(n²)。空間複雜度O(1)。
歸併排序。穩定。最好、最壞、最差時間複雜度O(nlogn)，空間複雜度O(n)。
計數排序。穩定，空間換時間。適合數比較集中在一起的，這樣k就少了，時間複雜度爲 O(n+k)，空間複雜度也爲O(n+k)。「個人還是覺得其實空間複雜度爲O(k)，因爲我可以把值放回去的時候可以放到原數組上，所以是O(k)。」
桶排序，桶越多，時間複雜度很簡單，爲O(n+k)，空間複雜度最壞爲O(n+k)，其中 n 是因爲桶內部所有元素的排序， k 是指桶的數量。
基數排序，時間複雜度O(n*k)，k爲最大數的位數，空間複雜度爲O(n)。
- 堆排序的穩定性，如何實現堆排序，具體細節
這個很簡單，就不詳細說了。
- 歸併排序的穩定性，如何實現歸併排序，具體細節
簡單。
- 說一下jdk自帶的排序用到了哪些排序算法，展開講一下
Arrays.sort() & Collections.sort()
JDK中的自帶的排序算法實現原理精彩總結
jdk層面實現的sort總共是兩類，一個是 Arrays.sort()， Collections.sort()；
Arrays.sort()
如果數組內元素是基本數據類型，最主要採用的是雙軸快速排序「其實就是三路快排一模一樣的思路，只不過三路快排中間是 = pivot1，而雙軸快速排序是（pivot1，pivot2），具體戳鏈接：http://www.cnblogs.com/nullzx/p/5880191.html 。
總結就是數組長度小於47的時候是用直接插入算法，大於47並且小於286是採用雙軸快速排序，大於286如果連續性好「也就是元素大多有序，有一個flag專門用來記錄數組元素的升降次數，代表這個數組的連續性」採用的是歸併排序，否則還是依舊採用雙軸快速排序。
如果數組內元素是對象，採用的是TimSort.sort()，跟 Collections.sort()一樣，都是採用的這個函數，這是歸併排序算法和插入排序的結合。
Collections.sort()，採用 TimSort.sort()。
TimSort.sort() 大概原理：
當待排序元素小於32個時，採用二分插入排序，是插入排序的一種改進，可以減少插入排序比較的次數。當找到插入位置時，直接利用System.copy()函數即可。
當待排序元素大於等於32個時，進行歸併排序（和傳統的歸併不一樣），首先將排序元素分區，每個分區的大小區間爲[16,32)，然後依次對每個分區進行排序（具體實現依然是二分插入排序），排完序的分區壓入棧（準確的說不是棧，而是一個數組，用來記錄排序好的分區），當棧內的分區數滿足條件時，進行分區合併，合併爲一個更大的分區，當棧中只剩一個分區時，排序完成。
- mysql如何優化
建索引
- 索引的建立的原則有哪些
除了運用最左前綴、索引下推、考慮索引長度，還有哪些是建立索引需要考慮的 「這個實在想不到了」
- 紅黑樹和平衡二叉樹的區別，各自的優勢特點，以及紅黑樹如何進行添加數據「具體說一下旋轉過程，我只說了我博客上寫了，具體的給忘了…」
這個二面真得複習複習。
二、java方面
- 講一下雙親委派模型，爲什麼要設計雙親委派模型
雙親委派模型：一個類加載器在加載類時，先把這個請求委託給自己的父類加載器去執行，如果父類加載器還存在父類加載器，就繼續向上委託，直到頂層的啓動類加載器。如果父類加載器能夠完成類加載，就成功返回，如果父類加載器無法完成加載，那麼子加載器纔會嘗試自己去加載。
好處：java類隨着它的類加載器一起具備了一種帶有優先級的層次關係。
這種雙親委派模式的設計原因：可以避免類的重複加載，另外也避免了java的核心API被篡改。
- 違反雙親委派模型，我不小心說了jdbc，然後問我jdbc是如何連接到數據庫的，具體流程是什麼，我就說了個反射…沒複習到位
《從雙親委派模型到jdbc》http://jeromememory.github.io/2020/03/19/%E4%BB%8E%E5%8F%8C%E4%BA%B2%E5%A7%94%E6%B4%BE%E6%A8%A1%E5%9E%8B%E5%88%B0%20jdbc.html
- 講一下jmm，爲何這樣設計
java memeory model ，java 內存模型，設計的目的是屏蔽掉各種硬件和操作系統之間的差異性，實現讓 Java 在各種平臺下都能能到一致的併發效果。jmm 中，分爲主內存和工作內存，其中每個線程擁有自己的工作內存，而主內存是所有線程共享的。這裏我遇到疑問了，在周志華老師那本書中，先是講主內存中存儲了所有的變量，那必然就包括了線程的局部變量，那難道我線程使用自己的局部變量，也要從主內存中拷貝一份副本到工作內存中呢？這是不是和說主內存是共享區域產生了矛盾呢？書中還說可以類比，主內存就是跟堆差不多，而工作內存類似於棧，那之前說的主內存存儲了所有的變量，這句話是不是有問題呢？個人覺得主內存不可能存儲所有的變量…應該就是類似於堆存儲共享變量…
- 爲何要有工作內存，有了主內存和工作內存不是更麻煩啊，要不斷的複製移動數據，爲何不能直接對主內存操作「這個也沒答上來」
這就跟爲何要提出寄存器和緩存一樣的道理，如果所有的操作都在內存中完成，那速度實在是太慢了，只有工作在寄存器和緩存中，速度才能讓人滿意，而這裏的主內存就類比爲內存，工作內存就類比爲寄存器和緩存。
- 什麼是線程安全 「多線程方面一個問題都沒問…血虧」
多個線程訪問一個對象，無需考慮環境和額外同步，調用這個對象的行爲就能得到正確的答案，就說明這個對象是線程安全的。
- 舉三個例子分別描述 jmm的三個特性「原子性、有序性、可見性」導致的線程安全問題
不遵循原子性：volatile 變量的自加，複合操作，導致線程不安全；
不遵循有序性：比如共享變量，多個線程同時訪問，不按序，每個都拷貝一份到自己的工作內存，必然會導致線程不安全；
不遵循可見性：普通變量，跟有序性一樣的例子，每個都從主內存拷貝一份變量的副本到工作內存，必然會導致線程不安全。
- 講一下 RunTimeException 的造成的原因「非檢查型異常」，並說一下爲什麼不處理 RunTimeException？
RuntimeException是Exception子類。而Exception還有其它類型的異常，我們統一稱爲非Runtime異常。RuntimeException的特點是非檢查型異常，也就是Java系統中允許可以不被catch，在運行時拋出。而其它定非運行時異常如果拋出的話必須顯示的catch，否則編譯不過。
RuntimeException常見異常：
1 NullPointerException，空指針異常。
2 NumberFormatException，字符串轉化成數字時。
3 ArrayIndexOutOfBoundsException， 數組越界時。
4 StringIndexOutOfBoundsException， 字符串越界時。
5 ClassCastException，類型轉換時。
6 UnsupportedOperationException，該操作不支持，一般子類不實現父類的某些方法時。
7 ArithmeticException，零作爲除數等。
8 IllegalArgumentException，表明傳遞了一個不合法或不正確的參數
運行時出現錯誤，說明你的代碼有問題，程序已經無法繼續運行，所以對RuntimeException的處理時不必要的。之所以不處理，目的就是要是程序停止，修正代碼。
三、項目
- 主要就問了下我最近在做什麼項目，到什麼階段了，有多少人用；
- 問我爬蟲的實現「面試官貌似沒有做過這方面的東西」
- 我提了一嘴 xxl-job，面試官應該也沒用過，就沒有深究，本來還想講講kafka的，結果直接沒問…白準備了
最後就問了一個很常見的算法問題：
256M 的內存如何對 16g的數組進行排序
多路歸併，因爲沒要求存儲，只要求了內存，可以多路歸併，加入每個元素都是 1M，則可以最多分成 256 組，然後進行歸併。
具體描述：採用外部排序，先將16 g數組分成 256 M 一組，然後分別讀入內存進行內部排序「比如說可以使用快排」，將這些組內元素全部排好序之後，然後運用敗者樹和置換-選擇排序，進行多路歸併，即可。
這裏其實可以引申出好多問題：
- 海量數據 求最大的 K個數問題，如何解決？
按位劃分區域，可以儘快的縮小範圍，比如最高位 0 分一堆，1 分成一堆而且不用排序，這是第一選擇。
最經典的方法當然是 堆 了，比如要求前1000個最大的數，那就直接建一個 1000 大小的小根堆，然後遍歷，只要發現後面的數比小根堆的根節點大，就把根節點和該數交換，重新調整堆，遍歷完之後，堆中的數自然就是最大的 1000 個數了；
當然能使用堆排序的前提是內存中要能夠放得下這個 K，如果放不下呢？那就只能外部排序了，排序完之後拿到第 K 大的數即可，當然排序前可以和方法一搭配一下。
- 海量數據求中位數，如何解決？
可以按照位來分組，比如說最高位是0的一組，是 1 的一組，這樣可以統計出那一組更少，這樣就排除了一大半，然後繼續這樣排查，最終縮小範圍後直接內部排序。
直接外部排序，然後取中間值，最笨的方法。
- 在海量數據中找出出現頻率最高的前k個數，例如，在搜索引擎中，統計搜索最熱門的10個查詢詞；在歌曲庫中統計下載最高的前10首歌曲。
如果重複率很高，可以採用前綴樹，因爲 trie 樹適用於數據量大，重複多，但是數據種類小必須得可以放入內存；
按照 hash 進行分組，這樣就能避免相同的數分到不同區域去了，導致不好統計。hash 分組完畢後，然後用前綴樹 或者 hashmap 來計算每個組的前 k 個頻率最高的數，最後對各個組的前 k 個數進行統計即可。
- 給40億個不重複的unsigned int的整數，沒排過序的，然後再給一個數，如何快速判斷這個數是否在那40億個數當中？
這裏我們把40億個數中的每一個用32位的二進制來表示 假設這40億個數開始放在一個文件中。
然後將這40億個數分成兩類: 1.最高位爲0 2.最高位爲1 並將這兩類分別寫入到兩個文件中，其中一個文件中數的個數<=20億，而另一個>=20億（這相當於折半了）；與要查找的數的最高位比較並接着進入相應的文件再查找
再然後把這個文件爲又分成兩類: 1.次最高位爲0 2.次最高位爲1
並將這兩類分別寫入到兩個文件中，其中一個文件中數的個數<=10億，而另一個>=10億（這相當於折半了）；與要查找的數的次最高位比較並接着進入相應的文件再查找。……. 以此類推，就可以找到了,而且時間複雜度爲O(logn)。
大概統計一下，海量數據求 TopK 的普遍方法：
- 最快的不需要排序就能排除一大堆的數據的方法就是看 “位”，比如最高位爲 0 的分一塊，爲 1 的分一塊，這樣迅速就分出一大塊不需要的了，尤其適合找中位數，等分的差不多了就可以進行內部排序了。
- 堆排序，適用於求海量數據最大 K or 最小的 K 個數；
- 分治hash，適用於那些內存很小，數據很大，但是又想求最大的 K 個衆數的問題，可以先 hash 到很多個組，然後在組內部使用 hashmap 或者 前綴樹 「google等字符」，取到組內前 K 個衆數，最後進行組間比較久okay了；
- 當然不能忘了萬能法，那就是外部排序，然後再進行相應的處理。
最後的最後，讓我們再來做個附加題：
先來看幾個比較常見的例子
- 字處理軟件中，需要檢查一個英語單詞是否拼寫正確
- 在 FBI，一個嫌疑人的名字是否已經在嫌疑名單上
- 在網絡爬蟲裏，一個網址是否被訪問過
- yahoo, gmail等郵箱垃圾郵件過濾功能
這幾個例子有一個共同的特點： 如何判斷一個元素是否存在一個集合中？
這裏必須介紹一下 bitmap 這個方法了，例如我要從海量數據中找一個數是否出現過，就可以用位圖的思路去做，如果數字是 7 ，那就在第 7 位 置 1，如果該位置已經是 1 了，那就代表出現過，不用更改。
如果問題變爲從海量數據中找一個數是否出現過一次，那這個時候就得用 2 bitmap 來表示了，也就是一個數如果出現一次，置爲 01 ，出現過兩次，置爲 10，然後再出現，都是10，這個時候如果我們只用一位，是不能表示出出現的次數的。
至於我們常說的布隆過濾器，其實也就是在bitmap之前進行一個hash，例如將字符串進行hash成數組，然後使用位圖，解決這類問題。
整理了一套 5000 頁的 Java 學習手冊,，新鮮出爐，分享給大家！此手冊內容專注 Java技術，包括 JavaWeb，SSM，Linux，Spring Boot，MyBatis，MySQL，Nginx，Git，GitHub，Servlet，IDEA，多線程，集合，JVM，DeBug, Dubbo，Redis，算法，面試題等相關內容。
領取方式
1.首先轉發文章+關注樓主
2.然後私信回覆關鍵字【手冊】即可獲得【5000頁的Java學習手冊】的免費領取方式