面试题:html
答案:前端
首先HashMap是Map的一个实现类,而Map存储形式是键值对(key,value)的。能够当作是一个一个的Entry。Entry所存放的位置是由key来决定的。java
Map中的key是无序的且不可重复的,全部的key能够当作是一个set集合,若是出现Map中的key若是是自定义类的对象,则必须重写hashCode和equals方法,由于若是不重写,使用的是Object类中的hashCode和equals方法,比较的是内存地址值不是比内容。android
Map中的value是无序的可重复的,全部的value能够当作是Collection集合,Map中的value若是是自定义类的对象必须重写equals方法。ios
至于要重写hashCode和equals分别作什么用,拿hashMap底层原理来讲:面试
当咱们向HashMap中存放一个元素(k1,v1),先根据k1的hashCode方法来决定在数组中存放的位置。redis
若是这个位置没有其它元素,将(k1,v1)直接放入Node类型的数组中,这个数组初始化容量是16,默认的加载因子是0.75,也就是当元素加到12的时候,底层会进行扩容,扩容为原来的2倍。若是该位置已经有其它元素(k2,v2),那就调用k1的equals方法和k2进行比较二个元素是否相同,若是结果为true,说明二个元素是同样的,用v1替换v2,若是返回值为false,二个元素不同,就用链表的形式将(k1,v1)存放。算法
不过当链表中的数据较多时,查询的效率会降低,因此在JDK1.8版本后作了一个升级,就是当链表中的元素达到8时,会将链表替换成红黑树,来提升查找效率。由于对于搜索,插入,删除操做多的状况下,使用红黑树的效率要高一些。spring
缘由是由于红黑树是一种特殊的二叉查找树,二叉查找树全部节点的左子树都小于该节点,全部节点的右子树都大于该节点,就能够经过大小比较关系来进行快速的检索。sql
在红黑树上插入或者删除一个节点以后,红黑树就发生了变化,可能不知足红黑树的5条性质,也就再也不是一颗红黑树了,而是一颗普通的树,能够经过左旋和右旋,使这颗树从新成为红黑树。红黑树的5条性质(根节点是黑色,每一个节点是黑色或者是红色,每一个叶子节点是黑色,若是一个节点是红色它的子节点必须是黑色的,从一个节点到该节点的子孙外部节点的全部路径上包含相同数目的黑点)
并且像这种二叉树结构比较常见的使用场景是Mysql二种引擎的索引,Myisam使用的是B树,InnoDB使用的是B+树。
首先B树它的每一个节点都是Key.value的二元组,它的key都是从左到右递增的排序,value中存储数据。这种模式在读取数据方面的性能很高,由于有单独的索引文件,Myisam 的存储文件有三个.frm是表的结构文件,.MYD是数据文件,.MYI是索引文件。不过Myisam 也有些缺点它只支持表级锁,不支持行级锁也不支持事务,外键等,因此通常用于大数据存储。
而后是InnoDB,它的存储文件相比Myisam少一个索引文件,它是以 ID 为索引的数据存储,数据如今都被存在了叶子结点,索引在非叶结点上。而这些节点分散在索引页上。在InnoDB里,每一个页默认16KB,假设索引的是8B的long型数据,每一个key后有个页号4B,还有6B的其余数据,那么每一个页的扇出系数为16KB/(8B+4B+6B)≈1000,即每一个页能够索引1000个key。在高度h=3时,s=1000^3=10亿!!也就是说,InnoDB经过三次索引页的I/O,便可索引10亿的key,而非叶节点这一行存储的索引,数量就多了,I/O的次数就少了。而Myisam在每一个节点都存储数据和索引,这样就减小了每页存储的索引数量。并且InnoDB它还支持行级,表级锁,也支持事务,外键.
另外对于HashMap实际使用过程当中仍是会出现一些线程安全问题:
HashMap是线程不安全的,在多线程环境下,使用Hashmap进行put操做会引发死循环,致使CPU利用率接近100%,并且会抛出并发修改异常,致使缘由是并发争取线程资源,修改数据致使的,一个线程正在写,一个线程过来争抢,致使线程写的过程被其余线程打断,致使数据不一致。
HashTable是线程安全的,只不过实现代价却太大了,简单粗暴,get/put全部相关操做都是synchronized的,这至关于给整个哈希表加了一把大锁。多线程访问时候,只要有一个线程访问或操做该对象,那其余线程只能阻塞,至关于将全部的操做串行化,在竞争激烈的并发场景中性能就会很是差。
为了应对hashmap在并发环境下不安全问题能够使用,ConcurrentHashMap大量的利用了volatile,CAS等技术来减小锁竞争对于性能的影响。
在JDK1.7版本中ConcurrentHashMap避免了对全局加锁,改为了局部加锁(分段锁),分段锁技术,将数据分红一段一段的存储,而后给每一段数据配一把锁,当一个线程占用锁访问其中一个段数据的时候,其余段的数据也能被其余线程访问,可以实现真正的并发访问。不过这种结构的带来的反作用是Hash的过程要比普通的HashMap要长。
因此在JDK1.8版本中CurrentHashMap内部中的value使用volatile修饰,保证并发的可见性以及禁止指令重排,只不过volatile不保证原子性,使用为了确保原子性,采用CAS(比较交换)这种乐观锁来解决。
CAS 操做包含三个操做数 —— 内存位置(V)、预期原值(A)和新值(B)。
若是内存地址里面的值和A的值是同样的,那么就将内存里面的值更新成B。CAS是经过无限循环来获取数据的,若果在第一轮循环中,a线程获取地址里面的值被b线程修改了,那么a线程须要自旋,到下次循环才有可能机会执行。
volatile有三个特性:可见性,不保证原子性,禁止指令重排。
可见性:线程1从主内存中拿数据1到本身的线程工做空间进行操做(假设是加1)这个时候数据1已经改成数据2了,将数据2写回主内存时通知其余线程(线程2,线程3),主内存中的数据1已改成数据2了,让其余线程从新拿新的数据(数据2)。
不保证原子性:线程1从主内存中拿了一个值为1的数据到本身的工做空间里面进行加1的操做,值变为2,写回主内存,而后尚未来得及通知其余线程,线程1就被线程2抢占了,CPU分配,线程1被挂起,线程2仍是拿着原来主内存中的数据值为1进行加1,值变成2,写回主内存,将主内存值为2的替换成2,这时线程1的通知到了,线程2从新去主内存拿值为2的数据。
禁止指令重排:首先指令重排是程序执行的时候不老是从上往下执行的,就像高考答题,能够先作容易的题目再作难的,这时作题的顺序就不是从上往下了。禁止指令重排就杜绝了这种状况。
(通常面试官开始问你会从java基础问起,一问大多数会问到集合这一块,而集合问的较多的是HashMap,这个时候你就能够往这些方向带着面试官问你,并且扩展的深度也够,因此上面的干货够你说个十来分钟吧,第一个问题拿下后,面试官内心至少简单你的基础够扎实,第一印象分就留下了)
AOP:面向切面编程。
即在一个功能模块中新增其余功能,比方说你要下楼取个快递,你同事对你说帮我也取一下呗,你就顺道取了。在工做中若是系统中有些包和类中没有使用AOP,例如日志,事务和异常处理,那么就必须在每一个类和方法中去实现它们。 代码纠缠每一个类和方法中都包含日志,事务以及异常处理甚至是业务逻辑。在一个这样的方法中,很难分清代码中实际作的是什么处理。AOP 所作的就是将全部散落各处的事务代码集中到一个事务切面中。
场景
比方说我如今要弄一个日志,记录某些个接口调用的方法时间。使用Aop我能够在这个接口前插入一段代码去记录开始时间,在这个接口后面去插入一段代码记录结束时间。
又或者你去访问数据库,而你不想管事务(太烦),因此,Spring在你访问数据库以前,自动帮你开启事务,当你访问数据库结束以后,自动帮你提交/回滚事务!
异常处理你能够开启环绕通知,一旦运行接口报错,环绕通知捕获异常跳转异常处理页面。
动态代理
Spring AOP使用的动态代理,所谓的动态代理就是说AOP框架不会去修改字节码,而是在内存中临时为方法生成一个AOP对象,这个AOP对象包含了目标对象的所有方法,而且在特定的切点作了加强处理,并回调原对象的方法。它的动态代理主要有两种方式,JDK动态代理和CGLIB动态代理。JDK动态代理经过反射来接收被代理的类,而且要求被代理的类必须实现一个接口。JDK动态代理的核心是InvocationHandler接口和Proxy类。若是目标类没有实现接口,那么Spring AOP会选择使用CGLIB来动态代理目标类。CGLIB是一个代码生成的类库,能够在运行时动态的生成某个类的子类,注意,CGLIB是经过继承的方式作的动态代理,所以若是某个类被标记为final,那么它是没法使用CGLIB作动态代理的。
IOC:依赖注入或者叫作控制反转。
正常状况下咱们使用一个对象时都是须要new Object()的。而ioc是把须要使用的对象提早建立好,放到spring的容器里面。
全部须要使用的类都会在spring容器中登记,告诉spring你是个什么东西,你须要什么东西,而后spring会在系统运行到适当的时候,把你要的东西主动给你,同时也把你交给其余须要你的东西。全部的类的建立、销毁都由 spring来控制,也就是说控制对象生存周期的再也不是引用它的对象,而是spring。DI(依赖注入)其实就是IOC的另一种说法,其实它们是同一个概念的不一样角度描述。
场景:
正常状况下咱们使用一个对象时都是须要new Object() 的。而ioc是把须要使用的对象提早建立好,放到spring的容器里面。须要使用的时候直接使用就行,并且能够设置单例或多例,很是灵活。
咱们在service层想调用另一个service的方法,不须要去new了,直接把它交给spring管理,而后用注解的方式引入就能使用。
IOC三种注入方式
(1)XML:Bean实现类来自第三方类库,例如DataSource等。须要命名空间等配置,例如:context,aop,mvc。
(2)注解:在开发的类使用@Controller,@Service等注解
(3)Java配置类:经过代码控制对象建立逻辑的场景。例如:自定义修改依赖类库。
什么是事务?
事务是访问并可能更新数据库中各类数据项的一个程序执行单元。
Spring事务与数据库事务关系?
Spring的事务是对数据库的事务的封装,最后本质的实现仍是在数据库,假如数据库不支持事务的话,Spring的事务是没有做用的。因此说Spring事务的底层依赖MySQL的事务,Spring是在代码层面利用AOP实现,执行事务的时候使用TransactionInceptor进行拦截,而后处理。本质是对方法先后进行拦截,而后在目标方法开始以前建立或者加入一个事务,执行完目标方法以后根据执行的状况提交或者回滚。
属性(特性)
A(原子性):要么所有完成,要么彻底不起做用
C(一致性):一旦事务完成(无论成功仍是失败),业务处于一致的状态,而不会是部分完成,部分失败。
I(隔离性):多事务会同时处理相同的数据,所以每一个事务都应该与其余事务隔离开来,防止数据损坏。
D(持久性):一旦事务完成,不管发生什么系统错误,它的结果都不该该受到影响,事务的结果被写到持久化存储器中。
什么叫事务传播行为?
传播,至少有两个东西,才能够发生传播。单体不存在传播这个行为。事务传播行为就是当一个事务方法被另外一个事务方法调用时,这个事务方法应该如何进行。
Spring支持7中事务传播行为
propagation_required(须要传播):当前没有事务则新建事务,有则加入当前事务
propagation_supports(支持传播):支持当前事务,若是当前没有事务则以非事务方式执行
propagation_mandatory(强制传播):使用当前事务,若是没有则抛出异常
propagation_nested(嵌套传播):若是当前存在事务,则在嵌套事务内执行,若是当前没有事务,则执行须要传播行为。
propagation_never(毫不传播):以非事务的方式执行,若是当前有事务则抛出异常
propagation_requires_new(传播须要新的):新建事务,若是当前有事务则把当前事务挂起
propagation_not_supported(不支持传播):以非事务的方式执行,若是当前有事务则把当前事务挂起
数据库事务的隔离级别
数据库事务的隔离级别有4个,由低到高依次为Read uncommitted、Read committed、Repeatable read、Serializable,这四个级别能够逐个解决脏读、不可重复读、幻读这几类问题。
√: 可能出现 ×: 不会出现
说明 | 脏读 | 不可重复读 | 幻读 |
Read uncommitted | √ | √ | √ |
Read committed | × | √ | √ |
Repeatable read | × | × | √ |
Serializable | × | × | × |
注意:咱们讨论隔离级别的场景,主要是在多个事务并发的状况下,所以,接下来的讲解都围绕事务并发。
Read uncommitted 读未提交
公司发工资了,领导把20000元打到廖志伟的帐号上,可是该事务并未提交,而廖志伟正好去查看帐户,发现工资已经到帐,是20000元整,很是高兴。但是不幸的是,领导发现发给廖志伟的工资金额不对,是16000元,因而迅速回滚了事务,修改金额后,将事务提交,最后廖志伟实际的工资只有16000元,廖志伟空欢喜一场。
出现上述状况,即咱们所说的脏读,两个并发的事务,“事务A:领导给廖志伟发工资”、“事务B:廖志伟查询工资帐户”,事务B读取了事务A还没有提交的数据。当隔离级别设置为Read uncommitted时,就可能出现脏读,如何避免脏读,请看下一个隔离级别。
Read committed 读提交
廖志伟拿着工资卡去消费,系统读取到卡里确实有2000元,而此时她的老婆也正好在网上转帐,把廖志伟工资卡的2000元转到另外一帐户,并在廖志伟以前提交了事务,当廖志伟扣款时,系统检查到廖志伟的工资卡已经没有钱,扣款失败,廖志伟十分纳闷,明明卡里有钱,为什么…
出现上述状况,即咱们所说的不可重复读,两个并发的事务,“事务A:廖志伟消费”、“事务B:廖志伟的老婆网上转帐”,事务A事先读取了数据,事务B紧接了更新了数据,并提交了事务,而事务A再次读取该数据时,数据已经发生了改变。当隔离级别设置为Read committed时,避免了脏读,可是可能会形成不可重复读。大多数数据库的默认级别就是Read committed,好比Sql Server , Oracle。如何解决不可重复读这一问题,请看下一个隔离级别。
Repeatable read 重复读
当廖志伟拿着工资卡去消费时,一旦系统开始读取工资卡信息(即事务开始),廖志伟的老婆就不可能对该记录进行修改,也就是廖志伟的老婆不能在此时转帐。这就避免了不可重复读。廖志伟的老婆工做在银行部门,她时常经过银行内部系统查看廖志伟的信用卡消费记录。有一天,她正在查询到廖志伟当月信用卡的总消费金额(select sum(amount) from transaction where month = 本月)为80元,而廖志伟此时正好在外面胡吃海喝后在收银台买单,消费1000元,即新增了一条1000元的消费记录(insert transaction … ),并提交了事务,随后廖志伟的老婆将廖志伟当月信用卡消费的明细打印到A4纸上,却发现消费总额为1080元,廖志伟的老婆很诧异,觉得出现了幻觉,幻读就这样产生了。当隔离级别设置为Repeatable read时,能够避免不可重复读,但会出现幻读。注:MySQL的默认隔离级别就是Repeatable read。
Serializable 序列化
Serializable是最高的事务隔离级别,同时代价也花费最高,性能很低,通常不多使用,在该级别下,事务顺序执行,不只能够避免脏读、不可重复读,还避免了幻像读。
Spring注解:
声明bean的注解 | |
@Component | 组件,没有明确的角色 |
@Service | 在业务逻辑层使用(service层) |
@Repository | 在数据访问层使用(dao层) |
@Controller | 在展示层使用,控制器的声明(C) |
注入bean的注解 | |
@Autowired | 由Spring提供 |
@Resource | 由JSR-250提供 |
java配置类相关注解 | |
@Bean | 注解在方法上,声明当前方法的返回值为一个bean,替代xml中的方式(方法上) |
@Configuration | 声明当前类为配置类,其中内部组合了@Component注解,代表这个类是一个bean(类上) |
@ComponentScan | 用于对Component进行扫描,至关于xml中的(类上) |
切面(AOP)相关注解 | |
@Aspect | 声明一个切面(类上) 使用@After、@Before、@Around定义建言(advice),可直接将拦截规则(切点)做为参数。 |
@After | 在方法执行以后执行(方法上) @Before 在方法执行以前执行(方法上) @Around 在方法执行以前与以后执行(方法上) |
@PointCut | 声明切点 在java配置类中使用@EnableAspectJAutoProxy注解开启Spring对AspectJ代理的支持(类上) |
@Value注解 | |
@Value 为属性注入值 | 注入操做系统属性@Value("#{systemProperties['os.name']}")String osName; 注入表达式结果@Value("#{ T(java.lang.Math).random() * 100 }") String randomNumber; 注入其它bean属性@Value("#{domeClass.name}")String name; 注入文件资源@Value("classpath:com/hgs/hello/test.txt")String Resource file; 注入网站资源@Value("http://www.cznovel.com")Resource url; 注入配置文件Value("${book.name}")String bookName; |
异步相关 | |
@EnableAsync | 配置类中,经过此注解开启对异步任务的支持,叙事性AsyncConfigurer接口(类上) |
@Async | 在实际执行的bean方法使用该注解来申明其是一个异步任务(方法上或类上全部的方法都将异步,须要@EnableAsync开启异步任务) |
定时任务相关 | |
@EnableScheduling | 在配置类上使用,开启计划任务的支持(类上) |
@Scheduled | 来申明这是一个任务,包括cron,fixDelay,fixRate等类型(方法上,需先开启计划任务的支持) |
SpringMVC注解
@EnableWebMvc | 在配置类中开启Web MVC的配置支持,如一些ViewResolver或者MessageConverter等,若无此句,重写WebMvcConfigurerAdapter方法(用于对SpringMVC的配置)。 |
@Controller | 声明该类为SpringMVC中的Controller |
@RequestMapping | 用于映射Web请求,包括访问路径和参数(类或方法上) |
@ResponseBody | 支持将返回值放在response内,而不是一个页面,一般用户返回json数据(返回值旁或方法上) |
@RequestBody | 容许request的参数在request体中,而不是在直接链接在地址后面。(放在参数前) |
@PathVariable | 用于接收路径参数,好比@RequestMapping(“/hello/{name}”)申明的路径,将注解放在参数中前,便可获取该值,一般做为Restful的接口实现方法。 |
@RestController | 该注解为一个组合注解,至关于@Controller和@ResponseBody的组合,注解在类上,意味着,该Controller的全部方法都默认加上了@ResponseBody。 |
@ControllerAdvice | 经过该注解,咱们能够将对于控制器的全局配置放置在同一个位置,注解了@Controller的类的方法可以使用@ExceptionHandler、@InitBinder、@ModelAttribute注解到方法上, 这对全部注解了 @RequestMapping的控制器内的方法有效。 |
@ExceptionHandler | 用于全局处理控制器里的异常 |
@InitBinder | 用来设置WebDataBinder,WebDataBinder用来自动绑定前台请求参数到Model中。 |
@ModelAttribute | 原本的做用是绑定键值对到Model里,在@ControllerAdvice中是让全局的@RequestMapping都能得到在此处设置的键值对。 |
Mybatis注解:(偷个懒,不使用表格了,嘻嘻)
增删改查:@Insert、@Update、@Delete、@Select、@MapKey、@Options、@SelelctKey、@Param、@InsertProvider、@UpdateProvider、@DeleteProvider、@SelectProvider
结果集映射:@Results、@Result、@ResultMap、@ResultType、@ConstructorArgs、@Arg、@One、@Many、@TypeDiscriminator、@Case
缓存:@CacheNamespace、@Property、@CacheNamespaceRef、@Flush
SpringBoot注解:
SpringMVC的工做原理:
SpringBoot框架的优势:
MyBatis框架的优势:
先讲五大核心组件,(偷个懒,嘻嘻)这里我引用一位大佬讲解的,原文地址是:http://www.javashuo.com/article/p-xrlwzdkw-cx.html
1、业务场景介绍
先来给你们说一个业务场景,假设我们如今开发一个电商网站,要实现支付订单的功能,流程以下:
针对上述流程,咱们须要有订单服务、库存服务、仓储服务、积分服务。整个流程的大致思路以下:
至此,整个支付订单的业务流程结束
下图这张图,清晰代表了各服务间的调用过程:
好!有了业务场景以后,我们就一块儿来看看Spring Cloud微服务架构中,这几个组件如何相互协做,各自发挥的做用以及其背后的原理。
2、Spring Cloud核心组件:Eureka
我们来考虑第一个问题:订单服务想要调用库存服务、仓储服务,或者积分服务,怎么调用?
我们来看看下面的这张图,结合图来仔细剖析一下整个流程:
如上图所示,库存服务、仓储服务、积分服务中都有一个Eureka Client组件,这个组件专门负责将这个服务的信息注册到Eureka Server中。说白了,就是告诉Eureka Server,本身在哪台机器上,监听着哪一个端口。而Eureka Server是一个注册中心,里面有一个注册表,保存了各服务所在的机器和端口号
订单服务里也有一个Eureka Client组件,这个Eureka Client组件会找Eureka Server问一下:库存服务在哪台机器啊?监听着哪一个端口啊?仓储服务呢?积分服务呢?而后就能够把这些相关信息从Eureka Server的注册表中拉取到本身本地缓存起来。
这时若是订单服务想要调用库存服务,不就能够找本身本地的Eureka Client问一下库存服务在哪台机器?监听哪一个端口吗?收到响应后,紧接着就能够发送一个请求过去,调用库存服务扣减库存的那个接口!同理,若是订单服务要调用仓储服务、积分服务,也是如法炮制。
总结一下:
3、Spring Cloud核心组件:Feign
如今订单服务确实知道库存服务、积分服务、仓库服务在哪里了,同时也监听着哪些端口号了。可是新问题又来了:难道订单服务要本身写一大堆代码,跟其余服务创建网络链接,而后构造一个复杂的请求,接着发送请求过去,最后对返回的响应结果再写一大堆代码来处理吗?
这是上述流程翻译的代码片断,我们一块儿来看看,体会一下这种绝望而无助的感觉!!!
友情提示,前方高能:
看完上面那一大段代码,有没有感到后背发凉、一身冷汗?实际上你进行服务间调用时,若是每次都手写代码,代码量比上面那段要多至少几倍,因此这个事压根儿就不是地球人能干的。
既然如此,那怎么办呢?别急,Feign早已为咱们提供好了优雅的解决方案。来看看若是用Feign的话,你的订单服务调用库存服务的代码会变成啥样?
看完上面的代码什么感受?是否是感受整个世界都干净了,又找到了活下去的勇气!没有底层的创建链接、构造请求、解析响应的代码,直接就是用注解定义一个 FeignClient接口,而后调用那个接口就能够了。人家Feign Client会在底层根据你的注解,跟你指定的服务创建链接、构造请求、发起靕求、获取响应、解析响应,等等。这一系列脏活累活,人家Feign全给你干了。
那么问题来了,Feign是如何作到这么神奇的呢?很简单,Feign的一个关键机制就是使用了动态代理。我们一块儿来看看下面的图,结合图来分析:
4、Spring Cloud核心组件:Ribbon
说完了Feign,还没完。如今新的问题又来了,若是人家库存服务部署在了5台机器上,以下所示:
这下麻烦了!人家Feign怎么知道该请求哪台机器呢?
此外,Ribbon是和Feign以及Eureka紧密协做,完成工做的,具体以下:
对上述整个过程,再来一张图,帮助你们更深入的理解:
5、Spring Cloud核心组件:Hystrix
在微服务架构里,一个系统会有不少的服务。以本文的业务场景为例:订单服务在一个业务流程里须要调用三个服务。如今假设订单服务本身最多只有100个线程能够处理请求,而后呢,积分服务不幸的挂了,每次订单服务调用积分服务的时候,都会卡住几秒钟,而后抛出—个超时异常。
我们一块儿来分析一下,这样会致使什么问题?
上面这个,就是微服务架构中恐怖的服务雪崩问题,
以下图所示:
如上图,这么多服务互相调用,要是不作任何保护的话,某一个服务挂了,就会引发连锁反应,致使别的服务也挂。好比积分服务挂了,会致使订单服务的线程所有卡在请求积分服务这里,没有一个线程能够工做,瞬间致使订单服务也挂了,别人请求订单服务所有会卡住,没法响应。
可是咱们思考一下,就算积分服务挂了,订单服务也能够不用挂啊!为何?
如今问题分析完了,如何解决?
这时就轮到Hystrix闪亮登场了。Hystrix是隔离、熔断以及降级的一个框架。啥意思呢?说白了,Hystrix会搞不少个小小的线程池,好比订单服务请求库存服务是一个线程池,请求仓储服务是一个线程池,请求积分服务是一个线程池。每一个线程池里的线程就仅仅用于请求那个服务。
打个比方:如今很不幸,积分服务挂了,会咋样?
固然会致使订单服务里那个用来调用积分服务的线程都卡死不能工做了啊!但因为订单服务调用库存服务、仓储服务的这两个线程池都是正常工做的,因此这两个服务不会受到任何影响。
这个时候若是别人请求订单服务,订单服务仍是能够正常调用库存服务扣减库存,调用仓储服务通知发货。只不过调用积分服务的时候,每次都会报错。可是若是积分服务都挂了,每次调用都要去卡住几秒钟干啥呢?有意义吗?固然没有!因此咱们直接对积分服务熔断不就得了,好比在5分钟内请求积分服务直接就返回了,不要去走网络请求卡住几秒钟,这个过程,就是所谓的熔断!
那人家又说,兄弟,积分服务挂了你就熔断,好歹你干点儿什么啊!别啥都不干就直接返回啊?没问题,我们就来个降级:每次调用积分服务,你就在数据库里记录一条消息,说给某某用户增长了多少积分,由于积分服务挂了,致使没增长成功!这样等积分服务恢复了,你能够根据这些记录手工加一下积分。这个过程,就是所谓的降级。
为帮助你们更直观的理解,接下来用一张图,梳理一下Hystrix隔离、熔断和降级的全流程:
6、Spring Cloud核心组件:Zuul
说完了Hystrix,接着给你们说说最后一个组件:Zuul,也就是微服务网关。这个组件是负责网络路由的。不懂网络路由?行,那我给你说说,若是没有Zuul的平常工做会怎样?
假设你后台部署了几百个服务,如今有个前端兄弟,人家请求是直接从浏览器那儿发过来的。打个比方:人家要请求一下库存服务,你难道还让人家记着这服务的名字叫作inventory-service?部署在5台机器上?就算人家肯记住这一个,你后台可有几百个服务的名称和地址呢?难不成人家请求一个,就得记住一个?你要这样玩儿,那真是友谊的小船,说翻就翻!
上面这种状况,压根儿是不现实的。因此通常微服务架构中都必然会设计一个网关在里面,像android、ios、pc前端、微信小程序、H5等等,不用去关心后端有几百个服务,就知道有一个网关,全部请求都往网关走,网关会根据请求中的一些特征,将请求转发给后端的各个服务。
并且有一个网关以后,还有不少好处,好比能够作统一的降级、限流、认证受权、安全,等等。
7、总结:
最后再来总结一下,上述几个Spring Cloud核心组件,在微服务架构中,分别扮演的角色:
以上就是咱们经过一个电商业务场景,阐述了Spring Cloud微服务架构几个核心组件的底层原理。
文字总结还不够直观?没问题!咱们将Spring Cloud的5个核心组件经过一张图串联起来,再来直观的感觉一下其底层的架构原理:
五大核心组件讲完了,面试官心中已经知道你对SpringCould的有必定的了解了,但这还不够,你若是讲到这个层面,部分面试官还会继续问,由于你讲解的这些其余面试者也讲过,可能也就你讲的比较细一些,但本质仍是和他们差不了太多,有些公司可能集中招人,负责面试的可能就一个,你想一想他这一天能够面试多少我的,这个时候你就须要继续拓展其余组件,来突出你的不一样了。
Spring Cloud Sleuth(服务链路追踪),Spring Cloud Bus(消息总线),Spring Cloud Config(分布式配置中心)之类的,这里我就不继续写了,给上一个SpringCould专栏(一位大佬写的,挺不错的)你去看看吧,最好能实现动手敲上一套,后面你会发现本身对SpringCould的理解远超其余人。专栏地址是:http://www.javashuo.com/article/p-vpguiuwq-dw.html
CAP 定论
一个分布式系统最多只能同时知足一致性(Consistency)、可用性(Availability)和分区容错性(Partition tolerance)这三项中的两项。
C 一致性即更新操做成功并返回客户端完成后,全部节点在同一时间的数据彻底一致。
A 可用性服务一直可用,并且是正常响应时间。
P 分区容错性即分布式系统在遇到某节点或网络分区故障的时候,仍然可以对外提供知足一致性和可用性的服务。
BASE
BASE 是 Basically Available(基本可用)、Soft state(软状态)和 Eventually consistent (最终一致性)三个短语的缩写。是对 CAP 中 AP 的一个扩展
BASE 解决了 CAP 中理论没有网络延迟,在 BASE 中用软状态和最终一致,保证了延迟后的一致性。BASE 和 ACID 是相反的,它彻底不一样于 ACID 的强一致性模型,而是经过牺牲强一致性来得到可用性,并容许数据在一段时间内是不一致的,但最终达到一致状态。
1. 根据目的来分
根据模式是用来完成什么工做来划分,这种方式可分为建立型模式、结构型模式和行为型模式 3 种。
2. 根据做用范围来分
根据模式是主要用于类上仍是主要用于对象上来分,这种方式可分为类模式和对象模式两种。
3.设计模式的功能
简单介绍一个redis?
redis是内存中的数据结构存储系统,一个key-value类型的非关系型数据库,可持久化的数据库,相对于关系型数据库(数据主要存在硬盘中),性能高,所以咱们通常用redis来作缓存使用;而且redis支持丰富的数据类型,比较容易解决各类问题,所以redis能够用来做为注册中心,数据库、缓存和消息中间件。Redis的Value支持5种数据类型,string、hash、list、set、zset(sorted set);
String类型:一个key对应一个value
Hash类型:它的key是string类型,value又是一个map(key-value),适合存储对象。
List类型:按照插入顺序的字符串链表(双向链表),主要命令是LPUSH和RPUSH,可以支持反向查找和遍历
Set类型:用哈希表类型的字符串序列,没有顺序,集合成员是惟一的,没有重复数据,底层主要是由一个value永远为null的hashmap来实现的。
zset类型:和set类型基本一致,不过它会给每一个元素关联一个double类型的分数(score),这样就能够为成员排序,而且插入是有序的。
你还用过其余的缓存吗?这些缓存有什么区别?都在什么场景下去用?
对于缓存了解过redis和memcache
Memcache和redis的区别:
数据支持的类型:redis不只仅支持简单的k/v类型的数据,同时还支持list、set、zset、hash等数据结构的存储;memcache只支持简单的k/v类型的数据,key和value都是string类型
可靠性:memcache不支持数据持久化,断电或重启后数据消失,但其稳定性是有保证的;redis支持数据持久化和数据恢复,容许单点故障,可是同时也会付出性能的代价
性能上:对于存储大数据,memcache的性能要高于redis
应用场景:
Memcache:适合多读少写,大数据量的状况(一些官网的文章信息等)
Redis:适用于对读写效率要求高、数据处理业务复杂、安全性要求较高的系统
案例:分布式系统,存在session之间的共享问题,所以在作单点登陆的时候,咱们利用redis来模拟了session的共享,来存储用户的信息,实现不一样系统的session共享;
对redis的持久化了解不?
redis的持久化方式有两种:
RDB(半持久化方式):按照配置不按期的经过异步的方式、快照的形式直接把内存中的数据持久化到磁盘的一个dump.rdb文件(二进制的临时文件)中,redis默认的持久化方式,它在配置文件(redis.conf)中。
优势:只包含一个文件,将一个单独的文件转移到其余存储媒介上,对于文件备份、灾难恢复而言,比较实用。
缺点:系统一旦在持久化策略以前出现宕机现象,此前没有来得及持久化的数据将会产生丢失
RDB持久化配置:
Redis会将数据集的快照dump到dump.rdb文件中。此外,咱们也能够经过配置文件来修改Redis服务器dump快照的频率,在打开6379.conf文件以后,咱们搜索save,能够看到下面的配置信息:
save 900 1 #在900秒(15分钟)以后,若是至少有1个key发生变化,则dump内存快照。
save 300 10 #在300秒(5分钟)以后,若是至少有10个key发生变化,则dump内存快照。
save 60 10000 #在60秒(1分钟)以后,若是至少有10000个key发生变化,则dump内存快照。
AOF(全持久化的方式):把每一次数据变化都经过write()函数将你所执行的命令追加到一个appendonly.aof文件里面,Redis默认是不支持这种全持久化方式的,须要在配置文件(redis.conf)中将appendonly no改为appendonly yes
优势:数据安全性高,对日志文件的写入操做采用的是append模式,所以在写入过程当中即便出现宕机问题,也不会破坏日志文件中已经存在的内容;
缺点:对于数量相同的数据集来讲,aof文件一般要比rdb文件大,所以rdb在恢复大数据集时的速度大于AOF;
AOF持久化配置:
在Redis的配置文件中存在三种同步方式,它们分别是:
appendfsync always #每次有数据修改发生时都会都调用fsync刷新到aof文件,很是慢,可是安全;
appendfsync everysec #每秒钟都调用fsync刷新到aof文件中,很快,可是可能丢失一秒内的数据,推荐使用,兼顾了速度和安全;
appendfsync no #不会自动同步到磁盘上,须要依靠OS(操做系统)进行刷新,效率快,可是安全性就比较差;
二种持久化方式区别:
AOF在运行效率上每每慢于RDB,每秒同步策略的效率是比较高的,同步禁用策略的效率和RDB同样高效;
若是缓存数据安全性要求比较高的话,用aof这种持久化方式(好比项目中的购物车);
若是对于大数据集要求效率高的话,就能够使用默认的。并且这两种持久化方式能够同时使用。
作过redis的集群吗?大家作集群的时候搭建了几台,都是怎么搭建的?
Redis的数据是存放在内存中的,不适合存储大数据,大数据存储通常公司经常使用hadoop中的Hbase或者MogoDB。redis主要用来处理高并发的,用咱们的项目来讲,电商项目若是并发大的话,一台单独的redis是不能足够支持咱们的并发,这就须要咱们扩展多台设备协同合做,即用到集群。
Redis搭建集群的方式有多种,例如:客户端分片、Twemproxy、Codis等,可是redis3.0以后就支持redis-cluster集群,这种方式采用的是无中心结构,每一个节点保存数据和整个集群的状态,每一个节点都和其余全部节点链接。若是使用的话就用redis-cluster集群。集群这块是公司运维搭建的,具体怎么搭建不是太了解。
咱们项目中redis集群主要搭建了6台,3主(为了保证redis的投票机制)3从(高可用),每一个主服务器都有一个从服务器,做为备份机。全部的节点都经过PING-PONG机制彼此互相链接;客户端与redis集群链接,只须要链接集群中的任何一个节点便可;Redis-cluster中内置了16384个哈希槽,Redis-cluster把全部的物理节点映射到【0-16383】slot上,负责维护。
redis有事务吗?
Redis是有事务的,redis中的事务是一组命令的集合,这组命令要么都执行,要不都不执行,保证一个事务中的命令依次执行而不被其余命令插入。redis的事务是不支持回滚操做的。redis事务的实现,须要用到MULTI(事务的开始)和EXEC(事务的结束)命令 ;
缓存穿透
缓存查询通常都是经过key去查找value,若是不存在对应的value,就要去数据库中查找。若是这个key对应的value在数据库中也不存在,而且对该key并发请求很大,就会对数据库产生很大的压力,这就叫缓存穿透
解决方案:
1.对全部可能查询的参数以hash形式存储,在控制层先进行校验,不符合则丢弃。
2.将全部可能存在的数据哈希到一个足够大的bitmap中,一个必定不存在的数据会被这个bitmap拦截掉,从而避免了对底层存储系统的查询压力。
3.若是一个查询返回的数据为空(无论是数 据不存在,仍是系统故障),咱们仍然把这个空结果进行缓存,但它的过时时间会很短,最长不超过五分钟。
缓存雪崩
当缓存服务器重启或者大量缓存集中在一段时间内失效,发生大量的缓存穿透,这样在失效的瞬间对数据库的访问压力就比较大,全部的查询都落在数据库上,形成了缓存雪崩。 这个没有完美解决办法,但能够分析用户行为,尽可能让失效时间点均匀分布。大多数系统设计者考虑用加锁或者队列的方式保证缓存的单线程(进程)写,从而避免失效时大量的并发请求落到底层存储系统上。
解决方案:
1.在缓存失效后,经过加锁或者队列来控制读数据库写缓存的线程数量。好比对某个key只容许一个线程查询数据和写缓存,其余线程等待。
2.能够经过缓存reload机制,预先去更新缓存,再即将发生大并发访问前手动触发加载缓存
3.不一样的key,设置不一样的过时时间,让缓存失效的时间点尽可能均匀
4.作二级缓存,或者双缓存策略。A1为原始缓存,A2为拷贝缓存,A1失效时,能够访问A2,A1缓存失效时间设置为短时间,A2设置为长期。
redis的安全机制(大家公司redis的安全这方面怎么考虑的?)
漏洞介绍:redis默认状况下,会绑定在bind 0.0.0.0:6379,这样就会将redis的服务暴露到公网上,若是在没有开启认证的状况下,能够致使任意用户在访问目标服务器的状况下,未受权就可访问redis以及读取redis的数据,攻击者就能够在未受权访问redis的状况下能够利用redis的相关方法,成功在redis服务器上写入公钥,进而能够直接使用私钥进行直接登陆目标主机;
解决方案:
哨兵机制:
监控:监控主数据库和从数据库是否正常运行;
提醒:当被监控的某个redis出现问题的时候,哨兵能够经过API向管理员或者其余应用程序发送通知;
自动故障迁移:主数据库出现故障时,能够自动将从数据库转化为主数据库,实现自动切换;
具体的配置步骤参考的网上的文档。要注意的是,若是master主服务器设置了密码,记得在哨兵的配置文件(sentinel.conf)里面配置访问密码
redis中对于生存时间的应用
Redis中能够使用expire命令设置一个键的生存时间,到时间后redis会自动删除;
应用场景:
什么是线程?讲个故事给你听,让你无法去背这个题,地址:http://www.javashuo.com/article/p-sgybkgzc-mm.html
有几种实现方式?
优缺点
1.继承Thread类
2.实现Runnable接口
3.实现Callable
4.线程池 、实现自动化装配,易于管理,循环利用资源。
代码实现案例:
继承Thread类,并重写里面的run方法 class A extends Thread{ public void run(){ for(int i=1;i<=100;i++){ System.out.println("-----------------"+i); } } } A a = new A(); a.start(); 实现Runnable接口,并实现里面的run方法 class B implements Runnable{ public void run(){ for(int i=1;i<=100;i++){ System.out.println("-----------------"+i); } } } B b = new B(); Thread t = new Thread(b); t.start(); 实现Callable class A implements Callable<String>{ public String call() throws Exception{ //... } } FutureTask<String> ft = new FutureTask<>(new A()); new Thread(ft).start(); 线程池 ExcutorService es = Executors.newFixedThreadPool(10); es.submit(new Runnable(){//任务}); es.submit(new Runnable(){//任务}); ... es.shutdown();
问题扩展
在Java中Lock接口比synchronized块的优点是什么?你须要实现一个高效的缓存,它容许多个用户读,但只容许一个用户写,以此来保持它的完整性,你会怎样去实现它?
总体上来讲Lock是synchronized的扩展版,Lock提供了无条件的、可轮询的(tryLock方法)、定时的(tryLock带参方法)、可中断的(lockInterruptibly)、可多条件队列的(newCondition方法)锁操做。另外Lock的实现类基本都支持非公平锁(默认)和公平锁,synchronized只支持非公平锁,固然,在大部分状况下,非公平锁是高效的选择。
线程池的实现原理:https://blog.csdn.net/java_wxid/article/details/101844786
JUC并发包:
ThreadLocal与Lock和Synchronize区别
ThreadLocal与Lock和Synchronize区别
ThreadLocal为每个线程都提供了变量的副本,使得每一个线程在某一时间访问到的并非同一个对象,这样就隔离了多个线程对数据的数据共享。ThreadLocal采用了“以空间换时间”的方式,为每个线程都提供了一份变量,所以能够同时访问而互不影响。
synchronized是利用锁的机制,使变量或代码块在某一时该只能被一个线程访问。同步机制采用了“以时间换空间”的方式,仅提供一份变量,让不一样的线程排队访问。
若是一个代码块被synchronized关键字修饰,当一个线程获取了对应的锁,并执行该代码块时,其余线程便只能一直等待直至占有锁的线程释放锁。事实上,占有锁的线程释放锁通常会是如下三种状况之一:
占有锁的线程执行完了该代码块,而后释放对锁的占有;
占有锁线程执行发生异常,此时JVM会让线程自动释放锁;
占有锁线程进入 WAITING 状态从而释放锁,例如在该线程中调用wait()方法等。
synchronized 是Java语言的内置特性,能够轻松实现对临界资源的同步互斥访问。那么,为何还会出现Lock呢?试考虑如下三种状况:
Case 1 :
在使用synchronized关键字的情形下,假如占有锁的线程因为要等待IO或者其余缘由(好比调用sleep方法)被阻塞了,可是又没有释放锁,那么其余线程就只能一直等待,别无他法。这会极大影响程序执行效率。所以,就须要有一种机制能够不让等待的线程一直无期限地等待下去(好比只等待必定的时间 (解决方案:tryLock(long time, TimeUnit unit)) 或者 可以响应中断 (解决方案:lockInterruptibly())),这种状况能够经过 Lock 解决。
Case 2 :
咱们知道,当多个线程读写文件时,读操做和写操做会发生冲突现象,写操做和写操做也会发生冲突现象,可是读操做和读操做不会发生冲突现象。可是若是采用synchronized关键字实现同步的话,就会致使一个问题,即当多个线程都只是进行读操做时,也只有一个线程在能够进行读操做,其余线程只能等待锁的释放而没法进行读操做。所以,须要一种机制来使得当多个线程都只是进行读操做时,线程之间不会发生冲突。一样地,Lock也能够解决这种状况 (解决方案:ReentrantReadWriteLock) 。
Case 3 :
咱们能够经过Lock得知线程有没有成功获取到锁 (解决方案:ReentrantLock) ,但这个是synchronized没法办到的。
上面提到的三种情形,咱们均可以经过Lock来解决,但 synchronized 关键字却无能为力。事实上,Lock 是 java.util.concurrent.locks包 下的接口,Lock 实现提供了比 synchronized 关键字 更普遍的锁操做,它能以更优雅的方式处理线程同步问题。也就是说,Lock提供了比synchronized更多的功能。可是要注意如下几点:
1)synchronized是Java的关键字,所以是Java的内置特性,是基于JVM层面实现的。而Lock是一个Java接口,是基于JDK层面实现的,经过这个接口能够实现同步访问;
2)采用synchronized方式不须要用户去手动释放锁,当synchronized方法或者synchronized代码块执行完以后,系统会自动让线程释放对锁的占用;而 Lock则必需要用户去手动释放锁,若是没有主动释放锁,就有可能致使死锁现象。
关于读写锁:http://www.javashuo.com/article/p-dvzzqrip-md.html
关于分布式事物我看了有一篇博文感受写的很好,这里我就引用他的地址:
http://www.javashuo.com/article/p-vcwshiyv-dk.html
索引使用的限制条件,sql优化有哪些
a,选取最适用的字段:在建立表的时候,为了得到更好的性能,咱们能够将表中字段的宽度设得尽量小。另一 个提升效率的方法是在可能的状况下,应该尽可能把字段设置为NOTNULL, b,使用链接(JOIN)来代替子查询(Sub-Queries) c,使用联合(UNION)来代替手动建立的临时表 d,事物: a)要么语句块中每条语句都操做成功,要么都失败。换句话说,就是能够保持数据库中数据的一致性和完整 性。事物以BEGIN关键字开始,COMMIT关键字结束。在这之间的一条SQL操做失败,那么,ROLLBACK命令就能够 把数据库恢复到BEGIN开始以前的状态。 b) 是当多个用户同时使用相同的数据源时,它能够利用锁定数据库的方法来为用户提供一种安全的访问方 式,这样能够保证用户的操做不被其它的用户所干扰。 e,减小表关联,加入冗余字段 f,使用外键:锁定表的方法能够维护数据的完整性,可是它却不能保证数据的关联性。这个时候咱们就能够使用外键。 g,使用索引 h,优化的查询语句 i,集群 j,读写分离 k,主从复制 l,分表 m,分库 o,适当的时候能够使用存储过程 限制:尽可能用全职索引,最左前缀:查询从索引的最左前列开始而且不跳过索引中的列;索引列上不操做,范围之 后全失效; 不等空值还有OR,索引影响要注意;like以通配符%开头索引失效会变成全表扫描的操做,字符串不 加单引号索引失效
数据同步问题(缓存和数据库),缓存优化
1.下降后端负载:对于高消耗的SQL:join结果集、分组统计结果;对这些结果进行缓存。 2.加速请求响应 3.大量写合并为批量写:如计数器先redis累加再批量写入DB 4.超时剔除:例如expire 5.主动更新:开发控制生命周期(最终一致性,时间间隔比较短) 6.缓存空对象 7.布隆过滤器拦截 8.命令自己的效率:例如sql优化,命令优化 9.网络次数:减小通讯次数 10.下降接入成本:长连/链接池,NIO等。 11.IO访问合并 目的:要减小缓存重建次数、数据尽量一致、减小潜在危险。 解决方案: 1.互斥锁setex,setnx: 若是 set(nx 和 ex) 结果为 true,说明此时没有其余线程重建缓存,那么当前线程执行缓存构建逻辑。 若是 setnx(nx 和 ex) 结果为 false,说明此时已经有其余线程正在执行构建缓存的工做,那么当前线程将休 息指定时间 ( 例如这里是 50 毫秒,取决于构建缓存的速度 ) 后,从新执行函数,直到获取到数据。 2永远不过时: 热点key,无非是并发特别大一级重建缓存时间比较长,若是直接设置过时时间,那么时间到的时候,巨大的访 问量会压迫到数据库上,因此要给热点key的val增长一个逻辑过时时间字段,并发访问的时候,判断这个逻辑 字段的时间值是否大于当前时间,大于了说明要对缓存进行更新了,那么这个时候,依然让全部线程访问老的 缓存,由于缓存并无设置过时,可是另开一个线程对缓存进行重构。等重构成功,即执行了redis set操做 以后,全部的线程就能够访问到重构后的缓存中的新的内容了 从缓存层面来看,确实没有设置过时时间,因此不会出现热点 key 过时后产生的问题,也就是“物理”不过时。 从功能层面来看,为每一个 value 设置一个逻辑过时时间,当发现超过逻辑过时时间后,会使用单独的线程去构建缓存。 一致性问题: 1.先删除缓存,而后在更新数据库,若是删除缓存失败,那就不要更新数据库,若是说删除缓存成功,而更新 数据库失败,那查询的时候只是从数据库里查了旧的数据而已,这样就能保持数据库与缓存的一致性。 2.先去缓存里看下有没有数据,若是没有,能够先去队列里看是否有相同数据在作更新,发现队列里有一个请 求了,那么就不要放新的操做进去了,用一个while(true)循环去查询缓存,循环个200MS左右再次发送到 队列里去,而后同步等待缓存更新完成。
以前写过,这里就给一个地址:https://blog.csdn.net/java_wxid/article/details/84391519
。。。。。(待完善中)
关于面试答案说明:这里的答案我后面慢慢补,大家先看着,若是以为本身技术能力强的能够在评论下方留言,尽可能精简语言将知识点扩展多些,合适的我会采用
关于背面试题说明:对于上面的面试题其实都是一些比较常见的,高频率的题目,能回答上来的有不少人,我相信你是能够作到的,但你聊的真的足够深刻吗?讲解的真的够全面吗?拿下面第一题来讲,面试官通常都直接问你HashMap实现原理,可是要是换一个问法,好比:影响HashMap性能有哪些因素?HashMap为何存取效率那么高?若是只是死记硬背总有那么几道题达不上来吧,相信大部分面试者就只会讲一些在网上找到的答案,没有扩展,面试官听到你的回答,其实他已经听过不少遍了,讲出花来在面试官耳朵里也就那么回事,你拿什么和别人拉开差距,全部请不要死记硬背。
关于薪资方面说明:即使你真的能讲的很细,很全,有时也并非全部地区,全部时间段都能拿到16k,行情是一直都在变化的,这里我所说的16k,仅在上海地区,而且2019年年末面试所了解到的,其余地区面试状况如何本人并不清楚,年后疫情薪资方面,我看了确实有所下滑,要求很提升了不少,因此不用一直在评论下方说什么,会背的人太多了,拿不了16k;像我学了半年的大部分能回答出来能够拿多少?都是开源的东西,能值16K,你别闹了;我在这里吐槽一句:能拿多少是以本身的能力为标准的,但影响你薪资的,不只仅只是能力,时间,地点,运气等等,各方面因素都有的。(我有个朋友,前二年月薪拿32k呢,如今薪资都降到26了)
关于工做说明:能拿到16k,说明你已经具有了java中级开发的能力了,这一阶段已经不局限于CRUD了,已经能够独立负责一个模块开发,有必定的性能优化能力了,而不是只要面试过关就能够的,你的编码能力,独立开发的能力,对业务理解的能力,和团队沟通的能力要达到相应的水平。
这篇博文仅为参考,背景于2019年年末,上海部分地区。总结:能力多少靠本身,薪资多少看命运。