怀疑到是否是纯KPI面

大家好，我是皇子。

今年5月，一名认证为字节跳动员工的用户在脉脉发帖称：“HR说北京裁员已经到了不让裁员的地步了”（真狠呀）。

据称当时，这是涉及房产、医疗、游戏三块业务的调整，相较于过去的一次性大规模裁员，这次变成了一对一调整，执行的是考核优化策略，这也是一直没爆炸性的裁员消息被媒体报道的主要原因。

这种谈好赔偿后直接离职，用这种细水长流的新型方式进行裁员，在完成裁员目标的同时，相比去年11月进行大规模业务收缩，甚至还传出了裁员锁天台的消息，动静确实小上了不少。

即使在这样的背景下，应该也不至于为了KPI放到三面吧？

那下面我们还是先看下，字节跳动半个小时就结束的三面面经吧。

虽然无手撕，但是还是有关于算法的问题的。

算法（无手撕）

介绍下堆排序和应用场景

堆排序是指利用堆这种数据结构所设计的一种排序算法。

堆积是一个近似完全二叉树的结构，并同时满足堆积的性质：即子结点的键值或索引总是小于（或者大于）它的父节点。堆排序可以说是一种利用堆的概念来排序的选择排序。

分为两种方法：

- 大根堆：每个节点的值都大于或等于其子节点的值，在堆排序算法中用于升序排列。

- 小根堆：每个节点的值都小于或等于其子节点的值，在堆排序算法中用于降序排列。

排序操作步骤：

构建一个大根堆 H[0……n-1]
把堆首（最大值）和堆尾互换
把堆的尺寸缩小 1，并重新构建堆（目的是把交换后的根节点数据调整到相应位置）
重复步骤 2，直到堆的尺寸为 1

应用场景

堆排序在内存受限环境中的应用：因为堆排序不需要额外的存储空间，它适合用于内存受限的环境。
在线算法：堆排序可以被用于在线算法中，即可以一边接收数据一边进行排序。
实时系统：在需要快速响应的实时系统中，堆排序因其确定的时间复杂度而被广泛采用。

优点

空间复杂度低：堆排序是原地排序，只需要常数级别的额外空间。
时间复杂度稳定：对于任何输入数据，堆排序的时间复杂度都是O(n log n)。

缺点

不稳定排序：堆排序是一种不稳定的排序算法，即相等的元素可能改变其原有的顺序。
相较于快速排序，效率较低：尽管平均情况下时间复杂度相同，但在实际应用中，快速排序通常比堆排序更快。

手撕算法贴好，备用

func heapSort() {
	arr := []int{5, 3, 2, 1, 4}
	HeapSort(arr)
}

func HeapSort(arr []int) []int {
	l := len(arr)
	// 获取节点，在从下往上每个节点上构建大根堆，最终得到完整的大根堆
	for i := l / 2; i >= 0; i-- {
		heapMaxRoot(arr, i, l)
	}

	for i := l - 1; i >= 0; i-- {
		// 把堆首（最大值）和堆尾互换
		pkg.SwapInt(arr, 0, i)

		// 重新构建大根堆
		l--
		heapMaxRoot(arr, 0, l)
	}

	return arr
}

// 构建大根堆
func heapMaxRoot(arr []int, i, l int) {
	// i为父节点，确定左右节点索引
	left := i*2 + 1
	right := i*2 + 2
	// 最大值的索引，初始值为i
	maxNumIndex := i
	// 确定存在最大值的索引是否在左右节点
	if left < l && arr[left] > arr[maxNumIndex] {
		maxNumIndex = left
	}
	if right < l && arr[right] > arr[maxNumIndex] {
		maxNumIndex = right
	}
	// 不为当前根节点时，交换数据，并在当时最大值的节点上继续构建大根堆
	if maxNumIndex != i {
		pkg.SwapInt(arr, i, maxNumIndex)
		heapMaxRoot(arr, maxNumIndex, l)
	}
}

常见的排序方式分别适合什么样的场景

大数据集：快速排序、归并排序、堆排序通常适用于大数据集。
稳定性：如果需要稳定的排序结果，应考虑使用归并排序。
内存限制：堆排序和快速排序适用于内存受限的环境。
数据分布：计数排序和桶排序适用于数据分布已知的情况。
特殊需求：根据具体情况选择最合适的算法，例如需要快速响应时选择堆排序。

选择排序算法时，需要考虑数据的特性（如大小、是否接近有序、元素范围等）、对稳定性的需求、可用内存等因素。

Redis

Redis为什么那么快？

1、基于内存存储实现

我们都知道内存读写是比在磁盘快很多的，Redis基于内存存储实现的数据库，相对于数据存在磁盘的MySQL数据库，省去磁盘I/O的消耗。

2、高效的数据结构

我们知道，Mysql索引为了提高效率，选择了B+树的数据结构。其实合理的数据结构，就是可以让你的应用/程序更快。先看下Redis的数据结构&内部编码图：

3、合理的数据编码

Redis 支持多种数据数据类型，每种基本类型，可能对多种数据结构。什么时候使用什么样数据结构，使用什么样编码，是redis设计者总结优化的结果。

4、合理的线程模型

I/O 多路复用

多路I/O复用技术可以让单个线程高效的处理多个连接请求，而Redis使用用epoll作为I/O多路复用技术的实现。并且，Redis自身的事件处理模型（redis是采用单reactor的网络模型，其组成是IO多路复用）将epoll中的连接、读写、关闭都转换为事件，不在网络I/O上浪费过多的时间。

单线程模型

Redis是单线程模型的，而单线程避免了CPU不必要的上下文切换和竞争锁的消耗。也正因为是单线程，如果某个命令执行过长（如hgetall命令），会造成阻塞。Redis是面向快速执行场景的数据库。，所以要慎用如smembers和lrange、hgetall等命令。
Redis 6.0 引入了多线程提速，它的执行命令操作内存的仍然是个单线程。

Redis比较适合解决什么场景的问题

缓存

我们一提到redis，自然而然就想到缓存，国内外中大型的网站都离不开缓存。合理的利用缓存，比如缓存热点数据，不仅可以提升网站的访问速度，还可以降低数据库DB的压力。并且，Redis相比于memcached，还提供了丰富的数据结构，并且提供RDB和AOF等持久化机制，强的一批。

排行榜

当今互联网应用，有各种各样的排行榜，如电商网站的月度销量排行榜、社交APP的礼物排行榜、小程序的投票排行榜等等。Redis提供的zset数据类型能够实现这些复杂的排行榜。

比如，用户每天上传视频，获得点赞的排行榜可以这样设计：1.用户Jay上传一个视频，获得6个赞，可以酱紫：

zadd user:ranking:2021-03-03 Jay 6

2.过了一段时间，再获得一个赞，可以这样：

zincrby user:ranking:2021-03-03 Jay 1

3.如果某个用户John作弊，需要删除该用户：

zrem user:ranking:2021-03-03 John

4.展示获取赞数最多的3个用户

zrevrangebyrank user:ranking:2021-03-03 0 2

分布式锁

几乎每个互联网公司中都使用了分布式部署，分布式服务下，就会遇到对同一个资源的并发访问的技术难题，如秒杀、下单减库存等场景。用java(synchronize或者reentrantlock)或者golang(sync.Mutex或者sync.RMutex或者channel实现的锁)本地锁肯定是不行的。

如果是并发量不大话，使用数据库的悲观锁、乐观锁来实现没啥问题。
但是在并发量高的场合中，利用数据库锁来控制资源的并发访问，会影响数据库的性能。实际上，可以用Redis的setnx+嵌入lua脚本执行检查和删除redis Key来实现分布式的锁。
除此之外，还可以使用官方提供的 RedLock 分布式锁实现。

计数器应用

各大网站、APP应用经常需要计数器的功能，如短视频的播放数、电商网站的浏览数。这些播放数、浏览数一般要求实时的，每一次播放和浏览都要做加1的操作，如果并发量很大对于传统关系型数据的性能是一种挑战。Redis天然支持计数功能而且计数的性能也非常好，可以说是计数器系统的重要选择。

计算机基础

进程、线程、协程

进程 (Process)

进程是计算机程序的一次执行过程，是系统进行资源分配和调度的基本单位。每个进程都有独立的地址空间、数据段、堆栈和资源。进程之间相互隔离，通信需要通过进程间通信（IPC）机制，如管道、消息队列、信号量等。

线程 (Thread)

线程是进程内的一个执行单元，是比进程更小的调度和执行单位。同一进程内的线程共享进程的地址空间、文件描述符和其他资源，使得线程间的通信比进程间通信更高效。线程有自己的栈和寄存器集，但线程的创建和切换仍有一定的开销。

Golang 协程 (Goroutine)

Goroutine 是 Go 语言中一种轻量级的线程，由 Go 运行时调度。Goroutine 的开销远小于标准的 OS 线程，可以轻松创建数万个 Goroutine 同时运行。Goroutine 之间的切换由 Go 运行时管理，无需依赖操作系统的线程调度，这使得 Goroutine 成为并发编程中处理大量 I/O 绑定任务的理想选择。Goroutine 具有自动的调度和上下文切换，使得并发编程更加简单和高效。

MySQL

数据库读写分离了解吗？

读写分离的基本原理是将数据库读写操作分散到不同的节点上，下面是基本架构图：

目的

主从服务器负责各自的读和写，极大程度缓解了锁的争用；
主服务器处理写操作以及实时性要求比较高的读操作，而从服务器处理读操作。
从服务器可以使用 MyISAM，提升查询性能以及节约系统开销；
增加冗余，提高数据库可用性。

基本实现

数据库服务器搭建主从集群，一主一从、一主多从都可以。
主数据库负责读写操作，从数据库只负责读操作。
主数据库通过复制将数据同步到从数据库，每台数据库服务器都存储了所有的业务数据。
业务服务器将写操作发给主数据库，将读操作发给从数据库。

常用代理方式

读写分离常用代理方式来实现，代理服务器接收应用层传来的读写请求，然后决定转发到哪个服务器。

记录货币用什么字段类型比较好？

货币在数据库中MySQL常用Decimal和Number类型表示，这两种类型被MySQL实现为同样的类型。他们被用于保存与货币有关的数据。

例如：salary DECIMAL(9,2)，9(precision)代表将被用于存储值的总的位数，而2(scale)代表将被用于存储小数点后的位数。存储在salary列中的值的范围是从-9999999.99到9999999.99。

DECIMAL和NUMBER值作为字符串存储，而不是作为二进制浮点数，以便保存那些值的小数精度。

之所以不使用float或者double的原因：因为float和double是以二进制存储的，所以有一定的误差。

MySQL怎么存储emoji?

MySQL可以直接使用字符串存储emoji。

但是需要注意的，utf8 编码是不行的，MySQL中的utf8是阉割版的 utf8，它最多只用 3 个字节存储字符，所以存储不了表情。那该怎么办？

需要使用utf8mb4编码。

网络

介绍下HTTP协议

这个问题比较泛了，可以随意发挥。比如从基础概念开始：介绍请求报文和响应报文；也可以介绍HTTP协议的请求方法；HTTP状态码等。

HTTPS 采用的加密机制

HTTPS 采用混合的加密机制

使用非对称密钥加密方式（一般是：RSA），传输对称密钥加密方式所需要的 Secret Key，从而保证安全性;
获取到 Secret Key 后，再使用对称密钥加密方式进行通信，从而保证效率。（下图中的 Session Key 就是 Secret Key）。

对称密钥加密方式的传输效率更高，但是无法安全地将密钥 Secret Key 传输给通信方。而非对称密钥加密方式可以保证传输的安全性，因此我们可以利用非对称密钥加密方式将 Secret Key 传输给通信方。

以上，觉得有用点亮【赞与在看】让我们总能披荆斩棘，挑战自我。

ITPub博客

三面无手撕，怀疑这是字节吗？