功能明确：一个目录实现的功能应该是明确的，并且在整个项目里具有很高的辨识度，当有新增功能的时候，我们可以清楚的知道应该存放在哪个目录之下。平铺式目录结构就是在项目根目录下存放项目的代码，整个目录就像一层的；- 可预测性：项目规模一定是从小到大，一个好的目录结构应该能够在项目变大时，能够保持之前的目录结构。- 全面性：目录结构应该全面包含研发过程中的所有功能，例如文档、脚本、API实现、功能、测试等。- 可扩展性：每个目录下存放的功能类型是一样的，在项目变大时，这些目录应该存放更多同类功能。

写一段简短的话描述项目描述该项目的核心功能点描述项目架构图描述该项目依赖的工具包如何构建项目如何运行项目如何使用如何对该项目做贡献

一.业内常见的垃圾回收算法 1.引用计数：对每个对象维护一个引用计数，当引用计数为0的时候，回收该对象。 优点：对象可以很快的回收，而不会出现内存耗尽或者达到某个阈值时才回收。 缺点：不能很好处理循环引用，维护引用计数也有一定的代价。 2 标记-清除：从根来遍历所有引用的对象，没有可以访问到的对象就会被回收。 优点：解决引用计数的缺点 缺点：需要STW,会暂时停止程序运行进行回收内存的处理。 3 分代收集：按照对象生命周期的长短分为不同的代空间，生命周期长的放入老年代，而短的放入新生代，不同代有不同

前言 BASE理论是CAP理论中的AP的延伸，是对互联网大规模分布式系统的实践总结，强调可用性。 BASE理论 BASE理论的核心是基本可用(Basically Available),软状态(Soft State)和最终一致性(Eventually Consistent)。软状态为不同节点之间，数据副本存在短暂的不一致性。 基本可用指的是当系统节点出现大规模故障的时候，通过牺牲部分功能的可用性，来保证系统的核心功能可用。 基本可用的本质是一种妥协，通过牺牲部分功能的可用性，来保证核心功能的稳定运行。

CAP 三指标 CAP理论对于分布式系统的特性做了高度抽象，形成了三个指标：一致性、可用性、分区容错性。 一致性指的是客户端的每次读数据的操作，所有节点返回的数据应该是相同的，不然就读取失败。一致性主要强调的是每个节点间的数据高度一致。 当客户端给节点1发起SET请求，请求成功之后。节点之间会发起通讯，使得节点2的值也编程和节点1的值相同。不管客户端访问哪个节点，读取到的都是同一份数据。 当节点之间发生故障的时候，暂时没有办法将节点之间的数据同步。这个时候，我们需要牺牲数据的一致性，每个节点使用本地数据来

HTTP/1.1 相比HTTP/1.0 性能上的改进: 使用TCP 长连接的方式去改善了HTTP/1.0 短连接造成的性能开销。 支持管道传输，可以一次性发送多个请求，减少整体的响应时间。 但HTTP/1.1 还有性能瓶颈 只能压缩Body的部分，如果首部信息越多延迟越大 发送冗长的首部，每次发送相同的首部造成的浪费较多。 服务器是按照请求的顺序响应的，如果服务器慢，会导致客户端一直请求不到数据 没有请求优先级 请求只能从客户端开始，服务器只能被动响应。 HTTP/2 相比HTTP/1.1性能改进:

https 是什么 简单来说，https是http + ssl, 对http 通讯内容进行加密，使用tls/ssl(理论在传输层实现)加密的HTTP协议 需要理解SSL/TLS的工作原理，我们需要掌握加密算法。涉及到的加密算法有非对称加密和对称加密 对称加密: 通信双方使用相同的密钥进行加密，特点是加密速度快，但缺点是需要保护好密钥，密钥泄漏容易被破解。 非对称加密: 需要生成公钥和私钥 ， 安全性更高，但是计算量较大 https的链接过程 https 主要分为证书验证阶段和内容传输阶段 证书验证阶段

字节三面的场景题 限流的目的是通过对于并发访问进行限速，一般是达到限制的速率，就会触发相应的限流行为。常见的限流行为如下: 拒绝服务。 把多出来的请求拒绝掉，受到流量暴增的时候，会统计当前的哪个客户端来的请求最多，直接进行拒绝，把带恶意的请求阻挡。 服务降级。关闭一些不太重要的服务，让给更重要的功能。另一种是返回部分数据。 特权请求。我们只把有限的资源分给重要的用户，我们应该把资源尽可能的分给特权用户。 延时队列。利用一个队列来进行缓冲大量的请求，如果队列满，则进行拒绝，一般用于应对短暂的峰刺请求。 限

一.概述 链接过程由链接脚本(lds文件)控制,链接脚本主要用于规定输出文件的内存布局。(可以看做链接过程中的Makefile) 链接器的默认链接脚本,可以通过 ld --verbose 来进行查看，可以通过 -T 选项用于指定自己的链接脚本。 二.简单例子 SECTIONS { . = 0x10000; .text : { *(.text) } . = 0x800000; .data : { *(.data) } .bss : { *(.bss) } } . = 0x10000 :

一.Redis 和数据库中的数据不一致的情况是如何发生的? 首先我们需要明确数据一致性的情况 缓存中有数据，但是缓存的数据值需要和数据库中的值相同 缓存中本身没有数据，那么，数据库中的数据就必须是最新值 如果不符合上述情况，那么就出现了数据不一致的情况。 我们可以根据缓存是不是需要处理写请求，我们可以把缓存分为读写缓存和只读缓存 对于读写缓存来说，如果要进行增删改查需要对于缓存中进行，同时还要通过写回方式，同步回数据库中。 对于只读缓存来说，如果有新的数据新增，会直接去写入到数据库之中，而如果有数据删改