一．本系统生成256SHA加密密码的方法
1.取得登陆的用户名及密码，如：用户名：xxxx@example.com 密码：password
2.打开网站
https://www.freeformatter.com/hmac-generator.html#ad-output
3.输入响应的信息，点击生成即可，如下图：
二．synchronized 和ReentrantLock相关的底层实现
1.关于sychronized，有两种加锁方式，
第一种是加在对象的实例上，也就是一个对象里面的一个非静态方法，加上sychronized关键字，其他线程访问此实例的sychronized方法（此实例的所有同步方法），需要等待线程释放锁，才可以执行，从而实现同步。如果访问此对象的另外一个实例，即使是访问的同步方法，也不能实现同步。
如：public sychronized void add(){}
P p1 = new P();
P p2 = new P();
P就会产生两个实例，如果2个线程访问add的话，不会实现同步。
第二种是加在对象上（类上）。一般的方式是加在对象的static方法上，也就是加在类上。如果加在类上，则不管是这个对象的任何实例，都会实现同步。
如public sychronized static void add(){}
sychronized用来修饰方法（静态方法、实例方法）、代码块
常说的sychronized加锁就是指竞争获取对象头markword重量级锁状态下指向monitor类型对象。但是1.6后有变化。
在jdk1.6之前，在进入sychronized修饰的方法或代码块之前要先获取重量锁（指的是获取对象头指针指向的monitor类型的对象）其中：当sychronized修饰的是静态方法时获取的是类class对象对应的monitor对象；当sychronized修饰的是实例方法时获取的是该类实例对象对应的monitor方法；当修饰的是代码块时需要自己指定。
monitor对象继承ObjectMonitor，其中ObjectMonitor结构属性为：
可以关注下几个比较关键的属性：
_owner 指向持有ObjectMonitor对象的线程
_WaitSet 存放处于wait状态的线程
_EntryList 存放处于等待锁block状态的线程队列
_recursions 锁的冲入次数
_count 记录该线程获取锁的次数
多个线程在竞争共享数据执行到同步代码块时，会在_EntryList中排队，获得对象monitor的线程在进入_Owner区域时会将monitor的_owner设为当前线程，同时计数器_count加1。若持有mnitor对象的线程调用了wait()方法会释放monitor，_owner为null，计数器_count减一，进入到_WaitSet集合中等待被唤醒。
jdk中独占锁的实现除了使用关键字synchronized外,还可以使用ReentrantLock。
1.ReentrantLock和synchronized都是独占锁,只允许线程互斥的访问临界区。但是实现上两者不同:synchronized加锁解锁的过程是隐式的,用户不用手动操作,优点是操作简单，但显得不够灵活。一般并发场景使用synchronized的就够了；ReentrantLock需要手动加锁和解锁,且解锁的操作尽量要放在finally代码块中,保证线程正确释放锁。ReentrantLock操作较为复杂，但是因为可以手动控制加锁和解锁过程,在复杂的并发场景中能派上用场。
2.ReentrantLock和synchronized都是可重入的。synchronized因为可重入因此可以放在被递归执行的方法上,且不用担心线程最后能否正确释放锁；而ReentrantLock在重入时要却确保重复获取锁的次数必须和重复释放锁的次数一样，否则可能导致其他线程无法获得该锁。
ReentrantLock主要利用CAS+CLH队列来实现。它支持公平锁和非公平锁，两者的实现类似。
ReentrantLock的基本实现可以概括为：先通过CAS尝试获取锁。如果此时已经有线程占据了锁，那就加入CLH队列并且被挂起。当锁被释放之后，排在CLH队列队首的线程会被唤醒，然后CAS再次尝试获取锁。在这个时候，如果：
非公平锁：如果同时还有另一个线程进来尝试获取，那么有可能会让这个线程抢先获取；
公平锁：如果同时还有另一个线程进来尝试获取，当它发现自己不是在队首的话，就会排到队尾，由队首的线程获取到锁
CLH队列：带头结点的双向非循环链表(如下图所示)：
三．分布式锁
基于数据库做分布式锁、基于数据库表版本号做分布式锁、基于数据库排他锁做分布式锁、基于redis做分布式锁、基于zookeeper做分布式锁
四．分布式事务
两阶段提交：
第一阶段：事务协调器要求每个涉及到事务的数据库预提交(precommit)此操作，并反映是否可以提交.
第二阶段：事务协调器要求每个数据库提交数据。
其中，如果有任何一个数据库否决此次提交，那么所有数据库都会被要求回滚它们在此事务中的那部分信息
五．分布式缓存
缓存的更新模式
Cache Aside模式
读取失效：cache数据没有命中，查询DB，成功后把数据写入缓存
读取命中：读取cache数据
更新：把数据更新到DB，失效缓存
分布式缓存的常见问题
缓存穿透：
DB中不存在数据，每次都穿过缓存查DB，造成DB的压力。一般是网络攻击
解决方案：放入一个特殊对象（比如特定的无效对象，当然比较好的方式是使用包装对象），即把这个空放入一个对象到缓存种，避免查询db。
缓存击穿：
在缓存失效的瞬间大量请求，造成DB的压力瞬间增大
解决方案：更新缓存时使用分布式锁锁住服务，防止请求穿透直达DB
缓存雪崩
大量缓存设置了相同的失效时间，同一时间失效，造成服务瞬间性能急剧下降
解决方案：缓存时间使用基本时间加上随机时间。
六．zookeeper集群实现数据一致性
zookeeper的选举机制：
zookeeper的leader选举机制一般有三种。LeaderElection、AuthFastLeaderElection、FastLeaderElection （最新默认）
默认的算法是FastLeaderElection，所以这篇主要分析它的选举机制
选举流程简述
目前有5台服务器，每台服务器均没有数据，它们的编号分别是1,2,3,4,5,按编号依次启动，它们的选择举过程如下：
服务器1启动，给自己投票，然后发投票信息，由于其它机器还没有启动所以它收不到反馈信息，服务器1的状态一直属于Looking(选举状态)。
服务器2启动，给自己投票，同时与之前启动的服务器1交换结果，由于服务器2的编号大所以服务器2胜出，但此时投票数没有大于半数，所以两个服务器的状态依然是LOOKING。
服务器3启动，给自己投票，同时与之前启动的服务器1,2交换信息，由于服务器3的编号最大所以服务器3胜出，此时投票数正好大于半数，所以服务器3成为领导者，服务器1,2成为小弟。
服务器4启动，给自己投票，同时与之前启动的服务器1,2,3交换信息，尽管服务器4的编号大，但之前服务器3已经胜出，所以服务器4只能成为小弟。
服务器5启动，后面的逻辑同服务器4成为小弟。
数据同步
选完 leader 以后，zk 就进入状态同步过程。
1、leader 等待 server 连接；
2、follower 连接 leader，将最大的 zxid（数据最大id） 发送给 leader；
3、leader 根据 follower 的 zxid 确定同步点；
4、完成同步后通知 follower 已经成为 uptodate 状态；
5、follower 收到 uptodate 消息后，又可以重新接受 client 的请求进行服务了。
连接方式：类似于activemq的failover连接方式。
ZooKeeper zk = new ZooKeeper("10.168.x.23:2181,10.168.x.23:2182,10.168.x.23:2183", 3000, new Watcher() {
七、redis集群实现数据一致性
redis-cluster集群架构图
所有的redis节点彼此互联(PING-PONG机制),内部使用二进制协议优化传输速度和带宽。
节点的fail是通过集群中超过半数的节点检测失效时才生效。
客户端与redis节点直连,不需要中间proxy层.客户端不需要连接集群所有节点,连接集群中任何一个可用节点即可。
redis-cluster把所有的物理节点映射到[0-16383]slot上,cluster 负责维护node<->slot<->value
redis-cluster投票:容错
投票过程是集群中所有master参与,如果半数以上master节点与master节点通信超时(cluster-node-timeout),认为当前master节点挂掉.
什么时候整个集群不可用(cluster_state:fail)?
如果集群任意master挂掉,且当前master没有slave.集群进入fail状态,也可以理解成集群的slot映射[0-16383]不完整时进入fail状态.
如果集群超过半数以上master挂掉，无论是否有slave，集群进入fail状态.
当部分master节点失败了，或者不能够和大多数节点通信的时候，为了保持可用，Redis集群用一个master-slave模式，这样的话每个hash slot就有1到N个副本。
在我们的例子中，集群有A、B、C三个节点，如果节点B失败了，那么5501-11000之间的hash slot将无法提供服务。然而，当我们给每个master节点添加一个slave节点以后，我们的集群最终会变成由A、B、C三个master节点和A1、B1、C1三个slave节点组成，这个时候如果B失败了，系统仍然可用。节点B1是B的副本，如果B失败了，集群会将B1提升为新的master，从而继续提供服务。然而，如果B和B1同时失败了，那么整个集群将不可用。
Redis集群可能丢失写的第一个原因是因为它用异步复制。
写可能是这样发生的：
客户端写到master B
master B回复客户端OK
master B将这个写操作广播给它的slaves B1、B2、B3
正如你看到的那样，B没有等到B1、B2、B3确认就回复客户端了，也就是说，B在回复客户端之前没有等待B1、B2、B3的确认，这对应Redis来说是一个潜在的风险。所以，如果客户端写了一些东西，B也确认了这个写操作，但是在它将这个写操作发给它的slaves之前它宕机了，随后其中一个slave（没有收到这个写命令）可能被提升为新的master，于是这个写操作就永远丢失了。
八、mq集群数据一致性
activemq的集群部署方式一般有两种：
第一种：broker---clusters方式：实现负载均衡，多个broker之间同步消息。
使用失效转移策略，配置如下：
failover:(uri1,uri2,...,uriN)?transportOptions
一个消费者连接到多个broker集群的中的一个broker，当该broker出问题时，消费者自动连接到其他一个正常的broker
uri:消息服务器的地址
transportOptions参数说明：
randomize：默认为 true ，表示在URI列表中选择URL连接时是否采用随机策略。
initialReconnectDelay：默认为10，单位为毫秒，表示一次尝试重连之间等待的时间。
maxReconnectDelay：默认 30000，单位毫秒，最长重连的时间间隔。
broker之间通过网络互相连接，并共享queue，保证消息同步。各个broker进行消息同步使用的是networkConnection（网络连接器），用于服务器传递消息，分为：静态连接和动态连接。
静态连接：
<networkConnectors>
<networkConnector uri="static:(tcp://127.0.0.1:61617,tcp://127.0.0.1:61618)"/> </networkConnectors>
动态连接：
<!-- 网络连接器 --><networkConnectors>
<networkConnector uri="multicast://default"/> </networkConnectors><!-- 传输连接器 --><transprotConnectors>
<transprotConnector uri="tcp://localhost:0" discoveryUri="multicast://default" /></transprotConnectors>
静态连接器过于局限，动态连接器可随意扩展服务器连接。
第二种：master---slaver方式：实现高可用。
通过部署多个broker实例，选举产生一个master和多个slave，master宕机后由slave接管服务来达到高可用性。Master-Slave的方式虽然能解决多服务热备的高可用问题，但无法解决负载均衡和分布式的问题。Broker Cluster的部署方式刚好可以解决负载均衡的问题。一般两者结合使用。
使用ZooKeeper（集群）注册所有的ActiveMQ Broker。只有其中的一个Broker可以对外提供服务（也就是Master节点），其他的Broker处于待机状态，被视为Slave。如果Master因故障而不能提供服务，则利用ZooKeeper的内部选举机制会从Slave中选举出一个Broker充当Master节点，继续对外提供服务。
九、Mysql的主从同步
在Mysql-A的数据库事件（例如修改数据库的sql操作语句），都会存储到日志系统A中，在相应的端口（默认3306）通过网络发送给Mysql-B。Mysql-B收到后，写入本地日志系统B，然后一条条的将数据库事件在数据库Mysql-B中完成。
日志系统A，是MYSQL的日志类型中的二进制日志，也就是专门用来保存修改数据库表的所有动作，即bin log，注意MYSQL会在执行语句之后，释放锁之前，写入二进制日志，确保事务安全。
日志系统B，不是二进制日志，由于它是从MYSQL-A的二进制日志复制过来的，并不是自己的数据库变化产生的，有点接力的感觉，称为中继日志，即relay log。
通过上面的机制，可以保证Mysql-A和Mysql-B的数据库数据一致，但是时间上肯定有延迟，即Mysql-B的数据是滞后的。因此，会出现这样的问题，Mysql-A的数据库操作是可以并发的执行的，但是Mysql-B只能从relay log中一条一条的读取执行。若Mysql-A的写操作很频繁，Mysql-B很可能就跟不上了。
主从同步复制有以下几种方式：
（1）同步复制，master的变化，必须等待slave-1,slave-2,...,slave-n完成后才能返回。
（2）异步复制，master只需要完成自己的数据库操作即可，至于slaves是否收到二进制日志，是否完成操作，不用关心。MYSQL的默认设置。
（3）半同步复制，master只保证slaves中的一个操作成功，就返回，其他slave不管。这个功能，是由google为MYSQL引入的。
（1）若在主从同步的过程中，出现其中一条语句同步失败报错了，则后面的语句也肯定不能同步成功了。例如，主库有一条数据，而从库并没有这一条数据，然而，在主库执行了删除这一条数据的操作，那么从库没有这么一条数据就肯定删除不了，从而报错了。在此时的从数据库的数据同步就失败了，因此后面的同步语句就无法继续执行。
这里提供的解决方法有两种：
1在从数据库中，使用SET全局sql_slave_skip_counter来跳过事件，跳过这一个错误，然后执行从下一个事件组开始。
2在从数据库中，重新连上主数据库。这种操作会直接跳过中间的那些同步语句，可能会导致一些数据未同步过去的问题，但这种操作也是最后的绝招。最好就是令从数据库与主数据库的数据结构和数据都一致了之后，再来恢复主从同步的操作。
十、用setnx实现分布式锁
Setnx key value
如果key不存在，则说明设置成功，返回1，证明获得锁。（释放锁直接删除key即可）
如果key已经存在，则说明设置失败，返回0，证明未获得锁。
设置锁时，需要有超时时间和过期时间，避免忘记释放锁。超过超时时间的时候，其他线程就可以del key值，从而获取锁。详细如下：
然后释放锁的时候就直接 DEL掉；
简单思路是这样，但是这样会有很多问题
如果一个进程获得锁之后，断开了与redis的连接（进程挂断或者网络中断），那么锁一直的不断释放，其他的进程就一直获取不到锁，就出现了 “死锁”
然而，锁超时时，我们不能简单地使用 DEL 命令删除键 lock.foo 以释放锁。考虑以下情况，进程P1已经首先获得了锁 lock.foo，然后进程P1挂掉了。进程P2，P3正在不断地检测锁是否已释放或者已超时，执行流程如下:
1 . P2和P3进程读取键 lock.foo 的值，检测锁是否已超时（通过比较当前时间和键 lock.foo 的值来判断是否超时）
2.P2和P3进程发现锁 lock.foo 已超时
3.P2执行 DEL lock.foo命令
4.P2执行 SETNX lock.foo命令，并返回1，即P2获得锁
5.P3执行 DEL lock.foo命令将P2刚刚设置的键 lock.foo 删除（这步是由于P3刚才已检测到锁已超时）
6.P3执行 SETNX lock.foo命令，并返回1，即P3获得锁
7.P2和P3同时获得了锁
从上面的情况可以得知，在检测到锁超时后，进程不能直接简单地执行 DEL 删除键的操作以获得锁。
为了解决上述算法可能出现的多个进程同时获得锁的问题，我们再来看以下的算法。
我们同样假设进程P1已经首先获得了锁 lock.foo，然后进程P1挂掉了。接下来的情况：
进程P4执行 SETNX lock.foo 以尝试获取锁
由于进程P1已获得了锁，所以P4执行 SETNX lock.foo 返回0，即获取锁失败
P4执行 GET lock.foo 来检测锁是否已超时，如果没超时，则等待一段时间，再次检测
如果P4检测到锁已超时，即当前的时间大于键 lock.foo 的值，P4会执行以下操作
GETSET lock.foo <current Unix timestamp + lock timeout + 1>
由于 GETSET 操作在设置键的值的同时，还会返回键的旧值，通过比较键 lock.foo 的旧值是否小于当前时间，可以判断进程是否已获得锁
假如另一个进程P5也检测到锁已超时，并在P4之前执行了 GETSET 操作，那么P4的 GETSET 操作返回的是一个大于当前时间的时间戳，这样P4就不会获得锁而继续等待。注意到，即使P4接下来将键 lock.foo 的值设置了比P5设置的更大的值也没影响。
另外，值得注意的是，在进程释放锁，即执行 DEL lock.foo 操作前，需要先判断锁是否已超时。如果锁已超时，那么锁可能已由其他进程获得，这时直接执行 DEL lock.foo 操作会导致把其他进程已获得的锁释放掉。
假如Redis里面有1亿个key，其中有10w个key是以某个固定的已知的前缀开头的，如果将它们全部找出来？
使用keys指令可以扫出指定模式的key列表。
如果这个redis正在给线上的业务提供服务，那使用keys指令会有什么问题？
这个时候你要回答redis关键的一个特性：redis的单线程的。keys指令会导致线程阻塞一段时间，线上服务会停顿，直到指令执行完毕，服务才能恢复。这个时候可以使用scan指令，scan指令可以无阻塞的提取出指定模式的key列表，但是会有一定的重复概率，在客户端做一次去重就可以了，但是整体所花费的时间会比直接用keys指令长。
十一、内存
jvm的jmm(内存模型)
内存泄漏与内存溢出的区别：指程序在申请内存时，没有足够的内存空间供其使用，出现out of memory；比如申请了一个integer,但给它存了long才能存下的数，那就是内存溢出。
是指程序在申请内存后，无法释放已申请的内存空间，一次内存泄露危害可以忽略，但内存泄露堆积后果很严重，无论多少内存,迟早会被占光。就是内存溢出。
十二、公平锁和非公平锁
公平锁（Fair）：加锁前检查是否有排队等待的线程，优先排队等待的线程，先来先得
非公平锁（Nonfair）：加锁时不考虑排队等待问题，直接尝试获取锁，获取不到自动到队尾等待
非公平锁性能比公平锁高5~10倍，因为公平锁需要在多核的情况下维护一个队列
Java中的ReentrantLock 默认的lock()方法采用的是非公平锁。