一、 质量属性

• 1. 质量属性描述、关注点及其提升方法

  • 考点：性能、可用性、安全性等属性的定义与提升策略（如性能的“资源调度”、可用性的“冗余”）。

  • 解析：软件系统非功能性需求的核心，架构评估（如ATAM）的基础。

  • 坑点：混淆可用性（系统正常运行时间）和可靠性（无故障运行概率）。

  • 记忆法：口诀“性安可用易”（性能、安全、可用性、易用性）。

• 2. 易混淆质量属性对比

  • 考点：可用性 vs 可靠性 vs 健壮性；性能 vs 可伸缩性。

  • 解析：辨析概念边界，例如可伸缩性是面对需求增加时系统提升处理能力的能力。

  • 坑点：将“可修改性”等同于“可维护性”（可修改性更强调修改的代价低）。

  • 记忆法：对比表格法，列出核心定义词进行对比。

• 3. 质量属性场景的六要素

  • 考点：刺激源、刺激、环境、制品、响应、响应度量。

  • 解析：用于具体化质量需求，将抽象需求转化为可测试的场景。

  • 坑点：遗漏“环境”或“响应度量”。

  • 记忆法：口诀“源刺环制响度”（源头刺激环境，制品响应测度）。

二、 Redis

• 1. 数据结构

1. 两层含义

一个数据类型可以由多种底层结构实现，由 redisObject 的 encoding 字段动态决定。

2. 五种基础类型及底层映射

3. 核心底层结构

核心设计张力：内存效率 vs 操作性能。小数据走紧凑编码省内存，大数据自动切换为哈希表或跳表保性能。

4. 四种扩展类型

5. 选型原则

• 简单键值、计数、锁 → String

• 对象部分字段更新 → Hash

• 有序两端进出 → List

• 去重、集合运算 → Set

• 排序、范围查询、排行榜 → ZSet

• 海量布尔标记 → Bitmap

• 海量唯一计数且可接受近似 → HyperLogLog

• 地理位置查询 → GEO

• 需要消费者组和 ACK 的消息流 → Stream

注意大 Key 风险：单个 String 过大、单个 Hash 字段过多，会导致编码切换并可能阻塞单线程 Redis，应合理拆分 Key、控制集合规模。

• 考点：String、Hash、List、Set、ZSet及底层结构（SDS、跳表、字典）。

• 解析：不同场景选用不同结构（如排行榜用ZSet）。

• 坑点：底层编码方式（如ziplist跳表）的转换条件。

• 记忆法：场景记忆法（计数器-String，对象-Hash，消息-List，标签-Set，排名-ZSet）。

• 2. 淘汰策略

  • 考点：8种淘汰策略（LRU, LFU, Random, TTL等），如何选择。

  • 解析：内存打满时的清理机制。

  • 坑点：noeviction（默认）会报错而非淘汰数据。

  • 记忆法：分类记忆（随机、过期、全量、易失）。

• 3. 缓存失效及解决方法

  • 考点：缓存穿透、缓存击穿、缓存雪崩。

  • 解析：穿透（查不存在）、击穿（热点key失效）、雪崩（大量key同时失效）。

  • 坑点：解决“击穿”用互斥锁，解决“穿透”用布隆过滤器或空对象。

  • 记忆法：形象记忆（穿透：穿破底裤；击穿：击破一点；雪崩：大面积崩塌）。

• 4. RDB、AOF

  • 考点：两种持久化方式的优缺点、混合持久化。

  • 解析：RDB快但可能丢数据，AOF全但文件大恢复慢。

  • 坑点：混淆两者的触发条件（fork子进程）。

  • 记忆法：对比法（RDB=快照，AOF=日志）。

• 5. 主从复制、哨兵模式、集群模式

  • 考点：高可用架构演进。

  • 解析：主从（读写分离）、哨兵（自动故障转移）、集群（数据分片）。

  • 坑点：哨兵模式下主节点挂掉后的选举过程；集群模式的哈希槽（16384）。

  • 记忆法：演进法（单机 -> 备份 -> 自动监控 -> 分布式扩展）。

• 6. 常用指令

  • 考点：基础操作（get/set/hset）及运维指令（info, keys）。

  • 坑点：生产环境禁用 keys *（阻塞）。

• 7. 缓存模式、数据不一致解决方法

  • 考点：旁路缓存（Cache Aside）、读写穿透、异步缓存。双写一致性。

  • 解析：先更数据库还是先删缓存（推荐先更DB后删缓存）。

  • 坑点：延时双删的适用场景。

  • 记忆法：顺序法（DB优先，缓存删除）。

• 8. 数据库锁

  • 考点：乐观锁（版本号）、悲观锁（行锁/表锁）。分布式锁（Redis Redlock）。

  • 坑点：Redis实现分布式锁的死锁及超时问题。

• 9. 哈希、一致性哈希

  • 考点：一致性哈希的引入原因、虚拟节点。

  • 解析：解决普通哈希扩缩容带来的大规模数据迁移。

  • 坑点：数据倾斜问题及虚拟节点解决法。

  • 记忆法：环形记忆（数据映射到环上，顺时针找节点）。

三、 No SQL

• 1. 概念、特点

  • 考点：CAP理论、BASE理论。

  • 解析：非关系型，高并发、海量数据场景。

  • 坑点：CAP三者不可兼得（通常P必须保证，C和A二选一）。

  • 记忆法：缩写记忆（CAP：一致性、可用性、分区容忍性）。

• 2. 常见No SQL对比

  • 考点：KV型（Redis）、文档型（MongoDB）、列族型（HBase）、图（Neo4j）。

  • 坑点：选型混淆（如大数据宽表用HBase，复杂查询用MongoDB）。

• 3. 常见No SQL数据读写方法

  • 考点：特定数据库的API调用及底层存储逻辑。

四、 消息队列

• 1. 特点和作用

  • 考点：解耦、异步、削峰填谷。

  • 记忆法：口诀“异解削”。

• 2. 存在问题及解决方案

  • 考点：消息丢失（生产/存储/消费端）、重复消费（幂等性）、消息积压。

  • 解析：通过ACK机制、死信队列、分布式事务消息解决。

  • 坑点：只保证“至少一次”还是“恰好一次”。

  • 记忆法：全链路记忆（产-存-消，对应三个环节的可靠性）。

五、 Elasticsearch

• 1. 分词原理

  • 考点：Analyzer（Char Filter, Tokenizer, Token Filter）。中文分词器（IK）。

  • 坑点：分词器不一致导致搜索不到（写入和查询需使用同一分词器）。

• 2. 倒排索引

  • 考点：Term Dictionary, Term Index, Posting List。

  • 解析：从“文档->词”变为“词->文档”的映射，实现极速检索。

  • 记忆法：查字典法（根据字找页码，而不是一页页翻）。

六、 向量数据库

• 1. 概念和作用

  • 考点：存储和检索高维向量，用于相似度计算。

  • 解析：RAG架构的核心组件，解决大模型幻觉和私有数据问题。

• 2. 实现算法

  • 考点：ANN（近似最近邻搜索），如HNSW、IVF。

  • 记忆法：近似记忆（不求最准，但求最快，算个大概就行）。

七、 New SQL

• 1. 概念和特点

  • 考点：结合了关系型数据库的ACID和非关系型的可扩展性（如TiDB）。

• 2. 一致性方案

  • 考点：Raft/Paxos协议，分布式事务（2PC/3PC）。

八、 数据流图

• 1. 画图方法

  • 考点：数据流图（DFD）的四大元素（外部实体、处理、数据存储、数据流）及平衡原则。

  • 坑点：父图与子图不平衡（输入输出不匹配），黑洞/奇迹（有进无出/有出无进）。

  • 记忆法：找茬法（检查输入输出数量是否守恒）。

九、 UML

• 1. 各种图概念

  • 考点：用例图、类图、时序图、活动图、状态图、部署图的区别。

  • 坑点：混淆时序图（强调时间顺序）和活动图（强调业务流程）。

  • 记忆法：分类记忆（结构图 vs 行为图）。

十、 领域驱动 (DDD)

• 1. 概念

  • 考点：核心域、支撑域、通用域；限界上下文；聚合根。

  • 坑点：把贫血模型当作充血模型。

• 2. 表现层技术、各种技术对比和使用场景

  • 考点：前后端分离、SSR、CSR。

• 3. 数据访问层技术、各种技术对比和使用场景

  • 考点：ORM（MyBatis/Hibernate）、JPA对比。

十一、 云原生架构

• 1. 各种架构特点和对比

  • 考点：微服务、Serverless、Service Mesh。

• 2. 容器技术-docker

  • 考点：镜像、容器、仓库；隔离机制（Namespace, Cgroups）。

  • 记忆法：集装箱记忆（标准化打包，随处运行）。

• 3. 容器技术-k8s

  • 考点：Pod、Deployment、Service、Ingress；核心组件（API Server, etcd, Scheduler）。

  • 坑点：Pod是最小调度单位，而不是容器。

十二、 微服务与SOA

• 1. 微服务与SOA对比

  • 考点：微服务去中心化、独立部署；SOA强调企业总线（ESB）、粗粒度。

  • 记忆法：大小对比（SOA大而全，微服务小而精）。

• 2. Restful架构

  • 考点：资源导向，GET/POST/PUT/DELETE，状态码。

  • 坑点：无状态性（Stateless）。

• 3. 服务注册模式

  • 考点：注册中心（Nacos, Eureka, Zookeeper），服务发现机制（客户端/服务端发现）。

十三、 信息安全

• 1. 对称加密方法

  • 考点：AES、DES。速度快，适合大量数据。

  • 坑点：密钥分发困难。

• 2. 非对称加密方法

  • 考点：RSA、ECC。公钥加密，私钥解密（或相反）。适合数字签名。

  • 记忆法：对比记忆（对称=快，非对称=安全）。

十四、 大数据架构

• 1. Lambda架构图

  • 考点：批处理层、速度处理层、服务层。

  • 解析：兼顾实时和离线，但代码维护复杂（需维护两套代码）。

• 2. Lambda架构实现方法

  • 考点：Hadoop + Spark + Storm/Flink。

• 3. Kappa架构图

  • 考点：只保留流处理，通过消息队列（如Kafka）重放数据。

  • 解析：架构简化，一套代码。

• 4. Kappa架构实现方法

  • 考点：Kafka + Flink。

  • 记忆法：希腊字母记忆（Λ像分叉，批流分离；K像一条直线，纯流处理）。

十五、 分布式系统

• 1. 一致性方法对比

  • 考点：强一致性、弱一致性、最终一致性。2PC/3PC、TCC、Saga、本地消息表。

  • 坑点：分布式事务无法做到绝对的强一致性（受限于CAP）。

• 2. 分片方案

  • 考点：哈希分片、范围分片、一致性哈希。

  • 解析：解决单机容量和性能瓶颈。

十六、 数据库

• 1. 分区方案

  • 考点：垂直分库/分表、水平分库/分表。

  • 坑点：水平分表后跨库JOIN和分布式ID问题。

  • 记忆法：切蛋糕法（垂直按列切，水平按行切）。

• 2. 高可用模式

  • 考点：主从复制、双主（MHA）、MGR（MySQL Group Replication）。

  • 坑点：主从延迟（读写分离导致的数据不一致）。

十七、 AI大模型相关

• 1. RAG、向量化

  • 考点：检索增强生成（Retrieval-Augmented Generation）。文档切片->向量化->召回->拼接Prompt。

  • 解析：解决大模型知识更新慢和幻觉。

  • 记忆法：开卷考试记忆（大模型是考生，向量库是参考书）。

• 2. MCP工作流

  • 考点：Model Context Protocol（模型上下文协议），标准化大模型与外部工具的交互。

• 3. AGENT流程和技术

  • 考点：规划（Planning）、记忆（Memory）、工具使用（Tools）。

  • 解析：大模型从“聊天”走向“做事”。

• 4. MLOps与LLMOps对比

  • 考点：传统机器学习运维 vs 大模型运维（重点在于提示词工程、微调、评估）。

• 5. Prompt 优化（提示词工程）

  • 考点：Few-shot（少样本）、CoT（思维链）、角色扮演。

  • 记忆法：面试法（给背景+给例子+定角色+分步骤）。

十八、 架构图技术

• 1. 架构图涉及到所有技术名词

  • 考点：4+1视图（逻辑、开发、进程、物理、场景）。架构图的规范画法。