1、redis中RDB和AOF的使用情况分别是什么？
如果是保存不重要的数据可以使用RDB方式（比如缓存数据），如果是保存很重要的数据就要使用AOF，但是两种方式也可以同时使用。
RDB触发机制：
第一种：
save(同步)
1 客户端输入save命令----》redis服务端----》同步创建RDB二进制文件
2 会造成redis的阻塞（数据量非常大的时候）
3 文件策略：如果老的RDB存在，会替换老的
4 复杂度 o(n)
第二种：
bgsave(异步，Backgroud saving started)
1 客户端输入save命令----》redis服务端----》异步创建RDB二进制文件（fork函数生成一个子进程（fork会阻塞reids），执行createRDB，执行成功，返回给reids消息）
2 此时访问redis，会正常响应客户端
3 文件策略：跟save相同，如果老的RDB存在，会替换老的
4 复杂度 o(n)
第三种：(常用方式)（******）
自动（通过配置文件）
配置 seconds changes
save 900 1
save 300 10
save 60 10000
如果60s中改变了1w条数据，自动生成rdb
如果300s中改变了10条数据，自动生成rdb
如果900s中改变了1条数据，自动生成rdb
以上三条符合任意一条，就自动生成rdb，内部使用bgsave。RDB触发机制一般使用第三种方式，但是这种方式也会有缺点。如果修改的条数没有在设置范围内那么就不会触发，就会引发很多数据没有持久化的情况。所以我们一般采用下面方式：AOF。
AOF
问题：耗时，耗性能。不可控，可能会丢失数据。
实现策略：
日志不是直接写到硬盘上，而是先放在缓冲区，缓冲区根据一些策略，写到硬盘上
#第一种：
always：redis--》写命令刷新的缓冲区---》每条命令fsync到硬盘---》AOF文件
#第二种：
everysec（默认值）：redis——》写命令刷新的缓冲区---》每秒把缓冲区fsync到硬盘--》AOF文件
#第三种：
no:redis——》写命令刷新的缓冲区---》操作系统决定，缓冲区fsync到硬盘--》AOF文件RDB和AOF的选择
rdb最佳策略
rdb关掉，主从操作时；
集中管理：按天，按小时备份数据；
主从配置，从节点打开。
aof最佳策略
开：缓存和存储，大部分情况都打开，
aof重写集中管理
everysec：通过每秒刷新的策略最佳策略
小分片：每个redis的最大内存为4g；
缓存或存储：根据特性，使用不通策略；
时时监控硬盘，内存，负载网络等；
有足够内存。2、斐波那契数列的实现。
实现一：基于递归形式实现
public static int getFib(int n){if(n < 0){return -1;}else if(n == 0){return 0;}else if(n == 1 || n ==2){return 1;}else{return getFib(n - 1) + getFib(n - 2);}}
递归是最简单的实现方式，但递归有很多的问题，在n的值非常大时，会占用很多的内存空间，既然该数列定义F（n）=F(n-1)+F(n-2)（n≥2，n∈N*），那么我们可以从头到尾进行计算，先计算前面的值，然后逐步算出第n个值。
方式二：基于变量形式实现
public static int getFib2(int n){if(n < 0){return -1;}else if(n == 0){return 0;}else if (n == 1 || n == 2){return 1;}else{int c = 0, a = 1, b = 1;for(int i = 3; i <= n; i++){c = a + b;a = b;b = c;}return c;}}
从上面的实现中我们定义了3个变量a、b、c其中c=a+b，然后逐步进行计算从而得到下标为n的值。
既然我们可以定义变量进行存储，那么同样我们还可以定义一个数组，该数组的每一个元素即一个斐波那契数列的值，这样我们不仅能得到第n个值，还能获取整个斐波那契数列。
方式三：基于数组的实现
public static int getFib3(int n){if(n < 0){return -1;}else if(n == 0){return 0;}else if (n == 1 || n == 2){return 1;}else{int[] fibAry = new int[n + 1];fibAry[0] = 0;fibAry[1] = fibAry[2] = 1;for(int i = 3; i <= n; i++){fibAry[i] = fibAry[i - 1] + fibAry[i - 2];}return fibAry[n];}}
3、数据库插入大批量数据的优化方案。
3.1、数据有序插入；
由于数据库插入时，需要维护索引数据，无序的记录会增大维护索引的成本
。我们可以参照InnoDB使用的B+tree索引，如果每次插入记录都在索引的最后面，索引的定位效率很高，并且对索引调整较小；如果插入的记录在索引中间，需要B+tree进行分裂合并等处理，会消耗比较多计算资源，并且插入记录的索引定位效率会下降，数据量较大时会有频繁的磁盘操作。
3.2、在事务中进行插入处理；
使用事务可以提高数据的插入效率，这是因为进行一个INSERT操作时，MySQL内部会建立一个事务，在事务内才进行真正插入处理操作。通过使用事务可以减少创建事务的消耗，所有插入都在执行后才进行提交操作
。
结论：
合并数据+事务的方法在较小数据量时，性能提高是很明显的，数据量较大时（1千万以上），性能会急剧下降，这是由于此时数据量超过了innodb_buffer的容量，每次定位索引涉及较多的磁盘读写操作，性能下降较快。而使用合并数据+事务+有序数据的方式在数据量达到千万级以上表现依旧是良好，在数据量较大时，有序数据索引定位较为方便，不需要频繁对磁盘进行读写操作，所以可以维持较高的性能。
注意事项：
SQL语句是有长度限制
，在进行数据合并在同一SQL中务必不能超过SQL长度限制，通过max_allowed_packet配置可以修改，默认是1M，测试时修改为8M。事务需要控制大小
，事务太大可能会影响执行的效率。MySQL有innodb_log_buffer_size配置项，超过这个值会把innodb的数据刷到磁盘中，这时，效率会有所下降。所以比较好的做法是，在数据达到这个这个值前进行事务提交。
3.3、存储过程；
3.4、加缓存，使用redis等对数据进行预加载；
3.5、临时表；
3.6、队列；
3.7、分库分表（更大的数据量）等。
今日份其他面试问题：
哈希原理；
哈希结构和b+tree谁的速度更快；
如何分库分表；
分布式事务解决方案；
kafka如何解决不能传送大于10k的消息；
nacos和eruika如何选型；
你的项目上线了吗？日火多少，统计用户是多少？
说说多表子查询；
刷盘策略是什么；
dc分布式中心；
关于项目的问题；
项目从开发到结束是怎么个流程；
项目团队有多人人；
项目怎么部署发布的；
Redis的应用场景，请列举一个场景，并说明怎么实现的；
SQL优化；
项目为什么选择了spring cloud ，不用Dubbo；
介绍一下使用了Spring cloud哪些组件；
MongoDB的应用场景，为什么选择MongoDB,不选择mysql；
介绍一下你了解的MQ；
Spring Boot常用注解及作用；
Vue怎么使用的，常用标签；
如果让你设计消息队列，你怎么设计；
开发代码的规范，你谈一谈；
Mybatis和mybatis-plus的区别，怎么选型；
说说bean的生命周期；
缓存雪崩如何解决? 缓存穿透如何解决?
如何使用Redis完成订单列表场景?
MySQL里有2000w数据，Redis中只存20w的数据，如何保证Redis中的都是热点数据？
Redis相比memcached有哪些优势？
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，如何将它们全部找出来？
我说的登录验证.加密方式是什么?
有没有参与部署?
为什么用mq不是kafuka?
说一下你对高并发线程的理解？
说一下mysql调优？
项目中第三方支付接口是什么？
讲一下项目中用到的搜索引擎？
redis的增量更新；
懒汉式在多线程中如何保证唯一又不影响效率的；
springboot的启动类，为什么添加上后就可以启动了；
MQ生产者生产消息如何保证消息被消费了；
冒泡排序后开始索引值与输出结果对应；
词典，set存储，如何获取词典中的词汇；
你以后的职业规划是什么。
