- 综合排序
- 最热优先
- 最新优先
- 来自专栏java
java场景思维题
结合压测场景回看流量特征这台机器是否被错误地负载过重？（LB 权重不均）是否是压测数据重复、造成缓存失效导致落到计算？ 某些特定路径是否流量异常（如重试逻辑失控）三、具体可能的原因分析常见导致 CPU 100% 的场景1. 死循环或递归未终止2.
21000编辑于 2025-07-15 场景题：如何提升Kafka效率？
Kafka 以其高吞吐量、低延迟和可扩展性而备受青睐。无论是在实时数据分析、日志收集还是事件驱动架构中，Kafka 都扮演着关键角色。
1K11编辑于 2024-08-30- 来自专栏王磊的博客
场景题：海量数据如何判重？
这是一道非常经典的面试场景题。 那怎么回答这个问题呢？接下来咱们就详细的聊一聊。 参考答案 判断一个值是否存在？通常有以下两种解决方案： 使用哈希表：可以将数据进行哈希操作，将数据存储在相应的桶中。
38920编辑于 2023-09-19 - 来自专栏王磊的博客
场景题：海量数据如何判重？
这是一道非常经典的面试场景题。那怎么回答这个问题呢？接下来咱们就详细的聊一聊。参考答案判断一个值是否存在？通常有以下两种解决方案：使用哈希表：可以将数据进行哈希操作，将数据存储在相应的桶中。
47630编辑于 2023-09-18 - 来自专栏程序员千羽
小米场景题，让我措手不及...
小米golang开发面试只进行了1小时，没有涉及过多的八股文题目，给了两个场景题，让我一下子措手不及，虽然我很想进入下一轮，但很遗憾，第一轮面试挂~~ 1.对安全的了解。 2.接口安全性知道不？ 4.go的map和slice是线程安全不 5.场景题目： （1）五个域名abcde,各个qps不太一样，a=1w，b=200，但是想让他们访问平均，怎么处理 （2）一个ip：192.168.2.10，数据库里面有大量 5.场景题目： （1）五个域名abcde,各个qps不太一样，a=1w，b=200，但是想让他们访问平均，怎么处理 要让五个域名abcde的QPS（Queries Per Second）平均，即使它们的
52610编辑于 2024-01-04 - 来自专栏飞天小牛肉
高频场景题分析｜Feeds 流怎么设计？
读取操作快 逻辑复杂 消耗大量存储空间 粉丝数多的时候会是灾难 拉 逻辑简单 节约存储空间 读取效率低下，关注人数多的时候会出现灾难 虽然乍看上去拉模型优点多多，但是 Feed 流是一个极度读写不平衡的场景 Redis 中有序数据结构有列表 List 和有序集合 SortedSet 两种，对于关注 Timeline 这种需要按时间排列且禁止重复的场景当然闭着眼睛选 SortedSet。
83212编辑于 2024-05-06 - 来自专栏鱼皮客栈
这个场景题很常见，一定要会！
今天给大家分享一道场景设计题目：如何设计一个高并发系统。并给大家整理了高并发系统设计的 15 个锦囊，相信大家看完会有帮助的。 在高并发的场景下，大量请求访问数据库，MySQL单机是扛不住的！高并发场景下，会出现too many connections报错。 所以高并发的系统，需要考虑拆分为多个数据库，来抗住高并发的毒打。 我们使用缓存，主要是提升系统接口的性能，这样高并发场景，你的系统就可以支持更多的用户同时访问。 常用的缓存包括：Redis缓存，JVM本地缓存，memcached等等。 就拿Redis来说，它单机就能轻轻松松应对几万的并发，你读场景的业务，可以用缓存来抗高并发。 因此，设计一个高并发的系统，需要在恰当的场景使用异步。如何使用异步呢？后端可以借用消息队列实现。
77721编辑于 2023-03-29 场景题：10亿QQ用户，如何统计在线人数？
现在卷的环境下，面试除了八股文+算法+项目外，场景题也是问的越来越多了。一方面是就业市场竞争者较多所带来的必然结果；另一方面是公司对于应聘者的技术要求也越来越高了。 今天继续介绍Java面试常见的场景题：在线人数统计现在用户数量是亿级，如何统计在线人数有多少？场景分析QQ用户就是亿级的场景，我们如果使用常规的数据库解决方案是不能满足要求的。 online_users 10086 → 返回1 BITCOUNT key 统计在线总人数 BITCOUNT online_users → 返回当前在线数小结类似的面试场景题还有很多
84710编辑于 2025-03-05场景题：百万数据插入Redis有哪些实现方案？
在面试的过程当中，偶尔会遇到一些场景题，虽然这些场景题归根到底还是技术问题，但他通常比常规的八股题要稍微难一些，因为他考验的是你对于技术的整体理解、应用，以及变通的能力。 那么今天咱们就来看一道，在面试中国平安时遇到的一道场景题：将百万数据插入到 Redis，有哪些实现方案？ 作为一个开源的内存数据结构存储系统，支持多种数据结构，如字符串、哈希表、列表、集合和有序集合等，它具有以下显著优势：高速读写：Redis 将数据存储在内存中，能够实现极快的读写操作，非常适合对性能要求高的场景 获取更多企业面试真题，加 V：VipStone【备注：平安】。
43811编辑于 2024-10-25- 来自专栏王磊的博客
场景题：如何实现亿级用户在线状态统计？
近两年不知道大家有没有发现，现在的面试中《场景题》问的越来越多了，一方面是就业市场竞争者较多所带来的必然结果；另一方面是随着时间的推移，公司对于应聘者的技术要求也越来越高了，这时候只会八股文就不够了，你还得会更难的场景题才行 所以，搞明白这道题的答案才是我们关注的重点。 Long bitCount(String key) { return redisTemplate.opsForValue().bitCount(key); } } 小结 类似这样的场景题我收录和整理的题解答案还有很多 ，我把它制作成了一个专栏：《Java 常见场景题》，每个场景题都有详细的图解+代码案例解析。 本文已收录到我的面试小站 www.javacn.site，其中包含的内容有：场景题、并发编程、MySQL、Redis、Spring、Spring MVC、Spring Boot、Spring Cloud
38910编辑于 2025-01-15 - 来自专栏小白晋级大师
场景题：线上接口响应慢，应该如何排查问题？
这是面试中经常问的一个场景题，主要考察研发的过往经验积累，需要系统性地回答，不能笼统简单敷衍。 需要重点关注的点包括：结合业务场景（大促、双11促销、业务高峰期等）给出具体排查过程在阐述理论的同时，需结合工具的使用（Arthas、SkyWalking、Prometheus、Grafana等）补充后续优化方案 ，如熔断、压测、方案如何实施等3.具体排查步骤3.1 问题定位（1）定位问题的范围确认是单个接口还是整体系统响应慢是持续性问题还是突发性问题是否与特定时间段（如流量高峰期）相关是否与特定业务场景或请求参数相关 JVM调优GC策略：高并发场景优先选用G1，调整MaxGCPauseMillis控制停顿时间。 、分库分表）缓存策略优化（多级缓存、大促前预加载热点数据）资源扩容（增加服务器节点、提升配置）JVM参数调优（内存分配、GC策略调整）中间件参数调优（连接池大小、超时时间）总结回答模板示例在京东高并发场景下
94722编辑于 2025-03-12 - 来自专栏C博文
Java岗高频算法题精讲（LeetCode+场景化拆解）
在这篇文章中，我将带你一起深入分析5道Java岗高频的LeetCode算法题，通过场景化拆解，结合，从浅入深进行讲解。 题目一：两数之和（Two Sum） 场景化背景 假设你正在开发一个电商平台，用户在结算时输入一个目标金额，你需要帮用户找出购物车中两个商品的总价是否等于这个金额。如果找到了，就返回这两个商品的索引。 这类问题在字符串处理、数据流分析等场景中非常常见。 题目描述 给定一个字符串，找出其中不含有重复字符的最长子串的长度。 题目四：有效的括号（Valid Parentheses） 场景化背景 假设你正在开发一个编译器或解释器，编译时需要检查程序代码中的括号是否匹配。这是一个经典的栈应用问题。 在实际开发中，链表反转常用于缓存系统、队列实现等场景，掌握链表操作对Java开发者非常重要。
50210编辑于 2025-07-14 - 来自专栏深入理解Android
Android面试每日一题(3)： LaunchMode 的应用场景？
LaunchMode 有四种，分别为 Standard，SingleTop，SingleTask 和 SingleInstance，每种模式的实现原理一楼都做了较详细说明，下面说一下具体使用场景： Standard ： Standard 模式是系统默认的启动模式，一般我们 app 中大部分页面都是由该模式的页面构成的，比较常见的场景是：社交应用中，点击查看用户A信息->查看用户A粉丝->在粉丝中挑选查看用户B信息
85710编辑于 2022-09-21 - 来自专栏C博文
高频算法题精讲——算法+实际场景化拆解 B篇
在本文中，我们将通过多种算法题型，展示如何通过算法优化问题，并结合实际的应用场景，帮助大家更好地理解。 第二部分：高频算法题解析 这部分将通过一些经典的高频算法题目，逐步带你了解如何通过Python进行实现，同时结合具体场景分析每个问题。 应用场景：例如编译器中的语法检查，或者前端开发中DOM树的解析。 解法分析： 我们可以使用栈来解决这个问题。当遇到左括号时，推入栈中；当遇到右括号时，检查栈顶元素是否匹配。 应用场景：例如数据库中合并两个查询结果集，或者合并多个日志文件中的数据。 解法分析： 通过两个指针分别指向两个数组的起始位置，逐个比较并插入到新的数组中。 4.2 面试中的算法题应对策略 清晰表达思路：在面试中，展示清晰的思路比直接写出代码更加重要。你应该首先用语言描述清楚自己的解法，再着手写代码。
22500编辑于 2025-07-14 - 来自专栏小白晋级大师
面试场景题：如何设计一个抢红包随机算法
面试官：咱来写个算法题吧设计一个抢红包的随机算法，比如一个人在群里发了100块钱的红包，群里有10个人一起来抢红包，每人抢到的金额随机分配。1.所有人抢到的金额之和要等于红包金额，不能多也不能少。 1.1][21.34, 8.24, 1.9, 7.98, 0.49, 0.32, 13.75, 37.27, 0.03, 8.68]以上就是关于红包随机算法的所有解题方法了，面试中如果遇到考这道算法题，
57901编辑于 2025-03-19 金融场景的数据库：不是选择题，是生死线
它有自己的一套游戏规则——不同场景下，数据库扮演的角色完全不同；而无论什么场景，有些底线又是必须守死的。今天不绕弯子，直接聊聊金融场景里数据库到底在干什么活，以及金融机构选数据库时到底在看什么。 这个场景的核心要求：全链路审计：谁、什么时候、改了哪条数据，全要记下来数据不可篡改：日志和归档数据要有防篡改机制合规可证明：能一键生成等保三级、反洗钱等监管报告二、金融行业对数据库的硬性要求聊完场景定位 ，再来说说共性要求——不管什么场景，只要是在金融行业，数据库必须满足这几条底线。 但现在的风控、营销场景，要求实时分析——交易刚发生，就要算出风险分、推荐结果。 结语金融场景的数据库，从来不是单纯的技术选型，而是一道“业务连续性+合规底线+性能极限”的综合题。
13610编辑于 2026-03-13- 来自专栏Java课堂
聊聊场景题：百万人同时点赞怎么办？这个怎么回答
大家发现了吧，现在面试八股文好像问的少了，反倒是场景题多了起来，毕竟现在AI如此强大，总揪着这点底层基础也没多大意思。 ，这类题肯定见过吧。咱们来简单拆解下这题，我是一个小学习，知识量有限，不喜勿喷。这道题到底考察什么？ 写在最后其实很多高并发场景，比如点赞、评论、秒杀，核心思路都是异步解耦+缓存兜底。面试官考察的不是你知道多少冷门技术，而是你能不能看透问题本质，用户要的是体验和成功，不是实时准确。 如果实际业务中，赞数延迟要求极高（比如直播场景，需要实时显示赞数），也可以把定时同步改成Kafka消费后实时更新Redis，数据库异步同步，本质还是换汤不换药～
18110编辑于 2025-11-25 - 来自专栏C/C++葵花宝典
oj刷题——双指针篇：双指针的原理和使用场景
前言： 双指针一般在做与数组有关的题是经常容易用到的，在很多场景下都能得到很好的应用，下面我将通过多个多指针的题（力扣上面的），来总结一下双指针的原理和使用场景 需知：我在讲解一个题时主要分为三步： -; } else left++; } } return ret; } 五、总结 以上就是双指针在oj刷题中常见的几个题， 通过这几个题，我们可以观察到双指针的题在处理数组划分，还有数组操作中经常用到，在我们平时做数组相关的题时要有往双指针这方面想的意识 感谢各位大佬观看，创作不易，还望各位大佬点赞支持！！！
35710编辑于 2024-09-12 - 来自专栏why技术
盘一盘这个没资格出现在面试环节的场景题。
没有思路没有关系，我们再来读读题：批量任务触发，从订单表中查询出“处理中”状态的订单，订单可能属于不同的通道，所以需要调用不同通道的接口。但是某个通道慢，导致影响了其他通道订单的查询。 问怎么办？ 类似的场景 基于提问者的这个问题，歪师傅也想起了两个类似的场景。 一个是我参与开发过的一个对客发送短信的消息系统，简化一下整个流程大概是这样的： 上面这个图片会出现什么问题呢？ 就是消息堆积。 另外一个场景是我想起了之前写过的这篇文章：《我试图给你分享一种自适应的负载均衡。》 这两个场景不能说八竿子打不着吧，但是它们确实在一定程度上有相似性，转好几个弯之后，也能联系到一起。 向上抽象问题的能力，把看看似不一样的场景抽离成类似的问题模型的能力很重要。
26710编辑于 2024-01-10 - 来自专栏why技术
盘一盘这个没资格出现在面试环节的场景题。
没有思路没有关系，我们再来读读题：批量任务触发，从订单表中查询出“处理中”状态的订单，订单可能属于不同的通道，所以需要调用不同通道的接口。但是某个通道慢，导致影响了其他通道订单的查询。 问怎么办？ 类似的场景 基于提问者的这个问题，歪师傅也想起了两个类似的场景。 一个是我参与开发过的一个对客发送短信的消息系统，简化一下整个流程大概是这样的： 上面这个图片会出现什么问题呢？ 就是消息堆积。 另外一个场景是我想起了之前写过的这篇文章：《我试图给你分享一种自适应的负载均衡。》 这两个场景不能说八竿子打不着吧，但是它们确实在一定程度上有相似性，转好几个弯之后，也能联系到一起。 向上抽象问题的能力，把看看似不一样的场景抽离成类似的问题模型的能力很重要。
23810编辑于 2024-01-10
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号