面试奇奇怪怪的问题

100M 内存怎么读取 1G 文件并统计重复数据

传统方式是使用一个 Map，将数据的值存储到 key 上，出现的次数存储到 value 上，但是现在数据量大可能没有重复就会出现内存不足。

解决方式

将数据切片成 1024*1024 的 1M 大小，这样解决了大小问题。然后遍历将切片数据，将出现的数据和值的 key 和 value 存储到磁盘上，每次对比变更刷新磁盘数据。当然性能一定比在内存计算要慢

订单延迟取消

• 定时轮询取消
  • 定时任务轮询查询数据库要取消的订单
  • 简单、适合小公司的单体业务
  • 加大了服务器的压力、延时不准确、业务量大不推荐
• 采用时间轮询机制
  • 将要取消的订单放到时间轮上，时间轮执行任务的适合会处理时间轮上的任务
  • 相比上面方案提升性能
  • 没办法持久化，服务重启要重新录入需要放到时间轮上订单数据
• MQ
  • 采用 MQ 的消息延迟机制处理任务，底层采用的也是上面的时间轮询
  • 销峰填谷，提升服务器性能
  • 需要而外的服务

为什么 MySQL 使用 B + 树，Mongodb 使用 B 树

• MySQL（关系型数据库）用 B + 树：核心适配 范围查询、排序 需求，B + 树所有数据存于叶子节点，且叶子节点按顺序链表连接，范围查询 / 排序高效；非叶子节点仅存索引（不存数据），单节点能容纳更多索引，减少磁盘 IO 次数，契合关系型数据的结构化查询场景。
• MongoDB（文档型数据库）用 B 树：核心适配 随机读写、灵活文档查询，B 树每个节点既存索引也存数据，找到索引节点即可获取完整文档，随机读写更快；且 B 树节点空间利用率高，能更好适配 MongoDB 中文档（可能体积较大、结构灵活）的存储需求，减少跨节点查询开销。