24面试记录002

本文主要是介绍24面试记录002，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

文章目录

1
- 2、brpc的优化
- - 2.1 brpc网络有啥降级？
- 3、移动语义
- 4、python协程
二、
- 1. mq怎么保障数据的顺序？
- 3.brpc中上下游通信，怎么测评新增字段大小，对耗时的影响？

1

1、brpc和grpc区别，为啥选择brpc?
grpc是google公司开发的rpc框架，使用protocol buffer作为默认序列化框架。brpc是百度，使用多种序列化框架，pb、thrift协议和自定义协议。

grpc支持各种语言，着重跨语言，brpc主要支持c++,

grpc强调标准化，brpc强调高性能，低延迟，强调定制化。

2、brpc的优化

1、序列化因为要遍历各种数据结构，所以耗时更高，

2、brpc在序列化和反序列化时做的优化：
2.1 使用零拷贝技术，内存映射等，减少拷贝，减少cpu开销。
2.2 使用异步序列化，反序列化方式，在高并发场景下，提高吞吐和响应速度。
2.3 使用压缩技术，减少网络传输数据量，降低延迟，
2.4 使用内置序列化协议，pb,thrift,
2.5 定制序列化、反序列化接口，根据业务定制序列化（反序列化）逻辑。
2.6 支持一个动态反序列化，因为有些数据在编译时不能确定具体类型，所以就得放在运行时处理，运行时的反序列化，就是动态反序列化。

3、网络优化？
3.1 IO多路复用技术（epoll）,提高网络io效率。
3.2 零拷贝
3.3 TCP连接管理，brpc实现对tcp自动管理，（建立、复用、断开、重连）提高连接的复用率和系统稳定性。
3.4 流量控制，令牌桶算法，对请求的并发量进行控制，防止资源耗尽，和网络拥堵。
3.5 多种负载均衡策略，（轮循、最小连接数、一致性哈希，下游cpu感知权重）
3.6 错误恢复机制，brpc实现了网络超时重传，断线重连，保障可靠性。

2.1 brpc网络有啥降级？

在部分机器出现故障或性能下降时，通过降级来保障整体系统的稳定。

超时配置，合理设置超时时间，避免因个别请求阻塞而导致，整体性能。timeout_ms
重试机制，max_retry
负载均衡和故障转移，
健康检查
熔断，当某个服务出现大量错误或者响应过慢时，切断对该服务的调用，
业务代码降级处理：当某个服务不可用时，使用默认值，或者混存数据，或者使用备用服务。

3、移动语义

为了高效管理对象的资源，c++增加一种语言特性，把一个对象B变成右值引用类型，结合移动构造函数和移动赋值运算符，把对象B的资源（内存、文件句柄等）转移到另外一个对象A。避免数据的拷贝，实现高效管理资源。
std::move()是一个函数模板，可以把一个对象变成右值引用，在代码中明确指出来一个对象马上要被销毁，且他的资源要被窃取。

4、python协程

协程：轻量级的并发编程方式，在单线程内实现并发执行，并且可以方便地进行任务切换和异步操作。Python 的协程实现主要依赖于生成器（Generator）和 async/await 关键字。
当一个函数被声明为 async def，它就成为了一个协程函数，可以使用 await 关键字来挂起当前协程的执行，等待异步操作的完成。
Python 的协程基于事件循环（Event Loop）的机制，事件循环负责调度并发任务的执行，而协程则通过 async/await 实现了在任务间的挂起和恢复。当一个协程被挂起时，事件循环会转而执行其他可以执行的任务，从而实现并发执行的效果。

在底层，Python 的协程利用生成器的特性来实现挂起和恢复的操作。当一个协程函数内部使用 await 挂起时，实际上在生成器对象上进行了暂停操作，将控制权交给事件循环。当等待的异步操作完成后，事件循环会重新激活该协程，使其从上次暂停的地方继续执行。

总的来说，Python 的协程通过生成器和 async/await 关键字实现了在单线程内的并发执行，利用事件循环来调度任务的执行，从而实现了高效的异步操作和并发编程。

二、

1. mq怎么保障数据的顺序？

单一队列
分区（Partitioning）
对于需要处理大量消息的系统，可以采用分区（Partition）机制，将消息分散到多个分区，每个分区内部保持顺序，而分区之间无顺序性要求。例如，Apache Kafka 使用分区来提高吞吐量和扩展性。

保证顺序的关键点：

消息根据某种逻辑（如消息中的键或ID）路由到特定的分区。
同一键值的消息总是进入同一个分区，从而保障这些消息的顺序。
3. 顺序队列（Ordered Queue）
一些消息队列系统，如 RabbitMQ，通过顺序队列来保障消息的顺序。顺序队列是一种特殊类型的队列，设计上保证了消息的顺序性。

示例：
RabbitMQ 中可以使用“Queue per Consumer”模式，每个消费者绑定到一个独立的队列，从而保证消息的顺序性。

多级队列（Multi-level Queue）
多级队列可以用于复杂的场景，通过将消息划分为不同级别，并在每个级别上各自保证顺序性。这样可以在一定程度上兼顾顺序性和系统的扩展性。
消费者端排序
在某些场景下，可以在消费者端实现顺序保障。即使消息可能乱序到达消费者，消费者会根据消息中的某个顺序标识（如时间戳、序列号）进行重排，然后再处理。

优点：

灵活，不依赖于消息队列系统本身的顺序保障能力。
缺点：

增加了消费者的复杂度，需要额外的逻辑来实现重排。