Cutewr's Blog

MyRPC

手动实现的RPC框架

文章名称

文章详细描述

伙伴名称

伙伴详细介绍

自定义项目

自定义详细介绍

图像融合评价指标

基于信息理论

基于**信息理论（Information theory-based）**的方法，包含以下四种，交叉熵CE（Cross entropy），熵EN（Entropy），互信息MI（Mutual information），峰值信噪比PSNR（Peak signal-to-nosie ration）。

交叉熵CE

计算交叉熵时，需要参考原始的两张图片(红外图片和可见光图片)。 $$ CE(T,V,F)=\frac{CE(T,F)+CE(V,F)}{2}\ CE(T,F)=\sum^{255}{i=1}h_T(i)log_2\frac{h_T(i)}{h_F(i)}\ CE(T,F)=\sum^{255}h_V(i)log_2\frac{h_V(i)}{h_F(i)} $$ 其中，$T$为红外图像，$V$为可见光图像，$F$为融合图像，$h_T(i)$为红外图像直方图统计，$h_V(i)$为可见光图像直方图统计， $h_F(i)$为融合图像直方图统计，在实际编程时若$h_F(i)$或者$\frac{h_T(i)}{h_F(i)}$，$\frac{h_V(i)}{h_F(i)}$为0，可以上下都+1，防止出现上面的情况。

Cutewr大约 7 分钟

CPU占用过高，怎么排查？

出现问题的原因

一种是由计算导致的CPU使用过高，一种是由内存不足，频繁垃圾回收导致的CPU使用过高。

线程太多，上下文不停切换，比如大量线程激烈的锁竞争，线程不停阻塞恢复阻塞。或者产生死锁
项目出现死循环，比如hashmap并发场景下的死循环
频繁发生FULL GC

排查步骤

执行 top 命令，在linux系统上显示系统各个进程的资源占用状态，找到占用率很高的进程ID 1024
执行 top -p 1024 -H 命令，查看当前进程下的所有线程信息，找到占用率很高的线程ID 2048，将ID转换成16进制得到800
执行 jstack 1024> thread_stack.log 将进程的堆栈信息写入到文件中
在thread_stack.log根据找到800对应的堆栈信息，根据堆栈信息定位到代码位置
如果线程为GC线程（VM Thread），使用 jmap -histo> jmap.log 输出java堆中对象的统计信息，可能不停创建大对象，导致频繁GC导致CPU占用很高。或者使用jmap导出dump日志，使用mat工具查看，如果内存使用率不高，但FULL GC频繁，可能是手动调用System.gc()导致的。

Cutewr大约 2 分钟

Redis内存满了怎么办？

我们知道redis是一个非常常用的内存型数据库，数据从内存中读取是它非常高效的原因之一，那么但是如果有一天，「redis分配的内存满了怎么办」？遇到这个面试题不要慌，这种问题我们分为两角度回答就可以：

「redis会怎么做」？「我们可以怎么做」？

增加Redis可用内存

报警，然后增加Redis可用内存。

这种方法很暴力，也很好用，我们直接通过增加redis的可用内存就可以了，有两种方式

「通过配置文件配置」

//设置redis最大占用内存大小为1000M  
maxmemory 1000mb

Cutewr大约 8 分钟

大数乘法

题目

题目描述：输出两个不超过100位的大整数的乘积。输入：输入两个大整数，如1234567 和 123 输出：输出乘积，如：151851741

例如：求 1234567891011121314151617181920 * 2019181716151413121110987654321 的乘积结果

分析

所谓大数相乘（Multiplication algorithm），就是指数字比较大，相乘的结果超出了基本类型的表示范围，所以这样的数不能够直接做乘法运算。

Cutewr大约 5 分钟

回溯

总结

不要以全局思想练回溯！

拆解成规模更小的子问题去练！

回溯就是暴力递归，暴力递归就是尝试

把问题转化为规模缩小了的同类问题的子问题
有明确的不需要继续进行递归的条件(base case)
有当得到了子问题的结果之后的决策过程
不记录每一个子问题的解

汉诺塔问题

如下图所示，从左到右有A、B、C三根柱子，其中A柱子上面有从小叠到大的n个圆盘，现要求将A柱子上的圆盘移到C柱子上去，期间只有一个原则：一次只能移到一个盘子且大盘子不能在小盘子上面，求移动的步骤和移动的次数

Cutewr大约 17 分钟

Cutewr

Redis基础

Redis为什么快？

怎么保证缓存和数据库的数据一致性？

当数据库中的数据修改时，

首先是更新缓存的方案

无论是先更新数据库、再更新缓存还是先更新缓存、再更新数据库；都可能会在两个更新请求的时候出现并发问题，比如请求A先进行修改数据库中的数据为1，另外一个请求B进行了数据库和缓存中的修改为2，之后请求A再修改缓存中的数据为1，就会导致缓存和数据库数据不一致的情况发生。然后删除缓存是一种懒加载的思想，因为每次更改数据之后，不一定立马就有人来用。若更新的次数远大于读取的次数，此时会频繁更新缓存，会非常浪费性能资源。

Cutewr大约 12 分钟

Redis数据类型

Redis 常用的数据类型有哪些？

Redis 中比较常见的数据类型有下面这些：

5 种基础数据类型：String（字符串）、List（列表）、Set（集合）、Hash（散列）、Zset（有序集合）。
3 种特殊数据类型：HyperLogLog（基数统计）、Bitmap （位图）、Geospatial (地理位置)。

除了上面提到的之外，还有一些其他的比如 Bloom filter（布隆过滤器）、Bitfield（位域）。

Cutewr大约 43 分钟

Redis底层数据结构

SDS

String是 Redis 中最简单同时也是最常用的一个数据类型。String的底层数据结构实现是SDS。

简介

虽然 Redis 是用 C 语言写的，但是 Redis 并没有使用 C 的字符串表示，而是自己构建了一种简单动态字符串（Simple Dynamic String，SDS）。相比于 C 的原生字符串，Redis 的 SDS 不光可以保存可以用来存储任何类型的数据而且还是二进制安全的，除此之外SDS API也更安全，不会造成缓冲区溢出。并且获取字符串长度复杂度为 O(1)（C 字符串为 O(N)）,

Cutewr大约 27 分钟

Redis高可用

高可用HA（High Availability）是分布式系统架构设计中必须考虑的因素之一，它通常是指，通过设计减少系统不能提供服务的时间。

假设系统一直能够提供服务，我们说系统的可用性是100%。如果系统每运行100个时间单位，会有1个时间单位无法提供服务，我们说系统的可用性是99%。很多公司的高可用目标是4个9，也就是99.99%，这就意味着，系统的年停机时间为8.76个小时。

那么如何保证系统的高可用呢？

在整个架构的每个节点中，不允许存在『单点问题』，因为单点一定是高可用最大的风险点，我们应该在系统设计过程中去避免单点问题。

在实现方法上，一般采用的就是集群部署、或者冗余部署来实现。这样的设计使得如果某个节点出现故障，其他的节点还可以继续使用。

Cutewr大约 39 分钟