場景題：你項目有什么亮點？
在當前嚴峻的就業(yè)形勢下，項目如果沒什么亮點，可能連面試的機會都沒有，但實際工作中，大部分人所做的事就是 CRUD（增刪改查），那怎么才能即很好的體現我們的技術實力？又不會被面試官識破呢？
所以，今天我這個給大家提供一些通用的項目亮點，你學會之后可以應用到自己的項目中，這樣這個棘手的問題就可以搞定了。
亮點1：并發(fā)編程+任務編排
1.1 并發(fā)編程
并發(fā)編程通常用在處理大量數據或者執(zhí)行多個獨立任務時，可以創(chuàng)建多個線程來并行處理，以提高效率和響應速度。
并發(fā)編程常見案例：例如 BI（Business Intelligence，商業(yè)智能系統(tǒng)）系統(tǒng)，一種集成了數據倉庫、查詢報表、數據分析、數據挖掘、數據可視化等多種功能的軟件工具，用于幫助企業(yè)從大量數據中提取有價值的商業(yè)信息，以支持決策制定。BI 系統(tǒng)通常需要從多個（微服務）數據源并行導入大量數據，這樣我們就可以利用多線程同時導入數據，這樣可以顯著減少總的導入時間。
多線程具體實現：在 Spring Boot 中定義全局線程池，實現代碼如下：
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.scheduling.concurrent.ThreadPoolTaskExecutor;
import java.util.concurrent.RejectedExecutionHandler;
import java.util.concurrent.ThreadPoolExecutor;
@Configuration
public class ThreadPoolConfig {
@Bean
public ThreadPoolTaskExecutor taskExecutor() {
ThreadPoolTaskExecutor taskExecutor = new ThreadPoolTaskExecutor();
taskExecutor.setCorePoolSize(5);
taskExecutor.setMaxPoolSize(10);
taskExecutor.setQueueCapacity(100000); // 任務隊列：10w
taskExecutor.setThreadNamePrefix("my-threadpool-");
// 自定義拒絕策略【1.記錄錯誤信息。2.通知消息系統(tǒng)，發(fā)送告警信息】
taskExecutor.setRejectedExecutionHandler(new RejectedExecutionHandler() {
@Override
public void rejectedExecution(Runnable r, ThreadPoolExecutor executor) {
// 1.記錄錯誤信息
// 2.通知消息系統(tǒng)，發(fā)送告警信息
}
});
taskExecutor.initialize();
return taskExecutor;
}
}多線程使用代碼示例：
@Resource
private ThreadPoolTaskExecutor taskExecutor;1.2 任務編排
任務編排常見案例和具體實現：以上 BI 系統(tǒng)再抽取多個數據源之后，需要對數據進行整合、處理和入庫，在這種場景下就需要使用 CompletableFuture 來進行任務編排。
任務編排具體實現：使用 CompletableFuture，它是 JDK 8 提供的線程編排工具，它的常用方法有以下幾個：
圖片
例如，我們現在實現一個這樣的場景：
圖片
任務描述：任務一執(zhí)行完之后執(zhí)行任務二，任務三和任務一和任務二一起執(zhí)行，所有任務都有返回值，等任務二和任務三執(zhí)行完成之后，再執(zhí)行任務四，它的實現代碼如下：
import java.util.concurrent.CompletableFuture;
import java.util.concurrent.ExecutionException;
public class CompletableFutureExample {
public static void main(String[] args) {
// 任務一：返回 "Task 1 result"
CompletableFuture<String> task1 = CompletableFuture.supplyAsync(() -> {
try {
// 模擬耗時操作
Thread.sleep(1000);
} catch (InterruptedException e) {
Thread.currentThread().interrupt();
throw new RuntimeException(e);
}
return "Task 1 result";
});
// 任務二：依賴任務一，返回 "Task 2 result" + 任務一的結果
CompletableFuture<String> task2 = task1.handle((result1, throwable) -> {
try {
// 模擬耗時操作
Thread.sleep(1000);
} catch (InterruptedException e) {
Thread.currentThread().interrupt();
throw new RuntimeException(e);
}
return "Task 2 result " + result1;
});
// 任務三：和任務一、任務二并行執(zhí)行，返回 "Task 3 result"
CompletableFuture<String> task3 = CompletableFuture.supplyAsync(() -> {
try {
// 模擬耗時操作
Thread.sleep(800); // 任務三可能比任務二先完成
} catch (InterruptedException e) {
Thread.currentThread().interrupt();
throw new RuntimeException(e);
}
return "Task 3 result";
});
// 任務四：依賴任務二和任務三，等待它們都完成后執(zhí)行，返回 "Task 4 result" + 任務二和任務三的結果
CompletableFuture<String> task4 = CompletableFuture.allOf(task2, task3).handle((res, throwable) -> {
try {
// 這里不需要顯式等待，因為 allOf 已經保證了它們完成
return "Task 4 result with " + task2.get() + " and " + task3.get();
} catch (InterruptedException | ExecutionException e) {
throw new RuntimeException(e);
}
});
// 獲取任務四的結果并打印
String finalResult = task4.join();
System.out.println(finalResult);
}
}亮點2：多級緩存
定義：多級緩存是指在系統(tǒng)中設置多個層次的緩存，每個層次的緩存具有不同的特性，它們協同工作來滿足系統(tǒng)對數據訪問速度和存儲容量等多方面的需求。
圖片
使用多級緩存可以從離用戶請求最近的地方優(yōu)先獲取緩存信息，從而保證了更高的查詢效率，多級緩存包括以下這些：
- 分布式緩存：例如，Redis、MemCached 等。
- 本地緩存：例如，Caffeine、Google Guava Cache、Spring Cache、Ehcache 等。
- Nginx 緩存：在 Nginx 中配置并開啟緩存功能。
- CDN 緩存：是一種通過在離用戶更近的位置存儲數據副本，以提供更快速、高效地內容交付的技術。CDN緩存使用分布式網絡和邊緣節(jié)點來緩存和分發(fā)靜態(tài)和動態(tài)內容，以減少用戶請求的響應時間和帶寬消耗。
- 瀏覽器緩存：它的實現主要依靠 HTTP 協議中的緩存機制，當瀏覽器第一次請求一個資源時，服務器會將該資源的相關緩存規(guī)則（如 Cache-Control、Expires 等）一同返回給客戶端，瀏覽器會根據這些規(guī)則來判斷是否需要緩存該資源以及該資源的有效期。
亮點3：緩存和數據庫一致性問題解決
項目中使用緩存時會有 4 大經典的問題（雪崩、穿透、擊穿、數據一致性），其中一個就是【緩存和數據庫一致性問題】，所以在實際工作中解決了這個經典問題，也是一大亮點。
緩存和數據庫一致性問題的常見解決方案有兩個：
- 使用延遲雙刪+MQ。
- Canal 監(jiān)聽 MySQL Binlog 保證數據一致性：Canal 監(jiān)聽 binlog，再將數據庫更新到 MQ（如 Kafka）中，再通過監(jiān)聽消息更新 Redis 緩存，Canal 執(zhí)行流程如下：
圖片
亮點4：自定義注解解決冪等性問題
使用了自定義注解實現了一些通用功能，例如，使用自定義注解實現冪等性處理、使用自定義注解實現了統(tǒng)一數據權限的驗證等。
亮點5：分庫分表技術
如項目中使用了分庫分表技術增加數據庫的并發(fā)處理性能，典型的技術實現有 MyCat 和 ShardingSphere。
分庫分表技術介紹
首先來說，“分庫分表”不是一個技術，而是多個技術實現：
- 分庫
a.垂直分庫
b.水平分庫
- 分表
a.垂直分表
b.水平分表
① 垂直分庫
垂直分庫是按照業(yè)務將不同的表拆分到不同的數據庫中。例如，在一個電商數據庫中的用戶表和訂單表分別存放到不同的數據庫中，如下圖所示：
圖片
② 水平分庫
水平分庫是將數據按照一定的規(guī)則（如用戶 ID 取模、哈希等）分布到不同的數據庫中。比如，根據用戶 ID 對 10 取模，將用戶數據分布到 10 個不同的數據庫中，每個數據庫都保存著完整的數據表結構，如下圖所示：
圖片
③ 垂直分表
分表：
圖片
垂直分表：垂直分表是將一張表按照列的相關性拆分成多張表。例如，將一個包含大量字段的用戶表，拆分為用戶基本信息表和用戶擴展信息表，如下圖所示：
圖片
④ 水平分表
水平分表是將一張表的數據按照行進行拆分。例如按照用戶 ID 的范圍或者哈希值將數據拆分到不同的表中。
圖片
在實際業(yè)務中，各種分庫分表技術可以混合使用。
MyCat VS Sharding Sphere
分庫分表的主流實現技術有以下兩種：
- MyCat
- Apache Sharding Sphere
Sharding Sphere 相比于 MyCat 來說，它的優(yōu)勢是：
- 功能更多：除了讀寫分離和分庫分表之外，還提供了數據加密、流量質量、數據遷移等功能。
- 社區(qū)更活躍度和生態(tài)更好：Sharding Sphere 擁有活躍的社區(qū)和豐富的文檔，生態(tài)系統(tǒng)較為完善，有更多的用戶和開發(fā)者參與。
- 靈活性和擴展性：Sharding Sphere 靈活性更高，擴展性也更好，它可以方便地與其他技術集成，這方便 MyCat 支持的比較有限。
亮點6：項目中使用多種設計模式
例如以下這些設計模式：
- 責任鏈模式：在請求進入后端項目之后，會經過多個責任鏈攔截器（或過濾器），先鑒權、黑白名單效驗、參數效驗、敏感詞過濾等操作之后，才能進行后續(xù)的訪問和操作。
- 策略模式：支付功能會根據用戶不同的選擇，使用對應的支付代碼實現支付功能。
- 模版方法模式：支付功能實現上，首先在接口中定義支付的基本流程，而具體的支付方式（如信用卡支付、三方平臺支付等）則由子類實現。
- 裝飾器模式：在不更改原功能的基礎上，添加新的功能。例如，項目中方法的統(tǒng)計，不更改原來的方法執(zhí)行，在方法執(zhí)行前后添加了執(zhí)行統(tǒng)計記錄功能。
- 代理模式：日志代理功能的實現，在執(zhí)行目標對象的方法前后記錄日志，用于監(jiān)控和調試。
- 生產者消費者模式：使用 MQ 實現生產者和消費者模式，處理異步任務。
- 建造者模式：實現類對象的創(chuàng)建和初始化。
- 單例模式：項目中的數據源、線程池等都使用了單例模式保證了資源的高效使用。
