简历原文
抽查部分
-
完成路线规划模块选择路线功能，用neo4j这种存储图关系的非关系数据库，实现最短线路规划、最低成本线路规划
-
设计优化物流信息模块，合理选择数据库、缓存技术，实现数据精简、流量削峰、提高系统可 用性
模拟问答
1.Neo4j是什么，你能讲一下你作的路线规划模块吗
Neo4j是一个非关系型数据库，用来存储图类型的数据。
我做的路线规划模块，首先需要写好和Neo4j数据库的查询层，功能包括新增路线、查询机构等等，和MyBatis的类似。命名规范上，一般命名为XXRepositoryImpl。
然后我们用MongoDB存储地图上营业范围的信息，具体就是存储营业范围的边缘点的坐标。功能包括修改范围等。
2.你说你物流信息模块优化了，你说一下你是怎么优化的，怎么用到缓存技术的
好的。我做的物流信息模块，具体实现了用户查看物流进度的需求。用户查看的物流进度，是一条条追加的，从广州到长沙，首先从揽收的营业点开始，到区分拣中心，再到广州转运中心，再到长沙转运中心、岳麓区分拣中心、具体的营业点，首先显示“快递已揽收”，然后显示“快递已到广州某区分拣中心”...总而言之，一个用户的一件快递，也就是一条订单，可能会有多条运单数据。第一个优化的地方就在这里。试想一下，如果我们使用MySQL存储用户查看的信息，势必会产生多条数据。而使用MongoDB，可以在一条数据中添加多个字段，这样用一条数据就能存下一个订单的信息。
而第二个优化的情景则是解决缓存雪崩的问题。缓存雪崩是指短时间乃至同时有很多Redis的key失效，这时候的访问可能就会给数据库带来很大压力乃至让数据库崩溃。应对这种情况，我们设置了随机过期时间，然后进行了服务降级，也就是对非核心数据的访问暂缓，返回指定的信息。
还有一种情况是Redis宕机，这时候我们用到了Caffeine和Redis做了多级缓存。
第三个优化的地方，我们面对了可能存在的缓存穿透问题。一个数据如果在多级缓存和数据库中都没有，那么每次访问都会访问到数据库，过多这样的访问可能会造成服务器崩溃，这就是缓存穿透问题。为了解决这个问题，我们使用了布隆过滤器。布隆过滤器用一些算法比如哈希算法将被过滤的数据映射到一个很长的位图上，将原本的0置为1。下次访问数据时，我们首先将查询的数据投入布隆过滤器，如果过滤结果为0则表示不存在，就直接返回。
第四个优化的地方在于，布隆过滤器过滤结果为1，也不一定保证就存在数据，因为有可能两个不同的数据哈希值一样。这时候我们可以增加算法，但计算时也需要耗时，增加过多也会让效率很低。所以应该适当添加算法数量，不用过少，也不能过多。
第四，我们优化了缓存击穿问题。高并发场景下指定的key失效，就会造成缓存击穿问题。我们用加锁的方式来处理这个情况。