数据结构与算法 线性结构 数组 优点 随机访问 缺点 不能动态扩容 链表 优点 支持动态扩容 缺点 不支持随机访问，需要遍历链表 存储指针，空间利用率低 扩容数组 java.ArrayList/c++ vector 堆栈 FILO的线性表 队列 FIFO的线性表 hash 计算hash值做数组索引 解决hash冲突的方法 开放定址法(线性探测法) ThreadLocalMap 链地址法 HashMap 再Hash法 常见hash算法 checksum murmur3/crc32 md5/sha BloomFilter 通过计算n个不同Hash函数的Hash值，设置相应的n个bit位 优点 时间和空间效率都很高 缺点 不包含判断准确，包含存在误判 删除困难，不能直接将bit设置成0，因为存在hash冲突，可能会影响其他元素 CountingBloomFilter 应用 缓存问题 通过BloomFilter预判，减少磁盘IO 黑名单过滤/垃圾邮件过滤 爬虫防重复爬取 外部hash 将哈希碰撞写入文件中 树 二分查找树 解决二分查找需要预先排序的问题 左右子树不平衡会退化成链表 自平衡二叉树 AVL树 左右子树高度差小于等于1，完全平衡 删除节点可能导致logn次旋转 红黑树 最深路径不超过最浅路径的两倍，大致平衡 每个红色节点的两个子节点都是黑色/从每个叶子到根的所有路径上不能有两个连续的红色节点 从任一节点到其每个叶子的所有路径都包含相同数目的黑色节点 最短的可能路径都是黑色节点，最长的可能路径有交替的红色和黑色节点。因为根据所有最长的路径都有相同数目的黑色节点的性质，这就表明了没有路径能多于任何其他路径的两倍长。 多维数据结构 4叉树(2维)/8叉树(3维)/16叉树(4维) K-D树 连续交替按维度划分 面向磁盘的树 磁盘特性 速度慢，吞吐量大 块式读写——基本读写单位为一个扇区，一个扇区512B或4KB 磁盘机械臂的运行方式导致顺序读写快于随机读写 B树 以块的形式存储节点，一个节点存储n个元素，n+1个子节点指针 当节点元素个数x>n,节点分裂，x<n/2，节点合并 B树扇出大，降低了树的高度，减少了磁盘随机IO次数 B+树 内部节点只存储Key 叶子节点存储Value 内部节点能存储更多元素 索引效率更高，对内存缓存也更友好 叶子节点以链表形式串联 方便范围查询，避免了B树范围查询的回溯问题，回溯意味着更多的磁盘IO LSM-Tree (Log-Structured Merge-Tree) 将修改缓存在内存数据结构中(MemTable)中 达到阈值后merge到磁盘的数据结构中(SSTable)中 磁盘中的SSTable会有多个分段，需要后台进程定时merge 整个数据结构就像一个操作日志，后台Merge线程把过期的操作清理掉 多个SSTable中读取，牺牲读性能换取写性能 使用BloomFilter进行元素预判减少磁盘IO，优化读性能 多维 KDB树 KD树与B树的结合 节点分裂复杂，所以KDB树只适合静态数据 BKD树 KDB树+LSM-Tree解决静态数据问题 R树(Region) 堆 二叉堆 堆是完全二叉树，所以可以用数组实现 根索引为0，左节点索引为2*0+1，右节点索引为2*0+2 1的左节点索引为2*1+1，右节点索引为2*1+2 应用 优先级队列 topN问题/堆排序/多路归并 多叉堆 根索引为0，第一个子节点索引为n*0+1，第二个子节点索引为n*0+2...第n个子节点n*0+n 哈夫曼树 数据压缩 遍历 先序遍历(先根)/后序遍历(后根)/中序遍历(中根) 图 有向图(DirectedGraph) 出度 入度 有向无环图(DAG) 无向图(UnDirectedGraph) 有权图(WeightedGraph) 边上有权重 遍历 深度优先遍历 栈 连通性问题 广度优先遍历 队列 最短路径问题 排序 内排序 选择排序 直接选择排序 从无序区选择最小元素跟在有序区尾部(比较多，交换少，区域后移) 不稳定，平均时间复杂度O(n^2) 堆排序 将选择过程中的比较结果记录在堆中，每次卸除堆顶最小元素放入有序区，重新恢复堆 不稳定，平均时间复杂度O(nlogn) 插入排序 直接插入排序 把无序区的第一个元素插入到有序区的合适位置(比较少，交换多，插入后移) 稳定，平均时间复杂度O(n^2) 希尔排序 为了加大插入排序的移动步伐，预设一个间隔 每轮根据预先设置的间隔进行插入排序，依次缩短间隔直至为1 不稳定，平均时间复杂度O(nlogn) 冒泡排序 从无序区通过交换选出最大元素放到有序区头部 稳定，平均时间复杂度O(n^2) 快速排序 从区间中随机选择一个元素作为基准值，将小于基准值的元素放在基准值前，大于基准值的放后面，再递归对小数区和大数区排序 不稳定，平均时间复杂度O(nlogn) 归并排序 将数据分成两段，从两段中选择最小元素移入新数据段末尾 稳定，平均时间复杂度O(nlogn) 计数排序 直接计数排序 统计每个元素的出现频次以下标形式存入计数器，然后从小到大将元素回写 基数排序 外排序 内排序+磁盘读写+多路归并 字符串匹配 KMP/Rabin-Karp/Boyer-Moore 算法思想 分而治之/动态规划/贪心/回溯 密码学 对称加密 块加密 DES/3DES/AES 流加密 伪随机数生成器 线性同余 RC4 非对称加密 RSA 混合密码系统 用非对称加密保护会话密钥，用对称加密提升速度 单向散列/摘要函数 MD5/SHA-1/SHA-256/SHA-384/SHA-512 消息认证码(MAC) 保证数据完整性 HMAC标准 数字签名 用私钥签名，公钥校验 保证了不可否认性 公钥证书(PKC) 用认证机构(CA)的私钥对个人或企业的公钥进行签名 上层认证机构(CA)对认证机构(CA)的公钥进行签名，从而产生证书链 操作系统 什么是操作系统 一种特殊的软件，对下管理硬件，对上管理用户软件 管理硬件 CPU 进程管理 内存 内存管理 IO设备 硬盘 文件管理 网络 TCP/IP 其他IO设备 设备驱动 用户软件 通过操作系统提供的接口使用硬件设备
计算机网络 网络协议分层 OSI 物理层 / 数据链路层 / 网络层 / 传输层 / 会话层 / 表示层 / 应用层 理论模型，强调分层思想 TCP/IP 链路层 / 网络层 / 传输层 / 应用层 工程实现模型，实际互联网使用 五层建议模型 物理层 单工 / 半双工 / 全双工 多路复用 时分复用(TDM) 频分复用(FDM) 码分复用(CDM) 传输介质 双绞线 / 光纤 / 无线 链路层 以太网 MAC地址(48bit) FF-FF-FF-FF-FF-FF为局域网广播地址 MTU(1500字节) 协议 ARP(IP=>MAC) ARP缓存表 ARP(IP=>MAC) / BOOTP / DHCP DHCP四次交互 Discover / Offer / Request / ACK 网络层 IP IPv4(32bit) / IPv6(128bit) CIDR无类地址 子网掩码 IP数据包分片 路由 静态路由 route命令 动态路由(路由器间相互通信) 内部网关协议(自治系统内部) 链路状态路由协议 OSPF 距离矢量路由协议 RIP/RIPv2/IGRP/EIGRP 外部网关协议(自治系统间) BGP(边界网关协议) ICMP 差错报告 / 网络诊断 ping/traceroute 广播 受限广播 255.255.255.255 未指定网络，只在本地网络传输 定向广播 netid.255.255.255 对netidA类网络进行广播 传输层 UDP 无连接 / 不可靠 / 面向报文 适用场景：DNS / 视频 / 语音 TCP 报文格式 源端口和目标端口用于确定发送端与接收端的应用进程 16bit端口 < 65535 32bit序列号标识数字字节流，可以循环使用 确认序列号是确认端期望接受的下一个序列号，所以确认序列号=上次成功接收的序列号+1 只有ACK标识位为1时才生效 发送ACK无序额外代价，因为和确认序号一样总是TCP首部的一部分 因此操作系统在建立连接后，ACK标识位总被设置为1 4bit首部长度(数据偏移)，因为有任选字段，所以TCP最多有(2^4-1)*4=60字节的首部，没有任选字段，正常为20字节(该字段为5) 6个保留位和6个标志位 URG | ACK | PSH | RST | SYN | FIN 16bit窗口大小用于流量控制 16bit校验和用于校验整个TCP报文：TCP首部+TCP数据 16bit紧急指针用于发送紧急数据 只有当URG标志位为1时有效 可选项和数据体 三次握手 SYN => SYN + ACK => ACK TCP连接是双向的，所以建立连接需要双方确认 TCP是全双工的，所以相应端发出同步报文的同时可以连带发送上一个报文的确认 四次挥手 FIN=>ACK...FIN=>ACK TCP是全双工的，所以两个方向必须单独关闭，当只有一方关闭时，会出现半关闭状态 流量控制 滑动窗口 / 满启动 / 拥塞避免 / 快速重传 / 快速恢复 超时重传 应用层 DNS 根DNS服务器 权威域名服务器 FTP HTTP 报文格式 http method GET | POST | PUT | DELETE | HEAD | OPTIONS | TRACE | CONNECT http状态码 1xx 信息提示。表示该请求已被服务器接收，但需要继续处理 101 切换协议 2xx 请求成功。服务器成功处理了请求 200 成功 3xx 客户端重定向。告诉客户端浏览器，他们访问的资源已被移动，并告诉客户端新的资源位置 301 永久重定向｜302 临时重定向｜304 资源未修改 4xx 客户端信息错误。客户端可能发送了服务器无法处理的内容 比如请求的格式错误，或者请求了一个不存在的资源 400 请求参数有误｜401未授权｜403禁止访问｜404资源不存在｜405Method有误 5xx 服务器出错。客户端发送了有效的请求，但是服务器自身出现错误，比如Web程序运行出错 500服务内部异常｜502网关异常 持久连接 http1.0一次http通信结束就要断开一次TCP连接 http1.1持久连接 keep-alive 复用TCP连接 缺点 无状态 Cookie和Session Session是服务端保存的状态，Cookie是实现Session的通用手段 Header：Cookie ｜ Set-Cookie 安全性 HTTPS 服务器无法主动发数据 WebSocket & WebPush HTTPS SSL/TLS握手过程 网络安全 网络 链路层 ARP欺骗 修改IP映射的MAC地址，使数据包发送到被修改后的MAC地址上 MAC泛洪攻击 伪造ARP包攻击交换机，MAC表满了，交换机会进入集线器模式广播MAC表里没有的数据包 网络层 IPsec VPN 传输层 SYN泛洪攻击 发送伪造IP地址建立连接，消耗服务器连接资源 SSL/TLS 明文=裸奔 对称加密：key唯一=明文 非对称：server->client不安全 对称+非对称：中间人攻击 CA签发证书 + 混合加密 应用层 DNS欺骗 冒充域名服务器 DNS劫持 拦截DNS报文，篡改IP地址 HTTPS=HTTP + SSL/TLS Web XSS SQL注入 软件工程 面向对象原则 单一职责 每个类实现的功能应该尽可能单一，不要啥都做。笼统地把功能放在一个类中，就退化成面向过程编程 开闭原则 对扩展开放，对修改关闭 里氏替换 基类是子类的抽象化，基类出现的地方可以用子类的实现替换 依赖倒置 应该依赖于抽象，而不应该依赖实现细节，也就是面向接口编程 接口隔离 接口设计粒度应该细，这样系统才能更灵活 迪米特法则 一个类应该尽可能少的了解另一个类的实现，降低类与类之间的耦合 设计模式 创建型 单例模式 / 原型模式 / 工厂方法 / 抽象工厂 / 建造者模式 结构型 代理模式 JDK的Proxy 适配器模式 SpringMVC的HandlerAdapter 桥接模式 装饰模式 FilterInputStream/FilterOutputStream 外观模式 享元模式 StandardCharsets 行为型 模版方法 ThreadPoolExecutor.beforeExecute/afterExecute LInkedHashMap.removeEldestEntry 策略模式 命令模式 责任链模式 SpringMVC的HandlerInterceptor Servlet的Filter 状态模式 观察者模式 各种Listener响应事件 访问者模式 Files.walkFileTree 中介者模式 迭代器模式 备忘录模式 解释器模式 系统工程 系统设计与架构 https://github.com/donnemartin/system-design-primer SOA与微服务 https://github.com/aphyr/distsys-class https://github.com/mfornos/awesome-microservices https://github.com/binhnguyennus/awesome-scalability 数据库选型 https://github.com/igorbarinov/awesome-data-engineering https://github.com/AlaaAttya/software-architect-roadmap 测试 测试用例管理 集成测试 单元测试 测试自动化 https://github.com/atinfo/awesome-test-automation/blob/master/java-test-automation.md https://github.com/fityanos/Quality-Assurance-Road-Map 运维 docker docker compose 单机容器编排 docker swarm 多机容器编排 k8s 集群容器编排 持续集成(Continuous integration) Jenkins https://github.com/ligurio/awesome-ci 团队管理 敏捷开发 Scrum https://github.com/lorabv/awesome-agile 职业生涯发展规划 https://github.com/orsanawwad/awesome-roadmaps https://github.com/sindresorhus/awesome 数据库 RDB 索引结构 B+树 范围查询性能比较好 hash索引 能精确查询，但不支持范围查询，而且冲突较多时性能不是很好 位图索引 只适合性别，是否活跃状态等只有两种状态的字段 Join原理 NestedLoopJoin 暴力两层循环 block-based NestedLoopJoin 小表放在外层循环，优化IO SortMergeJoin 先把两个表排序，再merge 2 sort list HashJoin MySQL 存储引擎 InnoDB/MyISAM/Memory/CSV/... 数据类型 数值型 bit(1b)/tinyint(1B)/smallint(2B)/mediumint(3B)/int(4B)/bigint(8B) 字符型 char/varchar/tinytext/text/mediumtext/longtext binary/varbinary/tinyblob/blob/mediumblob/longblob 日期型 date/time/datetime/timestamp InnoDB 表空间文件名以.idb为后缀 聚簇索引 主键为聚簇索引，二级索引的叶子节点会存主键值，这样减少了数据行移动或者叶分裂时的二级索引维护工作 使用二级索引查找会进行两次B+树查找，先从二级索引找到主键，再从主键索引找到数据行 优点 聚簇索引将索引和数据行保存在一个B+树中，查询聚簇索引可以直接获取数据，而非聚簇索引需要多次IO，所以聚簇索引比非聚簇索引查找更快 因为聚簇索引是按主键排列的，索引对于主键的范围查找效率很高 二级索引使用覆盖索引可以直接使用叶子节点中的主键值 缺点 插入速度严重依赖插入顺序。按主键自增顺序往InnoDB插入是最快的 聚簇索引插入时，可能导致页分裂。页分裂会导致表占用更多的表空间(不要用UUID这样的随机值做主键，而应该用单调递增的值做主键) 二级索引访问数据需要两次B+树查找，而且二级索引保存了主键列，二级索引可能会占用更多空间(索引选择一个短的主键列是有利的) ACID Atomicity undo log 实现原子性的关键，是当事务回滚时能够撤销所有已经成功执行的sql语句 InnoDB实现回滚，靠的是undo log：当事务对数据库进行修改时，InnoDB会生成对应的undo log；如果事务执行失败或调用了rollback，导致事务需要回滚，便可以利用undo log中的信息将数据回滚到修改之前的样子。 Durability redo log InnoDB作为MySQL的存储引擎，数据是存放在磁盘中的，但如果每次读写数据都需要磁盘IO，效率会很低。为此，InnoDB提供了缓存(Buffer Pool)，Buffer Pool中包含了磁盘中部分数据页的映射，作为访问数据库的缓冲： 当从数据库读取数据时，会首先从Buffer Pool中读取，如果Buffer Pool中没有，则从磁盘读取后放入Buffer Pool；当向数据库写入数据时，会首先写入Buffer Pool，Buffer Pool中修改的数据会定期刷新到磁盘中（这一过程称为刷脏）。 Buffer Pool的使用大大提高了读写数据的效率，但是也带了新的问题：如果MySQL宕机，而此时Buffer Pool中修改的数据还没有刷新到磁盘，就会导致数据的丢失，事务的持久性无法保证。 redo log采用的是WAL（Write-ahead logging，预写式日志），所有修改先写入日志，再更新到Buffer Pool，保证了数据不会因MySQL宕机而丢失，从而满足了持久性要求。 redo log与bin log区别 作用不同 redo log(crash recovery) | bin log(point-in-time recovery/replication) 层次不同 redo log(InnoDB引擎) ｜ bin log(MySQL server) 内容格式不同 redo log(物理数据) | bin log(binlog_format指定是sql还是数据本身或者两者混合) 写入时机不同 redo log(innodb_flush_log_at_trx_commit指定是否在事务提交时刷盘，master线程也会定时刷盘) ｜ bin log(事务提交时写入) Isolation 保证事务执行尽可能不受其他事务影响；InnoDB默认的隔离级别是RR，RR的实现主要基于锁机制（包含next-key lock）、MVCC（包括数据的隐藏列、基于undo log的版本链、ReadView） Read Uncommitted Read Committed 解决了脏读 读取了其他事务还未提交的内容 Repeatable Read 解决了不可重复度 事务重复读取前后不一致，读取到另一个事务提交的修改 InnoDB的RR隔离级别通过Next-Key Lock解决了幻读问题 Serializable 完全串行，并发性差 InnoDB默认RR，MS SqlServer和Oracle默认都是RC Consistency 数据库的完整性约束没有被破坏，事务执行的前后都是合法的数据状态 覆盖索引 查询的所有列都在索引中，不需要回表查询 MySQL5.6索引条件下推(ICP)优化 MVCC DATA_TRX_ID、DATA_ROLL_PTR DATA_ROLL_PTR来串起undo log中的版本链表 在RC级别下，MVCC的快照读解决了不可重复读的问题 锁 https://dev.mysql.com/doc/refman/8.0/en/innodb-locking.html 共享锁(S)： 读锁 普通的select 排他锁(X)： 写锁 update/delete/insert 意向共享锁(IS)： SELECT ... FOR SHARE 意向独占锁(IX)： SELECT ... FOR UPDATE 意向锁是表锁，用于指明事务稍后要对表中的行进行哪些(S | X)锁定 在事务申请S锁之前,它必须先在表上申请IS锁或更强的锁 在事务申请X锁之前, 它必须在表上申请IX锁 InnoDB支持行级锁，所以意向锁不会阻塞除了全表扫描以外的任何请求 表锁 https://dev.mysql.com/doc/refman/8.0/en/lock-tables.html 行锁 Record Lock Gap Lock Next-Key Lock 解决幻读的问题 解决死锁的方法 timeout FIFO，会导致权重大的事务被回滚了，更新了很多行 wait-for graph 乐观锁 通过版本号比较并交换 MyISAM 索引文件为.myi，数据文件为.myd MyISAM的主键索引和二级索引一样，叶子节点存储的是数据行在.myd文件中的偏移量 PostgreSQL NoSQL Redis 特点 单线程，使用IO多路复用处理请求，因为数据都在内存中，所以速度比较快 5种数据类型 string <=512M 原子性自增自减(incr | incrby) Spring Data Redis种的RedisAtomicXxx 支持bit操作(getbit | setbit) 实现BloomFilter 分布式锁 SET resource_name my_random_value NX PX 30000 https://redis.io/topics/distlock list quicklist = linkedlist(双向链表)+ziplist(数组) 结合了链表和数组的优点 应用场景 分布式阻塞队列 lpush | rpush | blpop | brpop 双端队列 lpush | lpop | rpush | rpop | lset | lrem | ltrim | lrange | lindex | llen hash set sort-set 跳跃链表 根据key对应的score排序 可以实现阻塞的优先级队列 bzpopmax ｜ bzpopmin 持久化 RDB(默认) fork子进程定时将数据快照保存到dump.rdb文件中 save/bgsave命令可以保存快照，前者同步，后者fork子进程 优点 数据紧凑，适合数据备份 AOF 记录服务接收的每一个写操作追加到日志文件中，启动时再次执行一遍恢复原始数据 过期淘汰策略 惰性删除 问题是有些可能永远不会访问 定期采样删除 每100ms随机测试20个key，删除已过期的。如果采样中超过1/4已过期，再执行一次 坑 keys查找key，在大数据量下会阻塞，要该用scan MongoDB 基于B树存储 WiredTiger存储引擎基于LSM-Tree结构 HBase 基于LSM-Tree结构 ElasticSearch Lucene 基于LSM-Tree结构，分段存储，后台线程按照一定的策略Merge分段 Merge策略 LogMergePolicy(指数分级策略) LogDocMergePolicy(以分段文档数为指标) LogByteSizeMergePolicy(以分段字节数为指标) 全文索引 词典(.tim | .tip) FST 前后缀都压缩的有穷状态级 倒排表(.doc|.pos|.pay) SkipList 使用跳跃链表优化“与”查询 PointValue(.dim|.dii) BKD-Tree 索引数值类型字段，且支持多维数据类型 Lucene6.0之前，数值类型都转换成字符串类型进行全文索引 StoredFields(.fdt|.fdx) 以压缩格式存储实际的 文档字段值 DocValues(.dvm|.dvd) 字段的列式存储 便于文档排序和聚合统计 ES严重依赖于操作系统的文件缓存技术，所以给ES的Java进程分配的堆大小不能太大，给操作系统预留内存来缓存文件内容，1:1 bulk大数据量到ES时，将refresh间隔设为-1关闭 NewSQL TiDB 分布式 理论 CAP理论 https://zhuanlan.zhihu.com/p/33999708 舍弃分区容错性，保证一致性和高可用 传统单机SQL数据库，或单机房同步 舍弃一致性，保证高可用和分区容错性 NoSQL 最终一致性 舍弃可用性，保证强一致性和分区容错 传统分布式事务，数据同步时间无限延迟 银行等交易型业务必须保证强一致性 BASE理论 Basically Available 一致性hash 2PC 3PC Paxos Raft MQ 作用 削峰填谷，异步解耦 ActiveMQ 基于数据库的队列表实现 堆积能力一般 Kafka 基于磁盘文件高性能顺序读写的特性来设计的存储结构 利用操作系统的 PageCache 来缓存数据，减少 IO 并提升读性能 使用批量处理的方式来提升系统吞吐能力 pull 在 push-based 的系统中，当消费速率低于生产速率时，consumer 往往会不堪重负 它可以大批量生产要发送给 consumer 的数据 push-based 系统必须选择立即发送请求或者积累更多的数据，然后在不知道下游的 consumer 能否立即处理它的情况下发送这些数据 RocketMQ 优化Kafka多个topic的性能问题，topic多意味着随机写越多 所有的topic共用同一个Log，topic队列只存储每个消息在Log文件的偏移量 事务性消息 实现TransactionListener接口 接口中executeLocalTransaction执行本地事务 接口中checkLocalTransaction提供RocketMQ回查状态 重发 异常或超时，返回重发状态 重复消费问题 保证消费端的幂等性 网关 Zuul RPC Dubbo 一个服务可能有多个实例，你在调用时，要如何获取这些实例的地址呢 注册中心 选哪个调用好呢？ 负载均衡 客户端负载均衡 避免每次调用都访问注册中心，注册中心宕机也能保证服务通信 缓存容灾 接口修改，不可能让多个调用方一次性改掉，要保证老接口还能用 版本控制 注册中心/服务发现 Zookeeper ｜ Eureka｜ Consul ｜Etcd 配置中心 Nacos ｜ Spring Cloud Config 作用 配置区分环境(开发｜测试｜生产) 静态配置动态化 避免配置过于分散 高并发 缓存 BloomFilter避免缓存击穿 限流 保证自己的服务不超过一定的负载，超过则拒绝 熔断 降级 事务 Seata 链路追踪 Jaeger | Zipkin 调度 SchedulerX 监控
HTTP Status 400 – Bad Request HTTP Status 400 – Bad Request Type Exception Report
Message Request header is too large
Description The server cannot or will not process the request due to something that is perceived to be a client error (e.g., malformed request syntax, invalid request message framing, or deceptive request routing).
Exception
java.lang.IllegalArgumentException: Request header is too large
org.apache.coyote.http11.Http11InputBuffer.fill(Http11InputBuffer.java:778)
org.apache.coyote.http11.Http11InputBuffer.parseRequestLine(Http11InputBuffer.java:442)
org.apache.coyote.http11.Http11Processor.service(Http11Processor.java:257)
org.apache.coyote.AbstractProcessorLight.process(AbstractProcessorLight.java:63)
org.apache.coyote.AbstractProtocol$ConnectionHandler.process(AbstractProtocol.java:904)
org.apache.tomcat.util.net.NioEndpoint$SocketProcessor.doRun(NioEndpoint.java:1741)
org.apache.tomcat.util.net.SocketProcessorBase.run(SocketProcessorBase.java:52)
org.apache.tomcat.util.threads.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1190)
org.apache.tomcat.util.threads.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:659)
org.apache.tomcat.util.threads.TaskThread$WrappingRunnable.run(TaskThread.java:63)
java.base/java.lang.Thread.run(Thread.java:829)
Note The full stack trace of the root cause is available in the server logs.
Apache Tomcat/10.1.28 特性 G1 GC ZGC Shenandoah GC 引入版本 JDK 7（实验），JDK 9+ 默认 JDK 11（实验），JDK 17+ 稳定 JDK 12+ 目标 平衡吞吐与延迟 极低停顿，几乎不随堆增大 极低停顿，减少压缩停顿 暂停时间 10ms~200ms（取决于堆和负载） <10ms（通常） 10ms~50ms（取决于堆大小） 堆大小支持 中大型（几十 GB） 多 TB 中大型（几十 GB） 内存回收策略 分代 + 区域划分（Region） 并发 + 分段压缩（Colored Pointers） 并发标记压缩（Concurrent Relocation） 停顿控制 可设目标停顿时间（Pause Time Goal） 自动控制，几乎不受堆大小影响 可配置停顿时间，实时压缩 并发特性 并发标记阶段 大部分并发，标记/重定位几乎无停顿 大部分并发，压缩并发执行 调优难度 中等，常用调优参数：-XX:MaxGCPauseMillis 低，需要的调优参数少 中等，需要关注压缩策略 吞吐影响 中等，适合大多数应用 极小，低延迟优先 中等，稍微影响吞吐 适用场景 延迟敏感不极端，大多数企业应用 高并发、低延迟、超大堆（TB级） 延迟敏感、堆大、企业服务或中大型 JVM 服务 默认启用 JDK 9+ 默认 不默认，需要 -XX:+UseZGC 不默认，需要 -XX:+UseShenandoahGC
JDK 9 起：官方标记 CMS 已废弃（deprecated） JDK 14+：正式移除 CMS
官方推荐：对大多数场景 → G1 GC； 对低延迟 / 大堆 → ZGC 或 Shenandoah
