反向代理的作用是什么？
是位于客户端和服务端之间一个代理模型，接受客户端的请求，将其转发到后端服务中，然后将后端响应传回客户端。
-
负载均衡：减少单个服务器之间的压力，将流量重定向到多个服务器中常见的负载均衡算法有：轮询法（按照请求时间一个一个来），权重轮询（会进行访问数的统计），IP哈希（根据请求者的ip的hash值进行请求分发），url哈希
-
缓存数据：反向代理可以缓存经常请求的数据，减少对后端服务器的访问次数，提高系统的性能。
-
通过反向代理，管理员可以监控和管理后端服务器的状态，包括健康检查、服务降级等，确保系统的稳定性和可靠性。
ID生成策略
主键自增id
主键自动增长，不用手工设值、数字型，占用空间小、检索非常有利、有顺序，不会重复，但在迁移旧数据是会出现id冲突
UUID
基于时间，计数器和地址生成32位的id
redis生成id
原子性自增，并发性能高，id格式可以自定义
雪花算法
64位long型的id，按时间递增
UidGenerator
基于Snowflake算法的唯一ID生成器，适用于高并发
美团leaf算法
全局唯一，绝对不会出现重复的ID，且ID整体趋势递增
上下文切换与密集型任务计算
当前任务在执行完CPU时间片后切换到另一个任务之前会保存自己的状态，以便于下一次切换回来可以继续加载该任务，任务从保存到再加载的过程就是一次上下文切换
CPU密集型任务（N+1）
这种任务主要消耗的时CPU的资源，我们可以将线程数设置为核心数+1，多出来的一个是为了防止线程偶发的缺页中断，或者其他任务导致的任务暂停
IO密集型任务（2N）
系统会用大部分的时间来处理 I/O 交互，而线程在处理 I/O 的时间段内不会占用 CPU 来处理，这时就可以将 CPU 交出给其它线程使用。因此在 I/O 密集型任务的应用中，我们可以多配置一些线程，具体的计算方法是 2N。
如何判断
CPU密集型简单来说就是利用CPU的计算能力来完成任务例如在内存中进行排序，但凡涉及到网络读取，文件读取这类都是 IO 密集型，这类任务的特点是 CPU 计算耗费时间相比于等待 IO 操作完成的时间来说很少，大部分时间都花在了等待 IO 操作完成上。
设计一个接口的原则
-
单一职责原则：每个接口只负责一个功能的实现，避免将不相关的功能混合
-
接口隔离原则：设计多个接口而不是共同依赖同一个接口，减少客户端与接口的耦合
-
依赖导致原则：要依赖于抽象，而不是依赖于具体，应该面向抽象层，而不是具体的实现。这有助于降低耦合度，提高系统的可维护性和可扩展性。
-
简单性：只包含必要的方法
-
向上兼容性：，接口应保持向前兼容性，即新版本的接口应兼容旧版本的接口，以便在不中断现有客户端的情况下进行升级。
-
可拓展性：在之后添加新功能时，不应破坏现有接口
-
安全性：进行必要的安全认证和加密
一致性哈希
场景：我们希望将三万张图片均匀的分布在三台服务器上，此时我们可以对N进行取模运算，也就是三万%3得到的结果为0,1,2，但当我们的请求增多后，我们想要新设立一个服务器，此时服务器的数量为4个，因此除数变为4,此时我们的缓存在一定时间内是失效的，这是普通hash算法的一个缺陷。
一致性哈希介绍
-
将哈希值空间按照顺时针形成一个环结构，由2^32次方个点组成，称为哈希环
-
此时进行哈希运算，确定每个服务器IP在环中的位置，用IP对2^32取模运算
-
顺时针寻找到的第一个结点位置就是服务器位置
优点：
解决了普通哈希算法的缓存雪崩问题
就算设置了新的节点，也只会造成少部分的数据失效
缺点：
哈希偏斜：三台服务器的位置离的很近，还是会造成缓存雪崩的问题。
解决方案：采用虚拟节点映射，对每个节点计算多个哈希值，一个物理结点对应多个虚拟节点，虚拟节点越多，哈希环上的结点就越多，缓存均匀分布的概率就会越大，可以通过IP地址+编号的方式实现虚拟节点
