职场腹黑系列|公司招人来顶替你了，咋办？

职场永远都是看似风平浪静，春风和煦，领导频繁表扬你，同事都更加殷勤，可是，千万不要被这些人间仙境迷惑，可能不是什么仙境，而是雾霾来袭了。如果突然遇到这种情况，那么要警惕，是不是你的职场遇到了什么问题，比如有种东西叫做瓶颈。而领导准备怎样应对你的瓶颈，是另辟天地，还是另请高明。这个时期，心明眼亮点吧，不然你可能会被边缘了而不自知。

职场瓶颈，相信很多人都遭遇过，就跟女人的生理期一样，没人能始终高歌猛进，江郎不是也会才尽吗？这时候，真是考验管理者的时刻。好的管理者，会思考一下个人的瓶颈期，是个人原因，还是公司原因。如果是个人问题，如何能帮他打碎壁垒，再造辉煌，如果是公司原因阻碍了个人职业发展，那么，公司是不是有必要战略转型了。可是，别做梦了，快醒醒，给你讲个奇葩领导的故事。

奇葩这个物种，我觉得好像，总喜欢成对出现。真是无巧不成双，咳咳，好像哪里不对？

几年前，我在一家在北京很知名的培训机构做市场营销工作，这是我职业生涯的第一次转型。也是人生的一个低谷时期。不过我很快就适应了这份工作，而且应该说还是有些成就的。因为，一年后，就不断有其他培训机构的人来挖我，包括新东方这样的机构。可是，我很快遭遇了瓶颈期，怎么都没动力，业绩也是半死不活，市场总监来跟我谈，我当时很真诚地说，领导，我已经尽力了。然后我们的谈话就在愉快地氛围中结束了。

其实，我心里门儿清，为啥我没动力，因为钱没给到位啊。我来应聘的时候，谈好了卖身契，基本工资就是个虚数，主要跟业绩挂钩，定了指标，双方签字画押。结果，三个月后她发现我拿的提成远远超过了其他人，这时候她是不是应该偷着乐呢，花了很少的钱请了个能干活的主儿？我拿的工资越高，说明给公司带来的收益越高啊。并没有，这时候这位总监大人跟所谓董事会一商量，三个月试用期一结束，基本工资涨了一些，同时把指标额度提升了50%！我当时很不爽啊，可是我忍了。你知道这位总监大人给我的理由是啥嘛？因为你刚入行，我怕你有压力，所以试用期就降低了要求。妈蛋，明明当时谈的是年度目标好伐？这之后就是，一年内指标额度一共提了四次。三个月一次，跟大姨妈一样准呢。而我和我的团队依旧拿着越来越高的工资。在她第五次把我的业绩指标额度提高后，我有点怒了，瓶颈期开始了，我连续三个月都是只完成刚刚好够指标，之后总监大人就找我谈话了。

那次谈话之后，总监大人对我始终和颜悦色，我也始终笑脸相迎，大家在从未有过的和谐气氛中剑拔弩张。她开始频繁安排面试，而我，也开始和其他机构的人资接触。当然我的接触是悄悄进行的，而她的面试却是藏不住的。

没几天，公司来了一个高大帅气的男生，跟我岗位相同。然后在第一次市场部会议时候，就忍不住一顿夸赞，觉得这个男生提的很多思路特别有前瞻性，有创造性，有独特性，blablabla，说得我们几个经理尴尬症都快翻了，我心想这位总监大人是被灌了什么迷魂汤了，思路是很好啊，唯一的缺点是，没有可行性。而且我不知道为什么第一眼就觉得这男生虽然英俊，但是眉眼之间透着一种让人很不舒服的轻浮劲儿。

更让我尴尬的是，总监大人安排他先跟着我们组。还说，让我多配合他，我呸，论资历，我也是老人，来个新人摆明了要顶替我，来了就让我配合，你直接让我走人也算是给我留些面子好伐，不过我太清楚她的心思，以我的个性绝不会甘为人下认怂让位的，一定会主动辞职，这样他就省了一大笔赔偿金。女人心，果然歹毒的嘞。我手底下的小朋友们那也是脑子灵光，惯会见风使舵，再加上确实颜值不错，的确给女生泛滥的公司带来了一些别样风光。姑娘们站队站得特别快。

我那时，其实已经跟另一家机构谈好了，那边几乎一天一个电话追着我快点去报道，因为寒假招生旺季马上到了。可是我就很想看看新来的这位到底是何方神圣。我跟这小伙子单独开过一次小会，这一次会后，我确认了一点，就是，总监大人一定是找了个假的经理，另外还印证了我之前的感觉，这小伙子不只是轻浮，还是人品问题。他居然有意无意碰我的手，还打听我是否单身，并在第一个周末就给我打电话约我出去吃饭。约你妹啊，难道我那时候长了一张缺爱的脸吗？

然后我找人资的小姑娘要了这个人的简历，以人资的名义给这人此前就职的公司打了个电话，做了个背景调查。然后，发现这家伙果然满嘴谎话，两家公司工作时间都没超过一年，而且都是因为业绩太烂没辞退了。确认了这一点，我就放心地提交了辞职报告。

总监假意挽留，实则顺水推舟，还问我以后什么打算？我说要游山玩水休息一番。其实第二天就去新公司报到了。

一个月后，这位总监大人突然给我打电话，我心想，恩，一个月才发现新招的小伙子不行，还不算太迟钝。果然，东扯西扯扯到要请我去清华园里看话剧，拜托，我跟你共事一年多，你都没单独请我吃过一餐饭，现在倒好到要请我看话剧了？好呀，好久没见你了，也怪想念的，我满口答应。

话剧看完了，饭也吃完了，该说的话终究还是得说。

“那个谁谁？你还记得不？”当然记得啊，你踅摸来顶替我的人选。

”有印象，长得挺帅的。“我一脸笑意。

“那人已经被我辞退了。”

“啊？为什么啊？不是挺好的吗？”当初他粉墨登场时候您可也是卖力吹捧过得啊。

“那人不行，能力太差。”

“哦，那太可惜了，白瞎那张脸了。”

“M,你也休息这么长时间，回来上班吧？”

“哦。不好意思啊，这周一刚刚入职了呢。”

”是吗？哪家公司？“

当我说出公司名字时，看着前总监大人诧异得有点扭曲的脸，一种愉悦感忽然涌上心头。她一定很后悔，当初没跟我签过竞业限制协议，不过，以她的智商，可能压根就不知道这是个啥东西。

这位前总监大人至今居然还始终关注着我的微信，时不时给我点个赞鼓个掌，有天还曾经留言，如果在新公司做得不开心，随时欢迎你回来。拜你所赐，我已经学会了把所有的条件都谈清楚白纸黑字，这样的工作，即便辛苦，也不会不开心。

篇幅所限本文只写了MySQL25题，像其他的Redis，SSM框架，算法，计网等技术栈的面试题后面会持续更新，个人整理的1000余道面试八股文会放在文末给大家白嫖，最近有面试需要刷题的同学可以直接翻到文末领取。

如果表使用自增主键，那么每次插入新的记录，记录就会顺序添加到当前索引节点的后续位置，当一页写满，就会自动开辟一个新的页。如果使用非自增主键（如果身份证号或学号等），由于每次插入主键的值近似于随机，因此每次新纪录都要被插到现有索引页得中间某个位置， 频繁的移动、分页操作造成了大量的碎片，得到了不够紧凑的索引结构，后续不得不通过OPTIMIZE TABLE（optimize table）来重建表并优化填充页面。

Server层按顺序执行sql的步骤为：

简单概括：

可以分为服务层和存储引擎层两部分，其中：

服务层包括连接器、查询缓存、分析器、优化器、执行器等 ，涵盖MySQL的大多数核心服务功能，以及所有的内置函数（如日期、时间、数学和加密函数等），所有跨存储引擎的功能都在这一层实现，比如存储过程、触发器、视图等。

存储引擎层负责数据的存储和提取 。其架构模式是插件式的，支持InnoDB、MyISAM、Memory等多个存储引擎。现在最常用的存储引擎是InnoDB，它从MySQL 555版本开始成为了默认的存储引擎。

Drop、Delete、Truncate都表示删除，但是三者有一些差别：

Delete 用来删除表的全部或者一部分数据行，执行Delete之后，用户需要提交(commmit)或者回滚(rollback)来执行删除或者撤销删除，会触发这个表上所有的delete触发器。

Truncate 删除表中的所有数据，这个操作不能回滚，也不会触发这个表上的触发器，TRUNCATE比Delete更快，占用的空间更小。

Drop 命令从数据库中删除表，所有的数据行，索引和权限也会被删除，所有的DML触发器也不会被触发，这个命令也不能回滚。

因此，在不再需要一张表的时候，用Drop；在想删除部分数据行时候，用Delete；在保留表而删除所有数据的时候用Truncate。

隔离级别脏读不可重复读幻影读 READ-UNCOMMITTED 未提交读 READ-COMMITTED 提交读 REPEATABLE-READ 重复读 SERIALIZABLE 可串行化读

MySQL InnoDB 存储引擎的默认支持的隔离级别是 REPEATABLE-READ （可重读）

这里需要注意的是 ：与 SQL 标准不同的地方在于InnoDB 存储引擎在 REPEATABLE-READ（可重读）事务隔离级别 下使用的是 Next-Key Lock 锁 算法，因此可以避免幻读的产生，这与其他数据库系统(如 SQL Server)是不同的。所以 说InnoDB 存储引擎的默认支持的隔离级别是 REPEATABLE-READ（可重读） 已经可以完全保证事务的隔离性要 求，即达到了 SQL标准的SERIALIZABLE(可串行化)隔离级别。

因为隔离级别越低，事务请求的锁越少，所以大部分数据库系统的隔离级别都是READ-COMMITTED(读取提交内 容):，但是你要知道的是InnoDB 存储引擎默认使用 REPEATABLE-READ（可重读）并不会有任何性能损失 。

InnoDB 存储引擎在分布式事务 的情况下一般会用到SERIALIZABLE(可串行化)隔离级别。

主要原因：B+树只要遍历叶子节点就可以实现整棵树的遍历，而且在数据库中基于范围的查询是非常频繁的，而B树只能中序遍历所有节点，效率太低。

文件与数据库都是需要较大的存储，也就是说，它们都不可能全部存储在内存中，故需要存储到磁盘上。而所谓索引，则为了数据的快速定位与查找，那么索引的结构组织要尽量减少查找过程中磁盘I/O的存取次数，因此B+树相比B树更为合适。数据库系统巧妙利用了局部性原理与磁盘预读原理，将一个节点的大小设为等于一个页，这样每个节点只需要一次I/O就可以完全载入，而红黑树这种结构，高度明显要深的多，并且由于逻辑上很近的节点(父子)物理上可能很远，无法利用局部性。

最重要的是，B+树还有一个最大的好处：方便扫库。

B树必须用中序遍历的方法按序扫库，而B+树直接从叶子结点挨个扫一遍就完了，B+树支持range-query非常方便，而B树不支持，这是数据库选用B+树的最主要原因。

B+树查找效率更加稳定，B树有可能在中间节点找到数据，稳定性不够。

B+tree的磁盘读写代价更低：B+tree的内部结点并没有指向关键字具体信息的指针(红色部分)，因此其内部结点相对B 树更小。如果把所有同一内部结点的关键字存放在同一块盘中，那么盘块所能容纳的关键字数量也越多。一次性读入内存中的需要查找的关键字也就越多，相对来说IO读写次数也就降低了；

B+tree的查询效率更加稳定：由于内部结点并不是最终指向文件内容的结点，而只是叶子结点中关键字的索引，所以，任何关键字的查找必须走一条从根结点到叶子结点的路。所有关键字查询的路径长度相同，导致每一个数据的查询效率相当；

视图是一种虚拟的表，通常是有一个表或者多个表的行或列的子集，具有和物理表相同的功能 游标是对查询出来的结果集作为一个单元来有效的处理。一般不使用游标，但是需要逐条处理数据的时候，游标显得十分重要。

而在 MySQL 中，恢复机制是通过回滚日志（undo log）实现的，所有事务进行的修改都会先记录到这个回滚日志中，然后在对数据库中的对应行进行写入。当事务已经被提交之后，就无法再次回滚了。

回滚日志作用：1)能够在发生错误或者用户执行 ROLLBACK 时提供回滚相关的信息 2) 在整个系统发生崩溃、数据库进程直接被杀死后，当用户再次启动数据库进程时，还能够立刻通过查询回滚日志将之前未完成的事务进行回滚，这也就需要回滚日志必须先于数据持久化到磁盘上，是我们需要先写日志后写数据库的主要原因。

InnoDB

MyISAM

总结

数据库并发会带来脏读、幻读、丢弃更改、不可重复读这四个常见问题，其中：

脏读 ：在第一个修改事务和读取事务进行的时候，读取事务读到的数据为100，这是修改之后的数据，但是之后该事务满足一致性等特性而做了回滚操作，那么读取事务得到的结果就是脏数据了。

幻读 ：一般是T1在某个范围内进行修改操作（增加或者删除），而T2读取该范围导致读到的数据是修改之间的了，强调范围。

丢弃修改 ：两个写事务T1 T2同时对A=0进行递增操作，结果T2覆盖T1，导致最终结果是1 而不是2，事务被覆盖

不可重复读 ：T2 读取一个数据，然后T1 对该数据做了修改。如果 T2 再次读取这个数据，此时读取的结果和第一次读取的结果不同。

第一个事务首先读取var变量为50，接着准备更新为100的时，并未提交，第二个事务已经读取var为100，此时第一个事务做了回滚。最终第二个事务读取的var和数据库的var不一样。

T1 读取某个范围的数据，T2 在这个范围内插入新的数据，T1 再次读取这个范围的数据，此时读取的结果和和第一次读取的结果不同。

T1 和 T2 两个事务都对一个数据进行修改，T1 先修改，T2 随后修改，T2 的修改覆盖了 T1 的修改。例如：事务1读取某表中的数据A=50，事务2也读取A=50，事务1修改A=A+50，事务2也修改A=A+50，最终结果A=100，事务1的修改被丢失。

T2 读取一个数据，T1 对该数据做了修改。如果 T2 再次读取这个数据，此时读取的结果和第一次读取的结果不同。

悲观锁，先获取锁，再进行业务操作，一般就是利用类似 SELECT … FOR UPDATE 这样的语句，对数据加锁，避免其他事务意外修改数据。当数据库执行SELECT … FOR UPDATE时会获取被select中的数据行的行锁，select for update获取的行锁会在当前事务结束时自动释放，因此必须在事务中使用。

乐观锁，先进行业务操作，只在最后实际更新数据时进行检查数据是否被更新过。Java 并发包中的 AtomicFieldUpdater 类似，也是利用 CAS 机制，并不会对数据加锁，而是通过对比数据的时间戳或者版本号，来实现乐观锁需要的版本判断。

分库与分表的目的在于，减小数据库的单库单表负担，提高查询性能，缩短查询时间。

通过分表 ，可以减少数据库的单表负担，将压力分散到不同的表上，同时因为不同的表上的数据量少了，起到提高查询性能，缩短查询时间的作用，此外，可以很大的缓解表锁的问题。分表策略可以归纳为垂直拆分和水平拆分:

水平分表 ：取模分表就属于随机分表，而时间维度分表则属于连续分表。如何设计好垂直拆分，我的建议：将不常用的字段单独拆分到另外一张扩展表 将大文本的字段单独拆分到另外一张扩展表, 将不经常修改的字段放在同一张表中，将经常改变的字段放在另一张表中。对于海量用户场景，可以考虑取模分表，数据相对比较均匀，不容易出现热点和并发访问的瓶颈。

库内分表 ，仅仅是解决了单表数据过大的问题，但并没有把单表的数据分散到不同的物理机上，因此并不能减轻 MySQL 服务器的压力，仍然存在同一个物理机上的资源竞争和瓶颈，包括 CPU、内存、磁盘 IO、网络带宽等。

分库与分表带来的分布式困境与应对之策 数据迁移与扩容问题----一般做法是通过程序先读出数据，然后按照指定的分表策略再将数据写入到各个分表中。分页与排序问题----需要在不同的分表中将数据进行排序并返回，并将不同分表返回的结果集进行汇总和再次排序，最后再返回给用户。

不可重复读的重点是修改，幻读的重点在于新增或者删除。

视图是虚拟的表，与包含数据的表不一样，视图只包含使用时动态检索数据的查询；不包含任何列或数据。使用视图可以简化复杂的 sql 操作，隐藏具体的细节，保护数据；视图创建后，可以使用与表相同的方式利用它们。

视图不能被索引，也不能有关联的触发器或默认值，如果视图本身内有order by 则对视图再次order by将被覆盖。

创建视图：create view xxx as xxxx

对于某些视图比如未使用联结子查询分组聚集函数Distinct Union等，是可以对其更新的，对视图的更新将对基表进行更新；但是视图主要用于简化检索，保护数据，并不用于更新，而且大部分视图都不可以更新。

B+tree的磁盘读写代价更低，B+tree的查询效率更加稳定 数据库索引采用B+树而不是B树的主要原因：B+树只要遍历叶子节点就可以实现整棵树的遍历，而且在数据库中基于范围的查询是非常频繁的，而B树只能中序遍历所有节点，效率太低。

B+树的特点

在最频繁使用的、用以缩小查询范围的字段,需要排序的字段上建立索引。不宜：1）对于查询中很少涉及的列或者重复值比较多的列 2）对于一些特殊的数据类型，不宜建立索引，比如文本字段（text）等。

如果一个索引包含（或者说覆盖）所有需要查询的字段的值，我们就称 之为“覆盖索引”。

我们知道在InnoDB存储引 擎中，如果不是主键索引，叶子节点存储的是主键+列值。最终还是要“回表”，也就是要通过主键再查找一次,这样就 会比较慢。覆盖索引就是把要查询出的列和索引是对应的，不做回表操作！

举例 ：

学号姓名性别年龄系别专业 20020612李辉男20计算机软件开发 20060613张明男18计算机软件开发 20060614王小玉女19物理力学 20060615李淑华女17生物动物学 20060616赵静男21化学食品化学 20060617赵静女20生物植物学

主键为候选键的子集，候选键为超键的子集，而外键的确定是相对于主键的。

目前称得上自媒体的平台很多，有像今日头条这样的根据用户推荐的APP，也有像腾讯这样的聚合分发到多端的综合性平台。还有像专注于一个领域比如科技或美食的平台也可以投稿。还有像爱奇艺，优酷这样的视频自媒体平台。

自媒体作品的表现形式有文章、图集（摄影）、视频、问答、小测试、小程序等。其中视频和文章是最常见的形式。

自媒体内容分类的话也是比较多的，常见的分类就是新闻、美食、军事、娱乐、搞笑、科技、数码、体育、财经、汽车、游戏、旅游等。合适个人或小团队做的比较冷门领域的领域有军事、体育、旅游、科技。新闻一般都是媒体机构承包了，财经一般要大牌的人写的东西才有人看。

大体上可以这样分：泛娱乐（包括搞笑、时尚、美女、娱乐新闻、）、泛资讯（包括社会资讯、时事评论以及各种新闻）、科技（包括数码、互联网、通信、软件、人工智能等）、旅游类（包括美食、旅游）财经、军事等内容。

有的平台还要细分成各种细分领域。比如科技就可以分成各个很多门类。包括科普、探索、软件、互联网、物联网、通信、数码、软件等。

下面给大家说说几个大平台的分类

百度百家号：财经版、文化版、娱乐版、体育版

今日头条:社会、娱乐、科技、财经、搞笑、汽车、历史、美食、军事、时尚、旅游、探索、养生、育儿、故事、美文、国际、游戏、探索等。

一点资讯就比较多了，它分得很细。比较不同其他平台的分类有：星座命理、教育、人文、科学探索、家居、商业职场等。

UC头条的分类大体是一样的，但是你注册UC号的时候选择什么领域，发布文章的时候就无法更改分类了。

如果面试时被问到spark任务如何调优，我们该如何回答呢？

下面我们从四大方面回答这个问题，保证吊打面试官。

一、spark性能调优

1、分配更多的资源

比如增加执行器个数（num_executor）、增加执行器个数（executor_cores）、增加执行器内存（executor_memory）

2、调节并行度

sparkdefaultparallelism

3、重构RDD架构以及RDD持久化

尽量去复用RDD，差不多的RDD可以抽取成一个共同的RDD，公共RDD一定要实现持久化

4、广播变量

SparkContextbroadcast方法创建一个对象，通过value方法访问

5、使用kryo序列化

SparkConf中设置属性：sparkserializer: orgapachesparkserializerkryoSerializer

6、使用fastutil优化数据格式（代替java中的Array、List、Set、Map）

7、调节数据本地化等待时长

调节参数: sparklocalitywait

二、JVM调优

降低cache操作的内存占比 16版本之前使用的是静态内存管理

spark中堆内存被划分为两块：

一块是专门来给RDD作cachepersist持久化的 StorageMemory，另一块是给spark算子函数运行使用的，存放函数中自己创建的对象。

16版本之后采用统一内存管理机制

storage和execution各占50%，若己方不足对方空余可占用对方空间

可尝试调节executor堆外内存

sparkyarnexecutormemoryOverhead = 2048m

调节连接等待时长

sparkcoreconnectionackwaittimeout = 300

三、shuffle数据倾斜调优

1、预聚合源数据，对hive源表提前进行聚合操作，在hive聚合之后，spark任务再去读取

2、检查倾斜的key是否是脏数据，可以提前过滤

3、提高shuffle操作reduce的并行度

4、使用随机key实现双重聚合

5、将reduce端 join转换成map端 join

6、sample采样倾斜key，单独进行join后在union

7、使用随机数以及扩容表进行join

四、算子调优

1、使用mapPartition提升map类操作的性能

2、filter过后使用coalesce减少分区数量

3、使用foreachPartition优化写数据性能

4、使用repartition解决sparkSql低并行度的性能问题

5、reduceByKey替换groupByKey实现map读预聚合

资源链接：https://panbaiducom/s/18-dybd4r6Uqi_N4T6sHjAgpwd=vgvb    

9个表面上毫不相关的陌生人被绑架到一间房子里。一个神父，一个警察，一个舞蹈演员，还有作曲家和他的妻子，一个时装设计师，一个网球明星，一个犯人，还有一个黑人。无奈之下展开了一场相互残杀的赌命游戏：9个人被抓到了一间封闭而没有出口的屋子里，并被告知：愿与不愿都要互相展开一场人性游戏大战。唯一活着的人，就能走出这间屋子，并能获得500万美金的奖励，但也意味着要杀死其他的8个人，于是在绝望和希望并存中开始了一系列人性的大暴露。在金钱与利益面前，人，总是把持不住。