1.面试官：从源码分析一下TreeSet（基于jdk1.8）
2.LiveData 面试题库、面试面试码解答、源码源码分析
3.面试中的总结网红Vue源码解析之虚拟DOM,你知多少呢?深入解读diff算法_百度...
4.vue的diff算法 VUE源码解析 面试者角度回答
5.实习面试总结 -> fork与🔒

面试官：从源码分析一下TreeSet（基于jdk1.8）

       面试官可能会询问关于TreeSet（基于JDK1.8）的源码分析，实际上，问源TreeSet与HashSet类似，面试面试码都利用了TreeMap底层的源码哈希nginx源码红黑树结构。主要特性包括：

       1. TreeSet是总结基于TreeMap的NavigableSet实现，元素存储在TreeMap的问源key中，value为一个常量对象。面试面试码

       2. 不是源码直接基于TreeMap，而是总结NavigableMap，因为TreeMap本身就实现了这个接口。问源

       3. 对于内存节省的面试面试码疑问，TreeSet在add方法中使用PRESENT对象避免了将null作为value可能导致的源码逻辑冲突。添加重复元素时，总结PRESENT确保了插入状态的区分。

       4. 构造函数提供了多样化的选项，允许自定义比较器和排序器，基本继承自HashSet的特性。

       5. 除了基本的增删操作，TreeSet还提供了如返回子集、头部尾部元素、区间查找等方法。

       总结来说，TreeSet在排序上优于HashSet，但插入和查找操作由于树的结构会更复杂，不适用于对速度有极高要求的套路充值应用源码场景。如果不需要排序，HashSet是更好的选择。

       感谢您的关注，关于TreeSet的源码解析就介绍到这里。

LiveData 面试题库、解答、源码分析

       LivaData 的面试题库与解答、源码分析

        作者：唐子玄

       1. LiveData 如何感知生命周期的变化？

       LiveData 在常规的观察者模式上附加了条件，若生命周期未达标，即使数据发生变化也不通知观察者。这通过 Lifecycle 实现，Lifecycle 是生命周期对应的类，提供了添加/移除生命周期观察者的方法，并定义了全部生命周期的状态及对应事件。要观察生命周期，需要实现 LifecycleEventObserver 接口，并注册给 Lifecycle。除了生命周期观察者外，还有数据观察者，数据观察者会与 LifecycleOwner 进行绑定。

       2. LiveData 是如何避免内存泄漏的？

       内存泄漏是因为长生命周期的对象持有了短生命周期对象。在观察 LiveData 数据的代码中，Observer 作为界面的匿名内部类，它会持有界面的引用，同时 Observer 被 LiveData 持有，LivData 被 ViewModel 持有，阶梯 移动 模型 源码而 ViewModel 的生命周期比 Activity 长。最终的持有链导致内存泄漏。LiveData 帮助避免内存泄漏，在内部 Observer 会被包装成 LifecycleBoundObserver，这实现了生命周期感知能力，同时它还持有了数据观察者，具备了数据观察能力。

       3. LiveData 是粘性的吗？若是，它是怎么做到的？

       是的，LiveData 是粘性的。数据是持久的，意味着它不会因被消费而消失。当 LiveData 值更新时，会通知所有观察者。这一过程通过一个 Map 结构保存了所有观察者，并通过遍历 Map 并逐个调用 considerNotify() 方法实现。观察者会被包装在 LifecycleBoundObserver 中，它具备了生命周期感知能力，同时持有了数据观察者。当组件生命周期发生变化时，会尝试将最新值分发给该数据观察者。

       4. 粘性的 LiveData 会造成什么问题？怎么解决？

       粘性的 LiveData 可能导致数据重复消费或消费逻辑混乱。解决方案包括使用带消费记录的值、带有最新版本号的观察者、SingleLiveEvent 等。其中，趣推网站源码使用 SingleLiveEvent 可以根据数据的分类（暂态数据或非暂态数据）来选择性地利用或避免粘性。

       5. 什么情况下 LiveData 会丢失数据？

       在高频数据更新的场景下使用 LiveData.postValue() 时，如果在这次调用和下次调用之间再次调用 postValue()，则会导致数据丢失，因为值先被缓存，再向主线程抛出分发值的任务。这与 LiveData 的设计和更新机制有关。

       6. 在 Fragment 中使用 LiveData 需注意些什么？

       在 Fragment 中使用 LiveData 时，应当使用 viewLifecycleOwner 而非 this。避免因生命周期不一致导致的额外订阅者问题。使用 SingleLiveEvent 可以解决数据重复消费问题。

       7. 如何变换 LiveData 数据及注意事项？

       androidx.lifecycle.Transformations 提供了变换 LiveData 数据的方法，如 map()。需要注意数据变换操作应避免阻塞主线程，可使用 CoroutineLiveData 来异步化数据变换。

面试中的网红Vue源码解析之虚拟DOM,你知多少呢?深入解读diff算法_百度...

       虚拟DOM（Virtual DOM）是Vue的一个核心概念，它是一种用JavaScript对象来表示真实DOM结构的轻量级抽象。通过使用虚拟DOM，Vue可以在内存中构建和操作DOM，并通过Diff算法来高效地更新真实DOM。

       虚拟DOM工作原理：

       1. 在Vue中，每个组件都有一个对应的虚拟DOM树，它是一个以组件根节点为起点的JavaScript对象。

       2. 当数据发生改变时，Vue会重新计算虚拟DOM树的结构，并和旧的d5源码虚拟DOM树进行比较。

       3. 在比较过程中，Vue使用Diff算法来找出两棵树之间的差异，并将差异记录下来。

       4. 最后，Vue根据差异的记录，批量更新真实DOM，只更新需要改变的部分。

       Diff算法：

       Diff算法是虚拟DOM的核心，它用于比较新旧虚拟DOM树之间的差异。Vue中使用的是经典的Diff算法，具体包括以下几个步骤：

       1. Walk：遍历新旧虚拟DOM树，对比节点，并记录差异。

       2. Update：根据差异进行更新。如果节点类型不同，直接替换整个节点；如果节点类型相同，比较其属性和子节点。

       3. Diff Attributes：比较节点的属性差异。添加、删除或更新属性。

       4. Diff Children：比较节点的子节点差异。通过递归调用Diff算法，找出子节点之间的差异。

       5. Keyed Diff：Vue还提供了基于key的优化方式。通过使用唯一的key来识别和复用相同节点类型的子节点，提高Diff算法的效率。

       Diff算法的核心思想是最小化操作，只对有差异的部分进行更新，避免不必要的DOM操作，提高性能和效率。

       需要注意的是，虚拟DOM和Diff算法并不是Vue独有的概念，其他前端框架如React也采用了类似的原理。它们都通过虚拟DOM和Diff算法来提高渲染效率，减少对真实DOM的操作次数。

       深入理解和研究Vue源码的虚拟DOM和Diff算法，可以帮助开发者更好地了解Vue框架的工作原理，并且在实际开发中更有效地使用和优化Vue应用程序。

vue的diff算法 VUE源码解析 面试者角度回答

       在面试中，面试官可能会问起Vue中的diff算法。这个算法在组件依赖数据更新或初次创建时启动，主要在update函数中运行。首先，组件的render函数生成新的虚拟DOM树，然后更新函数将旧的_vnode替换为新树的根节点。接下来，diff算法通过一个名为patch的函数，遵循原则：尽可能保持不变，仅修改属性、移动DOM，最后实在不行才删除或新增真实DOM。

       diff过程采用深度优先和同层比较策略。它首先比较标签名，接着是key值（对于input元素还会检查type），发现不同时，记录指针位置，逐渐聚拢，直到新虚拟DOM树的头尾指针相等，表示比对完成。在这个过程中，相同节点仅更新属性，不同节点则进行删除、新建或替换操作。key值的存在有助于提高真实DOM的复用效率。

       diff的时间复杂度通过优化降低了从O(n3)到O(n)，因为前端DOM操作通常限于同一层级，只对同级节点进行比较。Vue的diff算法核心是高效地在虚拟DOM和真实DOM之间进行更新。

       diff在Vue中的应用是基于虚拟DOM的渲染更新。比如，新旧VNode节点会逐层进行比较，通过添加、删除或移动真实DOM元素，确保视图与数据的一致性。当数据变化时，Dep.notify和patch函数协同工作，确保DOM的同步更新。

实习面试总结 -> fork与🔒

       在讨论fork与互斥锁的继承问题时，我们可以直接回答：在使用fork创建子进程后，子进程将继承父进程的互斥锁状态。这是基于互斥锁在用户层面被视为一个对象的特性，系统并不会强制在获取锁后再执行线程函数。然而，需要注意的是，文件锁（flock）是一个特殊的情况。如果父进程持有已加锁的互斥锁，子进程同样会继承这个加锁状态。但是，当父进程的锁解锁时，子进程的锁并不会自动解锁，这是文件锁与其他锁的主要区别。理解这一点需要深入理解task_struct，这是进程管理的核心结构，其中包含了多个成员，如struct files_struct* files，用于保存进程已打开文件的信息。因此，继承问题的关键在于正确理解不同类型的锁和它们在进程间共享的方式。

       关于写事件，fork不会导致写事件的复制，因为fork实际上复制了整个task_struct，而不仅仅是指针。打开的文件和相关资源在子进程和父进程之间共享，但是复制操作在内存管理层面不会被复制。子进程可以直接操作父进程分配的内存，但不会自动继承父进程对文件的读写操作。这意味着在父子进程中读取文件时，内容会保持一致，除非有并发写操作或文件锁定机制的介入。

       文件锁的继承与互斥锁的继承有所不同，因为文件锁关联的是文件表中的特定文件，而不仅仅是进程。这意味着在父子进程间共享的是一份文件锁的引用，而不是锁的实例。因此，当父进程和子进程都打开同一个文件并分别获得锁时，他们实际上共享同一个锁对象，而不是复制这个对象。这与某些情况下会发生copy on write的现象有所区别。copy on write意味着在多个进程间共享资源时，直到实际修改发生才在需要的地方创建副本。在文件锁的情况下，因为锁对象是唯一的，所以不会发生这种复制。

       在多线程环境下，当父进程使用fork创建子进程时，子进程只会启动父进程当前正在执行的线程，其他线程不会被复制。这意味着如果在主线程中上锁，然后创建一个新线程，子进程将继承这个锁的状态。然而，如果在主线程中解锁，这个解锁操作不会被子进程继承，导致在子进程中再次尝试上锁时可能出现死锁。为了解决这个问题，pthread库提供了一个函数pthread_atfork，它允许开发者在多线程环境中使用fork时处理死锁问题。

       对于文件锁的细节和底层实现，如futex机制和pthread_atfork的使用，深入理解需要查看相关源代码和文档。futex提供了一种高效的方式来实现用户态锁，而pthread_atfork则提供了一种标准化的方法来处理在多线程环境下的fork操作，避免死锁。这些技术对于系统和并发编程的实现至关重要，但理解其内部工作原理需要详细阅读底层代码和相关技术文档。