以下提到的每个点会进行简要介绍，并附相关资料链接。

知识点

1. 海量延时任务处理方式

   背景：在游戏中，会遇到很多倒计时场景，例如玩家10秒未准备则强制准备等，当游戏房间数量巨大时，就需要一个高效的方法来处理定时任务。
   解决方案：采用时间轮算法，可以实现O(1)的复杂度添加定时任务，并以O(1)的复杂度来获得到期任务。

   不同开源框架定时器实现方式不一，如，libuv采用最小堆来实现，nginx采用红黑树实现，linux内核和skynet采用时间轮算法实现等等。
   有序链表：插入O(n)，删除O(1)，过期expire执行O(1)
   最小堆：插入O(logn)，删除O(logn)，过期expire执行O(1)
   红黑树：插入O(logn)，删除O(logn)，过期expire执行O(logn)
   哈希表+链表（时间轮）：插入O(1)，删除O(1)，过期expire平均执行O(1)（最坏为O(n)）

   拓展：层级时间轮
   资料：时间轮（TimingWheel）高性能定时任务原理解密
   如何实现一个定时器？看这一篇就够了

2. Actor模式
   背景：多用于游戏中各种信息的交互，每个玩家抽象化为一个Actor，通过消息的传递，来传递各种事件。
   实现思路：reactor模式
   资料：Actor模型是解决高并发的终极解决方案

3. 缓存相关

   1. 缓存雪崩
      背景：大量数据同时过期
   2. 缓存击穿
      背景：热点数据过期
   3. 缓存穿透
      背景：请求不存在于缓存和数据库中的数据

   
   资料: 小林coding - 缓存篇

4. 大端/小端 字节序
   背景：网络传输中，需要把数据转换成网络字节序进行传输。在主机接收时，需要转换成主机字节序进行读取。
   大端序（Big-Endian）将数据的低位字节存放在内存的高位地址，高位字节存放在低位地址。这种排列方式与数据用字节表示时的书写顺序一致，符合人类的阅读习惯。
   小端序（Little-Endian），将一个多位数的低位放在较小的地址处，高位放在较大的地址处，则称小端序。
   小端序与人类的阅读习惯相反，但更符合计算机读取内存的方式，因为CPU读取内存中的数据时，是从低地址向高地址方向进行读取的。
   资料: 什么是大端序和小端序，为什么要有字节序？

5. Protobuf通信协议
   背景：序列化/反序列化 数据结构，实现将内存中的数据结构存储在硬盘上
   资料：深入浅出：如何正确使用 protobuf

6. Kafka消息队列
   资料：Kafka【入门】就这一篇！

7. 内存池
   背景：在调用malloc（或new）和free（或delete）的时候，会通过系统调用brk或者是mmap来分配内存，并且在第一次使用mmap分配的空间时会发生缺页中断。因此，会频繁的发生内核态和用户态的切换，耗费大量时间。使用池化技术，预先配置好一定数量的内存，并在不足时进行扩充，可以加快内存分配的速率。

   我自己写了一个内存池，并进行了简单了测试，使用malloc/free（new/delete）耗时590ms，使用内存池耗时199ms。
   开源项目：固定大小的内存分配器（内存池）实现：https://github.com/cacay/MemoryPool
   资料：性能优化-高效内存池的设计与实现
   2万字|带你领略glibc内存管理精髓

8. 负载均衡请求转发实现方法
   Nginx可以通过反向代理的方法来实现负载均衡，通过轮询、IP哈希等算法决定选用哪一个后端服务器，但是在这个过程结束之后，用户请求是怎么被重定向到其他服务器的，也值得了解。
   资料：负载均衡请求转发实现

9. 数据库架构优化（从单机到分布式）
   当单机部署数据库成为项目性能瓶颈的时候，就需要进行架构优化了。
   资料：天天用MySQL开发，你知道数据库能抗多大并发压力吗？

10. 乐观锁和悲观锁
    乐观锁：乐观锁在操作数据时非常乐观，认为别人不会同时修改数据。
    因此乐观锁不会上锁，只是在执行更新的时候判断一下在此期间别人是否修改了数据：如果别人修改了数据则放弃操作，否则执行操作。

    悲观锁：悲观锁在操作数据时比较悲观，认为别人会同时修改数据。
    因此操作数据时直接把数据锁住，直到操作完成后才会释放锁；上锁期间其他人不能修改数据。
    资料：面试官灵魂4连问：乐观锁与悲观锁的概念、实现方式、场景、优缺点？