面試必考：秒殺系統如何設計？

  • 2021 年 8 月 17 日
  • 筆記

前言

高並發下如何設計秒殺系統？這是一個高頻面試題。這個問題看似簡單，但是裏面的水很深，它考查的是高並發場景下，從前端到後端多方面的知識。

秒殺一般出現在商城的促銷活動中，指定了一定數量（比如：10個）的商品（比如：手機），以極低的價格（比如：0.1元），讓大量用戶參與活動，但只有極少數用戶能夠購買成功。這類活動商家絕大部分是不賺錢的，說白了是找個噱頭宣傳自己。

雖說秒殺只是一個促銷活動，但對技術要求不低。下面給大家總結一下設計秒殺系統需要注意的9個細節。

最近無意間獲得一份BAT大廠大佬寫的刷題筆記，一下子打通了我的任督二脈，越來越覺得算法沒有想像中那麼難了。

BAT大佬寫的刷題筆記，讓我offer拿到手軟

1 瞬時高並發

一般在秒殺時間點（比如：12點）前幾分鐘，用戶並發量才真正突增，達到秒殺時間點時，並發量會達到頂峰。

但由於這類活動是大量用戶搶少量商品的場景，必定會出現狼多肉少的情況，所以其實絕大部分用戶秒殺會失敗，只有極少部分用戶能夠成功。

正常情況下，大部分用戶會收到商品已經搶完的提醒，收到該提醒後，他們大概率不會在那個活動頁面停留了，如此一來，用戶並發量又會急劇下降。所以這個峰值持續的時間其實是非常短的，這樣就會出現瞬時高並發的情況，下面用一張圖直觀的感受一下流量的變化：

像這種瞬時高並發的場景，傳統的系統很難應對，我們需要設計一套全新的系統。可以從以下幾個方面入手：

  1. 頁面靜態化
  2. CDN加速
  3. 緩存
  4. mq異步處理
  5. 限流
  6. 分佈式鎖

2. 頁面靜態化

活動頁面是用戶流量的第一入口，所以是並發量最大的地方。

如果這些流量都能直接訪問服務端，恐怕服務端會因為承受不住這麼大的壓力，而直接掛掉。


活動頁面絕大多數內容是固定的，比如：商品名稱、商品描述、圖片等。為了減少不必要的服務端請求，通常情況下，會對活動頁面做靜態化處理。用戶瀏覽商品等常規操作，並不會請求到服務端。只有到了秒殺時間點，並且用戶主動點了秒殺按鈕才允許訪問服務端。


這樣能過濾大部分無效請求。

但只做頁面靜態化還不夠，因為用戶分佈在全國各地，有些人在北京，有些人在成都，有些人在深圳，地域相差很遠，網速各不相同。

如何才能讓用戶最快訪問到活動頁面呢？

這就需要使用CDN，它的全稱是Content Delivery Network，即內容分髮網絡。


使用戶就近獲取所需內容，降低網絡擁塞，提高用戶訪問響應速度和命中率。

3 秒殺按鈕

大部分用戶怕錯過秒殺時間點，一般會提前進入活動頁面。此時看到的秒殺按鈕是置灰，不可點擊的。只有到了秒殺時間點那一時刻，秒殺按鈕才會自動點亮，變成可點擊的。

但此時很多用戶已經迫不及待了，通過不停刷新頁面，爭取在第一時間看到秒殺按鈕的點亮。

從前面得知，該活動頁面是靜態的。那麼我們在靜態頁面中如何控制秒殺按鈕，只在秒殺時間點時才點亮呢？

沒錯，使用js文件控制。

為了性能考慮，一般會將css、js和圖片等靜態資源文件提前緩存到CDN上，讓用戶能夠就近訪問秒殺頁面。

看到這裡，有些聰明的小夥伴，可能會問：CDN上的js文件是如何更新的？

秒殺開始之前，js標誌為false，還有另外一個隨機參數。

當秒殺開始的時候系統會生成一個新的js文件，此時標誌為true，並且隨機參數生成一個新值，然後同步給CDN。由於有了這個隨機參數，CDN不會緩存數據，每次都能從CDN中獲取最新的js代碼。

此外，前端還可以加一個定時器，控制比如：10秒之內，只允許發起一次請求。如果用戶點擊了一次秒殺按鈕，則在10秒之內置灰，不允許再次點擊，等到過了時間限制，又允許重新點擊該按鈕。

4 讀多寫少

在秒殺的過程中，系統一般會先查一下庫存是否足夠，如果足夠才允許下單，寫數據庫。如果不夠，則直接返回該商品已經搶完。

由於大量用戶搶少量商品，只有極少部分用戶能夠搶成功，所以絕大部分用戶在秒殺時，庫存其實是不足的，系統會直接返回該商品已經搶完。

這是非常典型的：讀多寫少 的場景。


如果有數十萬的請求過來，同時通過數據庫查緩存是否足夠，此時數據庫可能會掛掉。因為數據庫的連接資源非常有限，比如：mysql，無法同時支持這麼多的連接。

而應該改用緩存，比如：redis。

即便用了redis，也需要部署多個節點。

5 緩存問題

通常情況下，我們需要在redis中保存商品信息，裏面包含：商品id、商品名稱、規格屬性、庫存等信息，同時數據庫中也要有相關信息，畢竟緩存並不完全可靠。

用戶在點擊秒殺按鈕，請求秒殺接口的過程中，需要傳入的商品id參數，然後服務端需要校驗該商品是否合法。

大致流程如下圖所示：

根據商品id，先從緩存中查詢商品，如果商品存在，則參與秒殺。如果不存在，則需要從數據庫中查詢商品，如果存在，則將商品信息放入緩存，然後參與秒殺。如果商品不存在，則直接提示失敗。

這個過程表面上看起來是OK的，但是如果深入分析一下會發現一些問題。

5.1 緩存擊穿

比如商品A第一次秒殺時，緩存中是沒有數據的，但數據庫中有。雖說上面有如果從數據庫中查到數據，則放入緩存的邏輯。

然而，在高並發下，同一時刻會有大量的請求，都在秒殺同一件商品，這些請求同時去查緩存中沒有數據，然後又同時訪問數據庫。結果悲劇了，數據庫可能扛不住壓力，直接掛掉。

如何解決這個問題呢？

這就需要加鎖，最好使用分佈式鎖。


當然，針對這種情況，最好在項目啟動之前，先把緩存進行預熱。即事先把所有的商品，同步到緩存中，這樣商品基本都能直接從緩存中獲取到，就不會出現緩存擊穿的問題了。

是不是上面加鎖這一步可以不需要了？

表面上看起來，確實可以不需要。但如果緩存中設置的過期時間不對，緩存提前過期了，或者緩存被不小心刪除了，如果不加速同樣可能出現緩存擊穿。

其實這裡加鎖，相當於買了一份保險。

最近無意間獲得一份BAT大廠大佬寫的刷題筆記，一下子打通了我的任督二脈，越來越覺得算法沒有想像中那麼難了。

BAT大佬寫的刷題筆記，讓我offer拿到手軟

5.2 緩存穿透

如果有大量的請求傳入的商品id，在緩存中和數據庫中都不存在，這些請求不就每次都會穿透過緩存，而直接訪問數據庫了。

由於前面已經加了鎖，所以即使這裡的並發量很大，也不會導致數據庫直接掛掉。

但很顯然這些請求的處理性能並不好，有沒有更好的解決方案？

這時可以想到布隆過濾器。


系統根據商品id，先從布隆過濾器中查詢該id是否存在，如果存在則允許從緩存中查詢數據，如果不存在，則直接返回失敗。

雖說該方案可以解決緩存穿透問題，但是又會引出另外一個問題：布隆過濾器中的數據如何更緩存中的數據保持一致？

這就要求，如果緩存中數據有更新，則要及時同步到布隆過濾器中。如果數據同步失敗了，還需要增加重試機制，而且跨數據源，能保證數據的實時一致性嗎？

顯然是不行的。

所以布隆過濾器絕大部分使用在緩存數據更新很少的場景中。

如果緩存數據更新非常頻繁，又該如何處理呢？

這時，就需要把不存在的商品id也緩存起來。


下次，再有該商品id的請求過來，則也能從緩存中查到數據，只不過該數據比較特殊，表示商品不存在。需要特別注意的是，這種特殊緩存設置的超時時間應該盡量短一點。

6 庫存問題

對於庫存問題看似簡單，實則裏面還是有些東西。

真正的秒殺商品的場景，不是說扣完庫存，就完事了，如果用戶在一段時間內，還沒完成支付，扣減的庫存是要加回去的。

所以，在這裡引出了一個預扣庫存的概念，預扣庫存的主要流程如下：

扣減庫存中除了上面說到的預扣庫存和回退庫存之外，還需要特別注意的是庫存不足和庫存超賣問題。

6.1 數據庫扣減庫存

使用數據庫扣減庫存，是最簡單的實現方案了，假設扣減庫存的sql如下：

update product set stock=stock-1 where id=123;

這種寫法對於扣減庫存是沒有問題的，但如何控制庫存不足的情況下，不讓用戶操作呢？

這就需要在update之前，先查一下庫存是否足夠了。

偽代碼如下：

int stock = mapper.getStockById(123);
if(stock > 0) {
  int count = mapper.updateStock(123);
  if(count > 0) {
    addOrder(123);
  }
}

大家有沒有發現這段代碼的問題？

沒錯，查詢操作和更新操作不是原子性的，會導致在並發的場景下，出現庫存超賣的情況。

有人可能會說，這樣好辦，加把鎖，不就搞定了，比如使用synchronized關鍵字。

確實，可以，但是性能不夠好。

還有更優雅的處理方案，即基於數據庫的樂觀鎖，這樣會少一次數據庫查詢，而且能夠天然的保證數據操作的原子性。

只需將上面的sql稍微調整一下：

update product set stock=stock-1 where id=product and stock > 0;

在sql最後加上：stock > 0，就能保證不會出現超賣的情況。

但需要頻繁訪問數據庫，我們都知道數據庫連接是非常昂貴的資源。在高並發的場景下，可能會造成系統雪崩。而且，容易出現多個請求，同時競爭行鎖的情況，造成相互等待，從而出現死鎖的問題。

6.2 redis扣減庫存

redis的incr方法是原子性的，可以用該方法扣減庫存。
偽代碼如下：

    boolean exist = redisClient.query(productId,userId);
  if(exist) {
    return -1;
  }
  int stock = redisClient.queryStock(productId);
  if(stock <=0) {
    return 0;
  }
  redisClient.incrby(productId, -1);
  redisClient.add(productId,userId);
return 1;

代碼流程如下：

  1. 先判斷該用戶有沒有秒殺過該商品，如果已經秒殺過，則直接返回-1。
  2. 查詢庫存，如果庫存小於等於0，則直接返回0，表示庫存不足。
  3. 如果庫存充足，則扣減庫存，然後將本次秒殺記錄保存起來。然後返回1，表示成功。

估計很多小夥伴，一開始都會按這樣的思路寫代碼。但如果仔細想想會發現，這段代碼有問題。

有什麼問題呢？

如果在高並發下，有多個請求同時查詢庫存，當時都大於0。由於查詢庫存和更新庫存非原則操作，則會出現庫存為負數的情況，即庫存超賣。

當然有人可能會說，加個synchronized不就解決問題？

調整後代碼如下：

   boolean exist = redisClient.query(productId,userId);
   if(exist) {
    return -1;
   }
   synchronized(this) {
       int stock = redisClient.queryStock(productId);
       if(stock <=0) {
         return 0;
       }
       redisClient.incrby(productId, -1);
       redisClient.add(productId,userId);
   }

return 1;

加synchronized確實能解決庫存為負數問題，但是這樣會導致接口性能急劇下降，每次查詢都需要競爭同一把鎖，顯然不太合理。

為了解決上面的問題，代碼優化如下：

boolean exist = redisClient.query(productId,userId);
if(exist) {
  return -1;
}
if(redisClient.incrby(productId, -1)<0) {
  return 0;
}
redisClient.add(productId,userId);
return 1;

該代碼主要流程如下：

  1. 先判斷該用戶有沒有秒殺過該商品，如果已經秒殺過，則直接返回-1。
  2. 扣減庫存，判斷返回值是否小於0，如果小於0，則直接返回0，表示庫存不足。
  3. 如果扣減庫存後，返回值大於或等於0，則將本次秒殺記錄保存起來。然後返回1，表示成功。

該方案咋一看，好像沒問題。

但如果在高並發場景中，有多個請求同時扣減庫存，大多數請求的incrby操作之後，結果都會小於0。

雖說，庫存出現負數，不會出現超賣的問題。但由於這裡是預減庫存，如果負數值負的太多的話，後面萬一要回退庫存時，就會導致庫存不準。

那麼，有沒有更好的方案呢？

6.3 lua腳本扣減庫存

我們都知道lua腳本，是能夠保證原子性的，它跟redis一起配合使用，能夠完美解決上面的問題。

lua腳本有段非常經典的代碼：

  StringBuilder lua = new StringBuilder();
  lua.append("if (redis.call('exists', KEYS[1]) == 1) then");
  lua.append("    local stock = tonumber(redis.call('get', KEYS[1]));");
  lua.append("    if (stock == -1) then");
  lua.append("        return 1;");
  lua.append("    end;");
  lua.append("    if (stock > 0) then");
  lua.append("        redis.call('incrby', KEYS[1], -1);");
  lua.append("        return stock;");
  lua.append("    end;");
  lua.append("    return 0;");
  lua.append("end;");
  lua.append("return -1;");

該代碼的主要流程如下：

  1. 先判斷商品id是否存在，如果不存在則直接返回。
  2. 獲取該商品id的庫存，判斷庫存如果是-1，則直接返回，表示不限制庫存。
  3. 如果庫存大於0，則扣減庫存。
  4. 如果庫存等於0，是直接返回，表示庫存不足。

7 分佈式鎖

之前我提到過，在秒殺的時候，需要先從緩存中查商品是否存在，如果不存在，則會從數據庫中查商品。如果數據庫中，則將該商品放入緩存中，然後返回。如果數據庫中沒有，則直接返回失敗。

大家試想一下，如果在高並發下，有大量的請求都去查一個緩存中不存在的商品，這些請求都會直接打到數據庫。數據庫由於承受不住壓力，而直接掛掉。

那麼如何解決這個問題呢？

這就需要用redis分佈式鎖了。

7.1 setNx加鎖

使用redis的分佈式鎖，首先想到的是setNx命令。

if (jedis.setnx(lockKey, val) == 1) {
   jedis.expire(lockKey, timeout);
}

用該命令其實可以加鎖，但和後面的設置超時時間是分開的，並非原子操作。

假如加鎖成功了，但是設置超時時間失敗了，該lockKey就變成永不失效的了。在高並發場景中，該問題會導致非常嚴重的後果。

那麼，有沒有保證原子性的加鎖命令呢？

7.2 set加鎖

使用redis的set命令，它可以指定多個參數。

String result = jedis.set(lockKey, requestId, "NX", "PX", expireTime);
if ("OK".equals(result)) {
    return true;
}
return false;

其中：

  • lockKey：鎖的標識
  • requestId：請求id
  • NX：只在鍵不存在時，才對鍵進行設置操作。
  • PX：設置鍵的過期時間為 millisecond 毫秒。
  • expireTime：過期時間
    由於該命令只有一步，所以它是原子操作。

7.3 釋放鎖

接下來，有些朋友可能會問：在加鎖時，既然已經有了lockKey鎖標識，為什麼要需要記錄requestId呢？

答：requestId是在釋放鎖的時候用的。

if (jedis.get(lockKey).equals(requestId)) {
    jedis.del(lockKey);
    return true;
}
return false;

在釋放鎖的時候，只能釋放自己加的鎖，不允許釋放別人加的鎖。

這裡為什麼要用requestId，用userId不行嗎？

答：如果用userId的話，假設本次請求流程走完了，準備刪除鎖。此時，巧合鎖到了過期時間失效了。而另外一個請求，巧合使用的相同userId加鎖，會成功。而本次請求刪除鎖的時候，刪除的其實是別人的鎖了。

當然使用lua腳本也能避免該問題：

if redis.call('get', KEYS[1]) == ARGV[1] then 
 return redis.call('del', KEYS[1]) 
else 
  return 0 
end

它能保證查詢鎖是否存在和刪除鎖是原子操作。

7.4 自旋鎖

上面的加鎖方法看起來好像沒有問題，但如果你仔細想想，如果有1萬的請求同時去競爭那把鎖，可能只有一個請求是成功的，其餘的9999個請求都會失敗。

在秒殺場景下，會有什麼問題？

答：每1萬個請求，有1個成功。再1萬個請求，有1個成功。如此下去，直到庫存不足。這就變成均勻分佈的秒殺了，跟我們想像中的不一樣。

如何解決這個問題呢？

答：使用自旋鎖。

try {
  Long start = System.currentTimeMillis();
  while(true) {
      String result = jedis.set(lockKey, requestId, "NX", "PX", expireTime);
     if ("OK".equals(result)) {
        return true;
     }
     
     long time = System.currentTimeMillis() - start;
      if (time>=timeout) {
          return false;
      }
      try {
          Thread.sleep(50);
      } catch (InterruptedException e) {
          e.printStackTrace();
      }
  }
 
} finally{
    unlock(lockKey,requestId);
}  
return false;

在規定的時間，比如500毫秒內，自旋不斷嘗試加鎖，如果成功則直接返回。如果失敗，則休眠50毫秒，再發起新一輪的嘗試。如果到了超時時間，還未加鎖成功，則直接返回失敗。

7.5 redisson

除了上面的問題之外，使用redis分佈式鎖，還有鎖競爭問題、續期問題、鎖重入問題、多個redis實例加鎖問題等。

這些問題使用redisson可以解決，由於篇幅的原因，在這裡先保留一點懸念，有疑問的私聊給我。後面會出一個專題介紹分佈式鎖，敬請期待。

8 mq異步處理

我們都知道在真實的秒殺場景中，有三個核心流程：

而這三個核心流程中，真正並發量大的是秒殺功能，下單和支付功能實際並發量很小。所以，我們在設計秒殺系統時，有必要把下單和支付功能從秒殺的主流程中拆分出來，特別是下單功能要做成mq異步處理的。而支付功能，比如支付寶支付，是業務場景本身保證的異步。

於是，秒殺後下單的流程變成如下：

如果使用mq，需要關注以下幾個問題：

8.1 消息丟失問題

秒殺成功了，往mq發送下單消息的時候，有可能會失敗。原因有很多，比如：網絡問題、broker掛了、mq服務端磁盤問題等。這些情況，都可能會造成消息丟失。

那麼，如何防止消息丟失呢？

答：加一張消息發送表。


在生產者發送mq消息之前，先把該條消息寫入消息發送表，初始狀態是待處理，然後再發送mq消息。消費者消費消息時，處理完業務邏輯之後，再回調生產者的一個接口，修改消息狀態為已處理。

如果生產者把消息寫入消息發送表之後，再發送mq消息到mq服務端的過程中失敗了，造成了消息丟失。

這時候，要如何處理呢？

答：使用job，增加重試機制。


用job每隔一段時間去查詢消息發送表中狀態為待處理的數據，然後重新發送mq消息。

8.2 重複消費問題

本來消費者消費消息時，在ack應答的時候，如果網絡超時，本身就可能會消費重複的消息。但由於消息發送者增加了重試機制，會導致消費者重複消息的概率增大。

那麼，如何解決重複消息問題呢？

答：加一張消息處理表。

消費者讀到消息之後，先判斷一下消息處理表，是否存在該消息，如果存在，表示是重複消費，則直接返回。如果不存在，則進行下單操作，接着將該消息寫入消息處理表中，再返回。

有個比較關鍵的點是：下單和寫消息處理表，要放在同一個事務中，保證原子操作。

8.3 垃圾消息問題

這套方案表面上看起來沒有問題，但如果出現了消息消費失敗的情況。比如：由於某些原因，消息消費者下單一直失敗，一直不能回調狀態變更接口，這樣job會不停的重試發消息。最後，會產生大量的垃圾消息。

那麼，如何解決這個問題呢？

每次在job重試時，需要先判斷一下消息發送表中該消息的發送次數是否達到最大限制，如果達到了，則直接返回。如果沒有達到，則將次數加1，然後發送消息。

這樣如果出現異常，只會產生少量的垃圾消息，不會影響到正常的業務。

8.4 延遲消費問題

通常情況下，如果用戶秒殺成功了，下單之後，在15分鐘之內還未完成支付的話，該訂單會被自動取消，回退庫存。

那麼，在15分鐘內未完成支付，訂單被自動取消的功能，要如何實現呢？

我們首先想到的可能是job，因為它比較簡單。

但job有個問題，需要每隔一段時間處理一次，實時性不太好。

還有更好的方案？

答：使用延遲隊列。

我們都知道rocketmq，自帶了延遲隊列的功能。


下單時消息生產者會先生成訂單，此時狀態為待支付，然後會向延遲隊列中發一條消息。達到了延遲時間，消息消費者讀取消息之後，會查詢該訂單的狀態是否為待支付。如果是待支付狀態，則會更新訂單狀態為取消狀態。如果不是待支付狀態，說明該訂單已經支付過了，則直接返回。

還有個關鍵點，用戶完成支付之後，會修改訂單狀態為已支付。

9 如何限流？

通過秒殺活動，如果我們運氣爆棚，可能會用非常低的價格買到不錯的商品（這種概率堪比買福利彩票中大獎）。

但有些高手，並不會像我們一樣老老實實，通過秒殺頁面點擊秒殺按鈕，搶購商品。他們可能在自己的服務器上，模擬正常用戶登錄系統，跳過秒殺頁面，直接調用秒殺接口。

如果是我們手動操作，一般情況下，一秒鐘只能點擊一次秒殺按鈕。

但是如果是服務器，一秒鐘可以請求成上千接口。

這種差距實在太明顯了，如果不做任何限制，絕大部分商品可能是被機器搶到，而非正常的用戶，有點不太公平。

所以，我們有必要識別這些非法請求，做一些限制。那麼，我們該如何現在這些非法請求呢？

目前有兩種常用的限流方式：

  1. 基於nginx限流
  2. 基於redis限流

9.1 對同一用戶限流

為了防止某個用戶，請求接口次數過於頻繁，可以只針對該用戶做限制。

限制同一個用戶id，比如每分鐘只能請求5次接口。

9.2 對同一ip限流

有時候只對某個用戶限流是不夠的，有些高手可以模擬多個用戶請求，這種nginx就沒法識別了。

這時需要加同一ip限流功能。

限制同一個ip，比如每分鐘只能請求5次接口。

但這種限流方式可能會有誤殺的情況，比如同一個公司或網吧的出口ip是相同的，如果裏面有多個正常用戶同時發起請求，有些用戶可能會被限制住。

9.3 對接口限流

別以為限制了用戶和ip就萬事大吉，有些高手甚至可以使用代理，每次都請求都換一個ip。

這時可以限制請求的接口總次數。

在高並發場景下，這種限制對於系統的穩定性是非常有必要的。但可能由於有些非法請求次數太多，達到了該接口的請求上限，而影響其他的正常用戶訪問該接口。看起來有點得不償失。

9.4 加驗證碼

相對於上面三種方式，加驗證碼的方式可能更精準一些，同樣能限制用戶的訪問頻次，但好處是不會存在誤殺的情況。


通常情況下，用戶在請求之前，需要先輸入驗證碼。用戶發起請求之後，服務端會去校驗該驗證碼是否正確。只有正確才允許進行下一步操作，否則直接返回，並且提示驗證碼錯誤。

此外，驗證碼一般是一次性的，同一個驗證碼只允許使用一次，不允許重複使用。

普通驗證碼，由於生成的數字或者圖案比較簡單，可能會被破解。優點是生成速度比較快，缺點是有安全隱患。

還有一個驗證碼叫做：移動滑塊，它生成速度比較慢，但比較安全，是目前各大互聯網公司的首選。

9.5 提高業務門檻

上面說的加驗證碼雖然可以限制非法用戶請求，但是有些影響用戶體驗。用戶點擊秒殺按鈕前，還要先輸入驗證碼，流程顯得有點繁瑣，秒殺功能的流程不是應該越簡單越好嗎？

其實，有時候達到某個目的，不一定非要通過技術手段，通過業務手段也一樣。

12306剛開始的時候，全國人民都在同一時刻搶火車票，由於並發量太大，系統經常掛。後來，重構優化之後，將購買周期放長了，可以提前20天購買火車票，並且可以在9點、10、11點、12點等整點購買火車票。調整業務之後（當然技術也有很多調整），將之前集中的請求，分散開了，一下子降低了用戶並發量。

回到這裡，我們通過提高業務門檻，比如只有會員才能參與秒殺活動，普通註冊用戶沒有權限。或者，只有等級到達3級以上的普通用戶，才有資格參加該活動。

這樣簡單的提高一點門檻，即使是黃牛黨也束手無策，他們總不可能為了參加一次秒殺活動，還另外花錢充值會員吧？

最近無意間獲得一份BAT大廠大佬寫的刷題筆記，一下子打通了我的任督二脈，越來越覺得算法沒有想像中那麼難了。

BAT大佬寫的刷題筆記，讓我offer拿到手軟

最後說一句(求關注，別白嫖我)

如果這篇文章對您有所幫助，或者有所啟發的話，幫忙掃描下發二維碼關注一下，您的支持是我堅持寫作最大的動力。

求一鍵三連：點贊、轉發、在看。

關注公眾號：【蘇三說技術】，在公眾號中回復：面試、代碼神器、開發手冊、時間管理有超贊的粉絲福利，另外回復：加群，可以跟很多BAT大廠的前輩交流和學習。

VirMach 便宜 VPS

QNews

QNews