描述一下敏感词过滤算法DFA?

DFA全称为：Deterministic Finite Automaton,即确定有穷自动机。
他是一种数据结构 一次性的把多个敏感词存储到了多个map中，在检索过程中会遍历每一个字符
所有的map中都维护了一个isEnd属性 如果isEnd为1 敏感词结尾 isEnd为0 非敏感词结尾
检索过程：
遍历文章中每一个字符，判断该字符在敏感词库中是否存在 不存在 结束 无敏感词
存在 获取该关键字的值的集合 获取isEnd属性 isEnd为1 结束 有敏感词
isEed为0 查找下一个字符 判断该字符的集合是否存在 存在 循环获取该关键字的值的集合
不存在 结束

描述一下seata中的AT模式原理？

保证最终一致性
第一阶段：
TM会向TC发起开启全局事务的请求 全局事务中的每一个RM就会被调用
RM会向TC注册分支事务 然后RM会去执行sql并且记录数据更新前后的快照(undolog日志)信息再向TC报告事务状态
第二阶段：
如果每个RM的分支事务都执行成功 全局事务整体会被提交，RM会删除快照(undolog日志)
如果有一个RM分支事务执行失败 全局事务会进行回滚 RM可以根据快照(undolog日志)完成数据回滚操作 恢复到数据更新以前的状态 再删除undolog日志

kafka的分区的作用是什么？(kafka高可用)

分区：
Kafka中的分区机制指的是将每个主题划分成多个分区(Partition)，可以处理更多的消息。由于不受单台服务器的限制，可以处理更多的数据，一个topic中默认只有1个分区，这个可以在kafka的配置中(num.partitions=1)设置，每一个分区都是一个顺序的、不可变的消息队列， 并且可以持续的添加。分区中的消息都被分了一个序列号，称之为偏移量(offset)，在每个分区中此偏移量都是唯一的。

作用：
kafka设置分区，能够处理更多的消息，不受单台服务器的限制。所有的消息将会被均匀的分布到不同的分区中，可以实现负载均衡和水平扩展，多个订阅者可以从一个或者多个分区中同时消费数据，以支撑海量数据处理能力。多个分区顺序写磁盘的总效率要比随机写内存要高，这也是Kafka高吞吐率的重要保证之一。

集群：
Kafka的服务器端由Broker的服务进程构成，即一个Kafka集群由多个Broker组成
这样如果集群中某一台机器宕机，其他机器上的 Broker 也依然能够对外提供服务。这其实就是 Kafka 提供高可用的手段之一

备份机制：
Kafka 中消息的备份又叫做 副本（Replica）
Kafka 定义了两类副本：领导者副本（Leader Replica）和 追随者副本（Follower Replica）

如果leader失效后，需要选出新的leader，选举的原则如下：
第一：选举时优先从ISR中选定，因为这个列表中follower的数据是与leader同步的 (同步)
第二：如果ISR列表中的follower都不行了，就只能从其他follower中选取 (异步)

极端情况，就是所有副本都失效了，这时有两种方案
第一：等待ISR中的一个活过来，选为Leader，数据可靠，但活过来的时间不确定 (一致性)
第二：选择第一个活过来的Replication，不一定是ISR中的，选为leader，以最快速度恢复可用性，但数据不一定完整 (高可用)

kafka如何保证消息的有序？

topic分区中消息只能由消费者组中的唯一一个消费者处理，所以消息肯定是按照先后顺序进行处理的。但是它也仅仅是保证Topic的一个分区顺序处理，不能保证跨分区的消息先后处理顺序。 所以，如果你想要顺序的处理Topic的所有消息，那就只提供一个分区。

应用场景：即时消息中的单对单聊天和群聊，保证发送方消息发送顺序与接收方的顺序一致
充值转账两个渠道在同一个时间进行余额变更，短信通知必须要有顺序

Kafka 如何保证消息可靠性？

保证消息的可靠性就是 保证消息不丢失 保证消息有序(以上) 避免消息被重复消费

生产者在发送消息的时候，有一个ack消息确认机制，他有3个参数，acks=0，就是生产者写入消息之前不会等待响应，消息可能丢失，速度最快。 acks=1(默认)，只要集群中leader节点收到消息，生产者就会收到来自服务器的响应，推荐选择。acks=all，当所有节点全部收到消息之后，生产者才会收到响应。他里面还有一个retries重试机制，生产者从服务器收到的错误有可能是临时性错误，retries参数的值可以决定生产者重发消息的次数，达到这个次数，才会放弃重试，返回错误，默认等待100ms。

kafka不会像其他JMS队列那样需要得到消费者的确认，消费者可以使用kafka来追踪消息在分区的位置（偏移量）
消费者会往一个叫做_consumer_offset的特殊主题发送消息，消息里包含了每个分区的偏移量。如果消费者发生崩溃或有新的消费者加入群组，就会触发再均衡
比如说某消费者挂掉以后，会发生再均衡，该消费者负责的分区会被其他消费者进行消费
再均衡后也不可避免会出现一些问题
如果提交偏移量小于客户端处理的最后一个消息的偏移量，那么处于两个偏移量之间的消息就会被重复处理。 (重复消费)
如果提交的偏移量大于客户端的最后一个消息的偏移量，那么处于两个偏移量之间的消息将会丢失。(丢失)

kafak提交偏移量有2种方式：自动 手动
自动：当enable.auto.commit被设置为true，提交方式就是让消费者自动提交偏移量，每隔5秒消费者会自动把从poll()方法 接收的最大偏移量提交上去
手动：3种方式 (缺点阻塞 使用异步提交api缓解)
提交当前偏移量 （同步提交) 应用程序决定 有丢失风险 有重试 提交失败记录错误日志
异步提交 (缺点 提交失败不会重试)
同步和异步组合提交 (推荐)