Thư Viện Câu Hỏi Phỏng Vấn

Trong môi trường Enterprise, việc để lại trạng thái 'bẩn' (Dirty State) sau khi thuật toán thất bại có thể gây lỗi hệ thống nghiêm trọng.

Đệ quy sử dụng Stack của hệ thống để lưu trữ trạng thái. Với độ sâu quá lớn, Stack sẽ bị tràn (Stack Overflow).

Bitmasking là kỹ thuật sử dụng các bit của một số nguyên để lưu trữ trạng thái, giúp tiết kiệm bộ nhớ và tăng tốc độ truy xuất.

Khi không thể sử dụng giao dịch ACID trên nhiều cơ sở dữ liệu, chúng ta áp dụng mô hình Saga Pattern để quản lý tính nhất quán. Saga là một chuỗi các giao dịch cục bộ (local transactions) được thực hiện tuần tự. Mỗi bước thực hiện thành công sẽ kích hoạt bước tiếp theo thông qua Event-driven architecture. Nếu một bước thất bại, hệ thống sẽ thực hiện các giao dịch bù (compensating transactions) để hoàn tác các thay đổi đã thực hiện trước đó nhằm đưa hệ thống về trạng thái nhất quán. Có hai cách tiếp cận chính: 1. Choreography: Các dịch vụ tự trao đổi sự kiện với nhau thông qua Message Broker. 2. Orchestration: Một dịch vụ trung tâm (Orchestrator) điều phối toàn bộ luồng giao dịch. Đối với Junior, cần hiểu rõ rằng tính nhất quán ở đây là Eventual Consistency (nhất quán cuối cùng) thay vì Strong Consistency.

Load Balancer đóng vai trò là điểm tiếp nhận yêu cầu duy nhất, giúp phân phối lưu lượng truy cập vào nhiều máy chủ phía sau (backend servers), từ đó tăng khả năng mở rộng và tính sẵn sàng cao (High Availability). 1. Layer 4 Load Balancing: Hoạt động ở tầng Transport (TCP/UDP). Nó dựa vào địa chỉ IP và cổng (port) để định tuyến gói tin mà không cần đọc nội dung gói tin. Ưu điểm là tốc độ cực nhanh và tiêu tốn ít tài nguyên. 2. Layer 7 Load Balancing: Hoạt động ở tầng Application (HTTP/HTTPS). Nó có thể kiểm tra nội dung yêu cầu (URL, Header, Cookie) để đưa ra quyết định định tuyến thông minh hơn. Ví dụ, điều hướng các yêu cầu liên quan đến hình ảnh tới một nhóm server riêng biệt. Trong thực tế, Layer 7 thường được sử dụng để tối ưu hóa trải nghiệm người dùng và bảo mật.

Việc lựa chọn phụ thuộc vào mục đích sử dụng và cấu trúc dữ liệu: 1. Block Storage: Chia dữ liệu thành các khối (blocks) có kích thước cố định. Hệ điều hành coi mỗi khối như một ổ cứng riêng biệt. Nó có độ trễ thấp, phù hợp cho cơ sở dữ liệu (Database) hoặc các ứng dụng yêu cầu hiệu năng đọc ghi cao. 2. Object Storage: Lưu trữ dữ liệu dưới dạng các đối tượng (objects) bao gồm dữ liệu gốc, metadata và định danh duy nhất. Nó không phân cấp thư mục truyền thống mà sử dụng flat namespace. Object Storage có khả năng mở rộng vô hạn, chi phí thấp, phù hợp cho lưu trữ dữ liệu tĩnh như ảnh, video, tệp sao lưu (backup). Junior cần nắm vững rằng Object Storage không phù hợp để chạy các ứng dụng yêu cầu thay đổi dữ liệu liên tục (random write) như hệ quản trị cơ sở dữ liệu.

Rate Limiting là kỹ thuật kiểm soát số lượng yêu cầu (requests) mà một người dùng hoặc một dịch vụ có thể gửi đến hệ thống trong một khoảng thời gian nhất định. Mục đích chính bao gồm: 1. Ngăn chặn tấn công DoS/DDoS: Hạn chế kẻ xấu làm quá tải hệ thống bằng cách gửi hàng triệu yêu cầu mỗi giây. 2. Bảo vệ tài nguyên: Đảm bảo các dịch vụ backend không bị cạn kiệt tài nguyên (CPU, RAM, Database connections). 3. Quản lý chi phí: Đối với các API trả phí, Rate Limiting giúp kiểm soát hạn mức sử dụng. Các thuật toán phổ biến bao gồm Token Bucket (cho phép bùng nổ lưu lượng tạm thời) và Fixed Window (đơn giản, dễ cài đặt). Việc triển khai Rate Limiting thường được thực hiện tại API Gateway hoặc Middleware của ứng dụng.

Sự lựa chọn giữa SQL và NoSQL dựa trên yêu cầu về cấu trúc dữ liệu và tính chất của giao dịch: 1. SQL (Relational Database): Dựa trên mô hình bảng, hỗ trợ các giao dịch ACID mạnh mẽ, đảm bảo tính toàn vẹn dữ liệu cực cao. Phù hợp với các hệ thống tài chính, kế toán nơi dữ liệu có cấu trúc chặt chẽ và mối quan hệ phức tạp. 2. NoSQL (Non-relational): Linh hoạt hơn về cấu trúc (Document, Key-Value, Graph, Column-family). NoSQL thường được thiết kế để mở rộng theo chiều ngang (horizontal scaling) dễ dàng hơn so với SQL. Nó phù hợp cho các hệ thống cần xử lý dữ liệu phi cấu trúc, dữ liệu lớn (Big Data) hoặc yêu cầu tốc độ phản hồi cực nhanh như hệ thống Social Media, Real-time Analytics. Junior cần hiểu rằng không có công nghệ nào là hoàn hảo, việc lựa chọn phụ thuộc vào bài toán cụ thể (Trade-off).

Độ phức tạp thời gian cơ bản

Trong trường hợp lý tưởng (khi không có hoặc có rất ít va chạm), các thao tác chèn (insertion), tìm kiếm (search) và xóa (deletion) trong Hash Table đều đạt độ phức tạp thời gian là O(1) trung bình (average case).

Khái niệm Load Factor

Load Factor (hệ số tải) là một đại lượng biểu thị mức độ đầy của Hash Table. Công thức tính được xác định bằng:

Bản chất vấn đề

Khi một đối tượng được đưa vào Hash Table làm Key, vị trí lưu trữ (bucket index) của nó được tính toán dựa trên kết quả của hàm hashCode() tại thời điểm chèn. Giá trị này sau đó được lưu cố định trong cấu trúc dữ liệu của bảng.

Bản chất vấn đề

Các thuật toán băm (Hashing) cũ như MD5 và SHA-1 có tốc độ tính toán rất nhanh và không có cơ chế chống lại việc dò tìm bằng bảng băm tính sẵn (Rainbow Table) hoặc tấn công brute-force. Khi cơ sở dữ liệu bị rò rỉ, kẻ tấn công có thể dễ dàng khôi phục lại mật khẩu gốc trong thời gian ngắn.

Phân tích cốt lõi

1. Mã hóa đối xứng (Symmetric - ví dụ AES):

Vấn đề bảo mật

Việc hardcode các khóa mã hóa, JWT Secret, hoặc Database Password vào trong source code sẽ dẫn đến rủi ro lớn khi mã nguồn bị lộ trên các hệ thống quản lý mã nguồn công khai hoặc bị rò rỉ nội bộ. Kẻ tấn công có thể dễ dàng giải mã toàn bộ dữ liệu hoặc giả mạo phiên đăng nhập.

Cơ chế hoạt động của HMAC

HMAC (Hash-based Message Authentication Code) kết hợp một hàm băm mật mã (như SHA-256) với một khóa bí mật chia sẻ giữa Client và Server. Nó đảm bảo rằng dữ liệu không bị chỉnh sửa trên đường truyền và xác thực đúng nguồn gốc gửi.