京东Android一面凉经

重新开始面试了，发个凉经给自己攒攒人品1.view怎么实现圆形2.说说协程3.协程具体是怎么实现的，kotlin实现协程的具体步骤4.java内存模型5.方法中的变量在哪个位置，成员变量在哪个位置6.内存泄漏有具体的例子吗？循环引用那有具体的例子吗？7.常见垃圾回收算法有哪些，对我们写代码有哪些警示8.创建单例时怎么保证线程安全，懒汉式怎么保证线程安全9.答加锁，加锁会有阻塞等待，有更好的方法吗10.显示intent和隐式intent11.算法：两个无限长的string对象数字怎么进行数值相加13.快速排序还有java的问题记不住了，感觉是挂了

先说一个让双非选手感到不公平的真相2026年春招，全国应届毕业生数量预计超过1300万。985和211的毕业生大概占其中的30%，但他们拿走的大厂offer比例超过60%。这个数字确实不公平。但不公平的根源，未必完全是“能力差距”，更多是系统性的信息差和方法论的差距。我接触过大量双非选手：他们中的很多人技术能力并不弱，但在求职竞争中屡屡败给能力相当甚至更弱的名校生。原因往往不是面试表现，而是在面试之前就输了——简历筛选、内推渠道、赛道选择，这三个地方双非选手要么没意识到，要么走了错误的路。✨破局一：内推渠道，你可能没用对双非选手最应该走的渠道是内推，而大多数人却在官网海投浪费时间。内推渠道的三个来源：第一，牛客网——找到目标公司、目标岗位的内推码，联系时附上你的简历摘要（3到5行核心信息）和一句说明你为什么适合这个岗位的话；第二，领英——搜索目标公司的在职员工发送连接申请，很多在职员工有内推奖金激励，他们主动愿意帮你；第三，校友网络——每一所学校都有进入大厂的校友，他们因为情感纽带更愿意帮助同校学弟学妹。一个真实数据：同等简历质量下，走内推渠道的简历通过初筛率约为直投的3到5倍。这个倍数足以抵消双非学历带来的劣势。🎈破局二：简历改写，让经历开口说话双非选手的简历普遍存在一个问题：有东西，但不会写。改写前：“参与开发了一个在线考试平台，负责后端接口开发，使用Spring Boot和MySQL，完成了用户管理和题目管理模块。”改写后：“参与开发一个面向1000+用户的在线考试平台（团队3人，我主导后端）。针对高并发考试场景，设计了基于Redis的考试状态缓存方案，将并发用户数从200提升至1500+，接口响应时间从平均800ms降至120ms。同时通过MySQL索引优化减少了60%的慢查询。”改写后的版本有：团队规模、个人贡献比重、具体技术方案、可量化的性能提升数据。这四个要素才能让面试官感受到你的能力。如果你的项目真的比较简单，数据有限，可以通过比较来体现进步：绝对数字不大不要紧，相对提升幅度同样有说服力。🤳破局三：反向选择赛道，避开红海这可能是这篇文章里最重要的一点。很多双非选手陷入Java后端内卷的死局——Java赛道竞争者最多，双非学历在这条赛道上处于劣势最明显。2026年春招数据显示，以下几个方向供需比相对更友好：Go/Rust后端，大量云计算公司需要Go工程师，市场上有经验的Go工程师供给远少于Java，学历维度的筛选更宽松；全栈开发（Node.js+React），中小型互联网公司大量需要，竞争不如纯后端激烈；数据工程（Flink、Spark），需求稳定，技能门槛偏高导致供给有限；Android/iOS移动开发，近两年移动开发人才供给减少，但需求依然稳定。赛道选择是双非选手最容易被忽视的策略。在竞争对手最少的地方展示你的能力，胜率会高得多。👀破局四：项目加分项，让简历更有竞争力如果你没有大厂实习，也没有顶级竞赛成绩，三个方向可以快速补足：第一，开源贡献。在GitHub上为活跃项目提交PR，找标注了“good first issue”的问题。哪怕只有一个小PR被合并，写进简历的价值远超“学习过XXX框架”。第二，技术博客。在掘金、知乎上发布3到5篇有深度的技术文章（不要是入门级别的），把博客链接放在简历个人信息区，面试官如果点进去看了，你已经有了一定优势。第三，竞赛和资质证书。参加天池大数据、Kaggle等技术竞赛，或者考取AWS认证、谷歌云认证，这些能在一定程度上弥补学历标签的劣势。最后说一句让你宽心的话我遇到过太多双非选手，他们在求职路上走弯路不是因为能力不够，而是因为信息差。大厂不是只招985的，很多一线团队的面试官根本不看学历，他们看的是你在面试过程中能不能解决问题，是否有思考深度，能否快速学习。学历是门槛，不是上限。用对方法，把精力放在内推渠道、简历改写、赛道选择这三件事上，你会发现双非和985之间的距离，比你想象的近得多。

线下面试感受很好面试官很尊重人！主要是项目和一些基础八股1.自我介绍，细讲一个项目2.java集合（hashmap,set,list）3.string,stringbuilder,stringbuffer4.线程池，线程创建，线程内存泄露5.反射机制6.进去转安卓的话怎么学习7.职业规划反问：业务部门和业务介绍隔十分钟hr面，清明后出结果

一、自我介绍 / 岗位匹配 / 方向选择1.请做一下自我介绍。2.你之前主要投的是后台岗位，为什么后来转向客户端？3.你说自己和后台岗位匹配度不高，主要差在哪些方面？4.你对移动客户端开发岗位是怎么理解的？5.你为什么会考虑客户端 / SDK / AI 应用这些方向？二、实习项目整体理解：端侧特征平台做什么6.你在字节这段实习主要做了什么？7.你们这个 SDK 的定位是什么？是跨端的吗？8.你们这套东西更像 APM、数据采集，还是特征处理平台？9.你对这套业务在线上产品里的完整流程理解到什么程度？10.原始事件是怎么转成特征，并最终被业务方使用的？三、本地数据库 / SQL / 特征查询链路11.你们端上的数据是怎么存的？为什么用本地数据库？12.这个数据库用的是什么？它是普通数据库，还是有针对性能做特殊设计？13.你看到过哪些查询 / SQL 优化相关的内容？14.你做的 SQL 复用优化，本质上是在优化什么问题？四、设备特征缓存优化：设计、指标、并发问题15.你讲一下设备特征缓存优化这个需求的背景和方案。16.为什么会想到做 2s / 10s / 90s 这样的分层缓存？这些数值是怎么定的？17.你这个缓存是怎么检查过期、怎么更新的？18.这套缓存是你们第一次上线的吗？19.最终的优化收益是怎么测出来的？30%、Android 4.8%、iOS 2.5% 分别代表什么？20.你这里用到的智能指针和 concurrent hash map，线程安全和内存安全是怎么理解的？21.如果缓存瞬间失效，又来了很多并发请求，会不会出现类似缓存击穿的问题？你怎么处理？22.如果让你继续优化这套缓存，你觉得还能怎么做？五、特征 SQL 结果缓存 / 事件驱动失效 / TTL23.你说的特征 SQL 复用具体是怎么做的？24.所谓 SQL 签名化是什么意思，为什么要这么做？25.这个查询结果缓存的 key 和 value 分别是什么？26.查询结果缓存怎么判断是否还能复用？27.事件驱动失效机制具体是什么？为什么事件变了缓存就会失效？28.你这里有两个 TTL：设备特征缓存 TTL 和特征查询缓存 TTL，它们分别是怎么设计的？29.后期你提到不是直接删缓存，而是把最新结果插入缓存，这个思路具体是什么？30.这里有没有用队列或者别的方式维护事件变更？六、实习中的挑战 / 自动化测试 / MCP & Agent 生成用例31.这段实习里你遇到过最大的挑战是什么？32.这个需求是你一个人做的吗，还是 mentor 带着推进的？33.你提到自动化测试用例，这块具体做了什么？34.这些测试用例属于什么级别，是接口测试、单元测试，还是别的？35.你做的 MCP / Agent 自动补全测试用例，大致思路是什么？36.如果测试失败了，你们后续有没有自动分析、自动修复，还是主要人工处理？七、AI Coding：工具使用、代码占比、主要问题37.你现在 AI 用得多吗？平时会付费用哪些工具？38.你在项目里手写代码和 AI 生成代码的比例大概是多少？39.你主要用什么 AI coding 工具？40.你觉得 AI 写代码最大的优点和最大的问题分别是什么？41.如果 AI 生成的代码不符合你的预期，你一般怎么改进？八、多 Agent 项目：设计、评估、稳定性42.你这个 AI 投资分析系统整体是怎么设计的？43.多 Agent 的分工和整体执行流程是什么？44.你是一步步确认它生成的内容，还是一次性让它完成？45.你怎么判断一个 Agent 是否满足你的预期？46.Agent 和 Agent 之间通信的数据格式是谁定义的？47.多次运行的时候，Agent 之间输出的格式和结果能保持一致吗？48.如果模型不按你定义的格式输出，你会怎么优化？49.你这里 prompt、rule、skill 分别用在什么地方？九、上下文窗口 / 滑动窗口 / 记忆管理50.你高并发 AI 聊天系统里提到的“滑动窗口”具体是怎么做的？51.为什么要做这个滑动窗口？它解决了什么问题？52.这个窗口的 size、起点和终点是怎么定的？53.你怎么判断哪些上下文该保留，哪些该裁掉？54.你这个设计是不是严格来说不算真正的滑动窗口？55.如果让你重新设计这块上下文管理，你会怎么优化？十、C++ / 网络库 / 并发框架56.你这个高并发 AI 聊天系统里的网络库，是自己写的还是现成的？57.你给我讲一下这个网络框架的整体设计。58.epoll 在这里起到了什么作用？59.你的线程池是怎么设计的，为什么要动态扩容 / 缩容？60.你的网络库里，最核心的几个组件和职责分别是什么？十一、弱网排查 / 网络链路 / 协议优化61.如果用户反馈“很卡”，你怎么判断到底是不是弱网问题？62.如果线上只能看到网络日志，你会重点看哪些指标来排查？63.从输入网址到页面加载完成，整个网络链路里会经过哪些步骤？64.DNS、TCP 建连、资源下载这些环节分别可能出什么问题？65.如果 DNS 慢或者查不到，有什么优化思路？66.如果服务端响应慢或者 TCP 层有问题，你会怎么排查？67.对于弱网场景，有没有一些客户端侧的兜底优化手段？68.你了解哪些协议层面的优化，比如多路复用、QUIC 之类的吗？算法题：滑动窗口最大值面了一个半小时，面试官整体比较和蔼，不追问。转面客户端整体强度还是小了很多，不管了，现在能赚几年钱赚几年，有了AI以后哪个方向都是危机了，还是争取拿个好背书吧