面试复盘 | 华为云Java一二主管面面经(已泡池子)

一面  时间:9.16   形式:WeMeeting  时长:50min

1.自我介绍
2.实验室项目介绍
3.使用了Spring Boot,那为什么还要单独部署Tomcat?
4.Spring MVC和Spring Boot有什么区别?
5.Spring Boot常用的注解有哪些?
6.Spring Boot和MyBaits这种组合,在后端数据库新建接口类的时候会用什么注解?
7.每个数据表有一个接口类,接口类和MyBaits的xml是怎么映射起来的?
8.接口类中有两个同名的方法,但是参数不一样,能否这样定义?
9.查询系统下有多少个盘的Linux命令?
10.过滤某个目下(该目录下只有文件)含有某个字符串的文件的Linux命令?
11.有一个目录,目录里面可能会嵌套目录,过滤含有某个字符串的文件的Linux命令?
12.如何配置一个网卡的IP?
13.栈和队列的区别以及常用的方法有哪些?
14.跟字符串相关的类以及区别?
15.如何实现字符串翻转?刚开始说了一个实现方法,面试官追问有没有相关的API?
16.String常量池?Java做常量池的目的是什么?
17.接口和抽象类的区别?
18.有哪些方法可以将一个类设计成不能被继承的?
19.复盘笔试题目(9.8机试),复盘了第一道题目,主要讲解了一下自己的思路
20.算法题:一颗二叉树,节点的值为0-25,分别映射成字符a-z,求叶子节点到根节点路径组成的字符串中字典序最小的字符串是哪个?
21.反问


二面  时间:9.17   形式:WeMeeting  时长:50min

1.自我介绍
2.项目介绍
3.线程安全的集合类有哪些?线程不安全的集合类如何去保证线程安全?
4.项目中用到过锁没?
5.项目功能介绍?遇到的比较难的问题以及是如何解决的?
6.算法题:同花顺,有一个字符串是数组,有5个元素,每个元素有字符和数字组成,字符是A, B,C,D这种,例如A1,A2,A3,A4,A5是一个同花顺,A1,A2,C3,A4,A5就不是同花顺,如果有0,代表大小王,大小王可以变成任意牌,C1,C2,C3,0,C5这种也是同花顺
7.数据库索引的数据结构?
8.索引失效的情况有哪些?
9.慢SQL查询分析?

主管面  时间:9.30   形式:WeMeeting  时长:25min

1.自我介绍
2.项目论文,项目和论文难点和创新点,遇到的问题以及如何解决
3.如何学习编程知识的,自己的技术栈还有哪些欠缺?
4.编程题刷了多少道?
5.有没有参加过什么社团?社团经历给你带来了什么?
6.如何看待华为的艰苦奋斗和自我批判精神?
7.反问

总结:一面的时候框架和Linux问的比较多,同时也有一些基础知识,问题比较灵活,都是给到一个场景让思考,答的还行。二面的时候问了点项目和基础知识,算法题因为自己处理有点问题,耽误了点时间,但是好在最后做出来了。主管面就没再聊技术问题了,都是一些常规的问题,总的来说面试体验很棒,面试官态度都很好,不会的问题会加以引导,尤其是一面面试官,特别nice,遇到的主管也很好,笑嘻嘻的,完全没有架子,目前是所有面试均已完成,进入池子等待开奖。

#面试复盘##面试题目##华为#
全部评论
楼主拿到offer了么
1 回复 分享
发布于 2022-03-03 07:40
楼主当时面的是哪个部门啊
点赞 回复 分享
发布于 2022-08-24 14:35 浙江
请问写代码题的话,是在本地IDE写吗?
点赞 回复 分享
发布于 2022-04-13 18:19
请问华为主管面通过了就一定能收到offer吗?楼主大概等了多久呀?
点赞 回复 分享
发布于 2021-11-11 19:27
“Spring Boot和MyBaits这种组合,在后端数据库新建接口类的时候会用什么注解?”是@Repository嘛
点赞 回复 分享
发布于 2021-10-05 17:46

相关推荐

在AI Agent的设计中,意图识别是自然语言理解(NLU)的核心环节,直接影响用户体验和业务目标达成。作为AI产品经理,需从业务场景、技术实现和用户体验三个维度系统设计意图识别方案1. 明确业务需求与意图分类体系- 场景拆解:根据Agent的应用场景(如客服、智能家居、电商导购)梳理高频用户诉求。例如:- 客服场景:咨询、投诉、退款、查询进度等- 智能音箱:播放音乐、设置闹钟、控制设备- 意图分层设计:采用树状结构(主意图→子意图→槽位),避免分类粒度混乱。例如:主意图:订机票├─子意图:查询航班(槽位:出发地、目的地、日期)└─子意图:改签机票(槽位:订单号、新日期)- 兜底策略:设计"未知意图"分类,结合澄清话术(如“您是想查询订单还是联系客服?”)或转人工流程。2. 数据驱动的模型构建- 数据采集与标注:- 通过用户历史对话、搜索日志等获取真实语料。- 标注时需注意同义表达覆盖(如“帮我订票”和“买张去北京的机票”)。- 技术选型方案:- 规则引擎(正则表达式、关键词):冷启动阶段/高确定性场景(如命令词)- 深度学习(BERT、TextCNN):复杂语义场景- 大模型微调(Few-shot Learning):长尾意图识别- 多模型融合:规则兜底+模型预测,例如先用规则处理高频意图,剩余流量走模型。3. 用户体验闭环设计- 容错机制:- 置信度阈值设置(如低于0.7时触发澄清)- 上下文继承(用户说“换一个时间”时继承前文航班查询意图)- 效果评估指标:- 技术指标:准确率、召回率、F1值- 业务指标:任务完成率、转人工率、单次对话解决率(FCR)- 用户感知:用户主动纠正次数、满意度调研- 持续迭代闭环:- 建立bad case分析流程,将误识别样本反馈至标注池- 监控意图分布变化(如新增促销活动可能引发未覆盖的咨询意图)的         
点赞 评论 收藏
分享
评论
11
45
分享

创作者周榜

更多
牛客网
牛客企业服务