滴滴一面面经

2025年10月14日 滴滴一面

全程45分钟,无手撕。

  1. 介绍一下你的项目。
  2. 抢购场景下会面临高并发问题,你是如何处理并发的?
  3. 如果系统每秒最多处理10个请求,但秒杀瞬间来了300个请求,你会如何设计系统来应对?
  4. 在这种高并发秒杀场景下,如何避免超卖或少卖的问题?
  5. 接口限流有哪些常见的策略或算法?
  6. 热点数据既有查询又有更新,如何保证 Redis 缓存与数据库的一致性?
  7. 请讲讲 ThreadLocal 的原理,以及使用时需要注意的问题(比如内存泄漏)。
  8. 在项目中是否遇到过 SQL 查询性能问题?如何排查和优化慢查询?
  9. 使用 EXPLAIN 分析 SQL 时,你主要关注哪些字段或指标?
  10. 有一个表包含字段 id(int)、name(varchar)、age(int),在 age 上建了索引。如果执行 SELECT * FROM table WHERE age = "20"(字符串),是否会走索引?为什么?
  11. 如果字段是 varchar 类型,但查询条件传的是整数 20,会不会走索引?
  12. 如果发现服务整体响应变慢,你的排查思路是什么?
  13. MySQL 的事务隔离级别有哪些?各自解决了什么问题?
  14. 请简单介绍一下 MySQL 的 MVCC 机制。
  15. 在默认隔离级别(可重复读)下,事务 T1 先查询表中满足 A=1 的记录(结果为1条),此时事务 T2 插入一条新的 A=1 记录并提交,T1 再次查询 A=1,结果会是多少?为什么?
  16. InnoDB 的 MVCC 能解决幻读问题吗?
全部评论
项目回答的咋样?redis和mysql比较多问题
点赞 回复 分享
发布于 10-15 14:22 广东
没问实习吗
点赞 回复 分享
发布于 10-14 18:19 浙江
瓜大uu 我也面滴滴同部门
点赞 回复 分享
发布于 10-14 15:56 北京

相关推荐

1. 手撕 合并区间2. 八股1)请介绍 Transformer 的结构组成及各部分作用,在长序列时空数据中,2)如何降低 Transformer 的计算复杂度?常见的稀疏注意力变体有哪些?3)GNN的消息传递机制是怎样的?在时空图中,如何结合时间信息编码节点特征?你接触过哪些时空 GNN 模型?4)LoRA微调的原理是什么?秩 r 的选择会对模型表现产生什么影响?5)RAG的完整流程,在时空出行数据场景里,构建向量检索库时如何处理时间衰减对召回的影响?6)强化学习在 Agent 优化中的应用,结合出行推荐 Agent,你会如何设计 Reward 函数?3. 项目1)微调时的训练数据是怎么构建的?如何保证样本多样性和质量?2)在 RAG+时空知识图谱的 Agent 系统中,知识图谱更新的机制是怎样的?是怎样保证实时性的?3)在大规模轨迹数据下是怎么做负采样(Negative Sampling)的?4)训练 LoRA 模型时,你是如何选择冻结层的?依据是什么?5)在高并发查询 Agent 系统中,你会如何优化召回和生成阶段的延迟?4. 开放题1)大规模 Agent 系统在多线程/多进程场景下的资源调度策略如何设计?2)如果你要在 GPU 资源有限的条件下同时提供推理和微调服务,如何做资源分配和任务调度以保证时延和吞吐?
查看14道真题和解析
点赞 评论 收藏
分享
评论
3
42
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务