得物-云原生ai平台-一面 凉经

4.15 刚面完 回忆版

  1. 问开源经历
  2. k8s 的 pod 和 containerd 区别
  3. 如何查看 cpu负载 (我讲了 top,然后追问什么是负载)
  4. 进程和线程的区别
  5. Tcp 和 udp的区别
  6. Go 语言 slice 和 数组的区别
  7. vibe coding经验(我讲了 cc+openspec+sp)
  8. 追问 具体接受一个项目的任务时,如何做的
  9. openspec和sp的区别
  10. 问个人项目,只是跑起来了,还是做过评估
  11. 反问:业务和面试表现不足(面试官很委婉的说:整体表现很好,硬要说一点。。。)

面了 20分钟

面试官很好,我啥都不知道,说不知道没关系

全部评论
你这问的也不多,感觉你需要好好复盘下
1 回复 分享
发布于 04-18 14:58 陕西
感觉这个问的还行啊
1 回复 分享
发布于 04-16 18:55 北京
多久出的结果呀
点赞 回复 分享
发布于 04-28 13:22 北京
暑期吗佬
点赞 回复 分享
发布于 04-17 17:35 安徽
这是结合业务面的八股吗
点赞 回复 分享
发布于 04-16 23:17 辽宁

相关推荐

面试了陌陌的k8s研发工程师岗位,不管是面试过程,还是技术广度深度,总体感觉还是很专业的,沟通过程比较流畅,面试官会以交流的方式提问,卡顿的地方进行会适当的引导,面试完hr通知和约后续面试也挺快的,基本上几个小时后hr会联系给反馈。一共4轮面试,2轮技术面,1轮业务面,1轮hr面,下面整理了下整体面试的问题:第一轮技术面试,差不多50分钟,面试官应该是部门小组负责人,先自我介绍到聊项目,我之前主要做容器云平台相关开发的,从项目延伸到k8s和go的相关知识;1. 自我介绍+项目介绍(pass平台、自定义控制器、servicemesh平台、devops平台),基于项目问了一些功能实现和细节;2. k8s主要问了一些基础问题,具体记不全了,如:pod多个container的启动顺序;crd编写规范(matedata、spec、status)自定义控制器实现机制(控制器启动流程、informer机制、watch断点续传和resync机制),reconcile的实现细节和注意事项(workqueue的去重和重试机制);自定义调度器实现的方式;3. go问了一些基础问题,数组切片、map等;4. 最后一道代码题,多个gorountine并发处理任务。第二轮技术面试,差不多快1个小时,面试官应该是技术leader,提问的方式挺有水平的,交流的问题比较基础细致并且挺有深度的,有些平时常见但是容易忽略的地方,需要对k8s实践和源码有足够的熟悉程度。1. 自我介绍+项目介绍,基于项目细节延伸到的问题如下;2. kubelet的作用、pod创建的流程;3. 常用的几种operator脚手架工具,如kubebuilder、code-generator等,区别是什么?为什么选择其中的一种?4. deployment滚动更新,更新过程和配置,deployment controller根据pod哪些信息判断pod已经ready(pod的status.conditions信息),如何暂停滚动更新;5. 灰度发布实现方式:①只用1个deployment,多个pod,通过暂停滚动更新实现,需要通过暂停更新进行精确的pod数量控制;②基于服务网格istio实现,2个deployment+virtualservice+destinationrule6. operator原理(informer、watch机制等),reconcile处理细节,如何保证最终一致性和幂等性(workqueue去重机制、延迟重试机制、crd spec对比、status判断等);7. operator高可用如何实现(lease),无主或者双主情况如何解决,k8s lease资源和etcd的lease机制的区别;8. apiserver自定义准入控制,可以实现什么功能(认证、鉴权、准入控制(cidecar注入、集群资源信息校验)),准入控制webhook https证书配置,超时处理等;第三轮业务面试,45分钟左右,应该是整个部门的负责人,主要是过项目,感觉主要是查看沟通能力,基于项目中涉及到的核心技术operator、servicemesh等问了一些架构和核心机制如,如何保证reconcile幂等性、operator高可用、istio架构等;第四轮hr面试,就是一些常见的问题了
查看15道真题和解析
点赞 评论 收藏
分享
05-12 10:10
已编辑
门头沟学院 人工智能
写这篇之前我犹豫了挺久。一方面是怕被人骂,"又一个收割焦虑的转行帖";另一方面是看了太多用 GPT 套娃出来的「学习路线」文章,AI 味重得让人没法读完。所以这篇全是亲身踩过的坑,时间线、用过的项目、当时的心路全都尽量原样写出来。如果你是大学生在迷茫要不要转 AI,或者已经在转的路上,希望能给点参考。 一个反共识的开场:你以为进 OpenAI 的人都是博士? 先讲个故事,跟我没关系,但跟所有想转 AI 的人都有关系。 OpenAI 的 Sora 团队(就是搞文生视频那个)一共 13 个人。这里面有两个人特别有意思: Will DePue,密歇根大学计算机系,直接辍学了。17...
_hengheng:我也本,也算是做ai相关,我最开始感觉做ai工程师有多么多么困难,后来发现懂了原理后整体训练完全可以看成一个流程化的内容,开源方案太多了,大多基本都是按着模子在自家业务上做各种操作,就算是大厂的小部门也没那么多资源去训基模,反而更多的是像怎么把技术往业务方向靠近了,不过当前时代如果本科学历没那么好加上自己执行力不是特别强还真不建议走ai工程师这条路,可以试试其他ai的偏业务方向,不然校招不太好杀出来
如何成为1个AI工程师?
点赞 评论 收藏
分享
评论
2
2
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