想着先投中小厂熟悉一下面试流程，练练手，但是中小厂要不就是不理我，要不就是一看不靠谱的厂推流程或者回复我，直接投大厂也不太敢，小小投了两个大厂但还是在初筛，原来面试这么珍贵的哇大家都是咋约的面，看牛客上感觉一堆约上面的，只能边准备边等面试

一面自我介绍实习介绍仿分布式事务分布式事务中间件接口幂等性traceId是怎么生成的，你是怎么保证traceId唯一的雪花算法能保证同个时间戳下id唯一吗？雪花算法+redis双id如果是moka这种招聘软件他是基于什么字段来分库分表的除了负载均衡，一致性哈希比这个哈希算法还有什么优势吗深分页多用户场景数据推送存在的oomsql优化那 Mysql 的索引是什么样的数据结构呢？它为什么会能够加快查询？数据结构是什么样的？数据结构b +树的一个叶子节点有多大？索引失效。有哪些场景？你刚刚提到的这个 between 之类的是有这么一个场景的，比如说我确实就要查询创建时间是从 25 年9月到 10 月...

今天主要还是走“广撒网”路线，投了几家互联网和软件公司，岗位基本都是后端/Java相关的。大厂和中小厂都会看看，只要方向合适就先投着试试，先积累面试机会，再慢慢筛选合适的。

1. 写一下 attention 公式，代码实现一下attention 的公式是：计算过程就是三步：先算 (Q) 和 (K) 的相似度分数，再做缩放，然后过 softmax 得到权重，最后用这个权重对 (V) 加权求和。 import numpy as np def softmax(x): x = x - np.max(x, axis=-1, keepdims=True) exp_x = np.exp(x) return exp_x / np.sum(exp_x, axis=-1, keepdims=True) def attention(Q, K, V): dk = Q.shape[-1] ...