2025.4.17一面1.自我介绍2.说一下实习3.说一下你的两个项目吧4.k8s有用过吗？对比 Docker 和 Kubernetes，K8s 管理的优势是什么？5.比较熟悉哪些数据库？关系型数据库和非关系型数据库的区别6.多进程、多线程和协程的区别是什么？为什么说 Python 中的多线程是‘假的’？7.了解过 Python 的装饰器吗？8.高可用和高并发分别在哪些典型场景会用到？如何处理？9.你对 AI 这块现在了解多少？反问========4.21二面算法部门负责人面无八股，纯问项目和实习这个就不展开说了大概25分钟。======第二天oc

双非本，已经投了四百多份简历了，一个面试也没有😭求大佬指点

在大数据处理的浪潮中，Apache Flink 无疑是当前最炙手可热的流式处理框架之一。它以低延迟、高吞吐量以及强大的容错能力，成为无数企业构建实时数据处理管道的首选工具。不管是实时日志分析、用户行为监控，还是金融交易的风控系统，Flink 都能游刃有余地应对海量数据的持续流入。然而，开发和维护一个高效的 Flink 程序绝非易事，尤其是在面对复杂的业务逻辑和动态变化的数据流时，调试和查看中间结果就显得尤为关键。想象一下，你辛辛苦苦写好了一套 Flink 程序，部署到集群上后却发现输出的结果和预期完全不符。数据丢失了？还是计算逻辑有偏差？又或者是某些算子在处理时遇到了瓶颈？这个时候，如果没有有...