1.go代码判断问题，断言和slice方面的2.什么时候会触发panic，应对panic的机制3.Go 并发怎么实现？4.Go 的 map 有哪些使用注意？5.map 的顺序与“有序存取”？6.数组 vs 切片（slice）？7.切片如何扩容？8.channel 的理解（无缓冲 / 有缓冲差异）？9.并发下如何安全使用 map？10.sync.Map 的实现了解吗？11.你在项目中用过哪些存储？12.InnoDB 的锁与特性？13.InnoDB 的 COUNT(*) 与 MVCC？14.Redis 常见数据结构？15.Redis连续执行多个set和get会有什么问题16.如果进程内存占满了，怎么在代码层面追踪，怎么在linux查看17.进程端口号被占用了，怎么查看18.kafka幂等性19.全国 13 亿人口信息的存储与查询该如何设计？20.大量数据下缓存怎么做？21. 反问

腾讯内推来啦~ 热乎乎的内推码：EUTPZZRV  在腾讯，你将有机会参与颠覆性的科技项目，探索前沿技术，与最杰出的团队一起书写行业传奇。 分享一些面经： 第一轮技术面  闭包作用及实际应用场景 HTTP/1.1、HTTP/2、HTTP/3的核心差异 实现红绿灯控制效果（异步时序逻辑） React Hooks的设计动机与类组件对比 浏览器事件代理原理及实际应用 手写Promise核心逻辑（包含resolve/reject） 数组去重与高频字符统计算法 Web安全防护措施（XSS、CSRF） 浏览器渲染流程与重排/重绘优化 跨域解决方案（JSONP、CORS、代理）  第二轮技术面  低代码平台...

10.12日面试自我介绍，三个面试官，然后就是问问项目第二天发offer，A薪资不给A，英语口语比较烂，已释放。

从数据采集到智能招聘：Web Unlocker API 如何成为企业招聘的“数据底座”写在前面：在“金九银十”等招聘高峰期，用人企业、招聘平台与人力资源服务机构面临着前所未有的数据挑战。岗位更新频繁、同行动态难以及时监控、薪酬结构缺乏行业对标、优质人才甄别效率低下——每一次招聘决策都像在一片信息海洋中摸索。如何借助自动化和智能工具获取、分析海量人力资源数据，成为每一家企业决策团队、招聘平台及人力资源服务商的核心诉求。一、Web Unlocker：企业级“智能采集中枢”如果你写过数据采集的脚本，就一定体会过那种挫败感：脚本刚运行没多久，验证码就弹了出来；换了代理后不久，IP 又被封；目标网站结构...