一、项目与实习经历1.你先做个自我介绍。2.你能详细介绍一下你在字节跳动做的项目吗？二、AI Coding 题：配置驱动的 HTTP 路由转发题目：实现一个通过配置文件管理的HTTP接口路由转发功能，需满足：基础功能•支持 YAML/JSON 配置文件定义路由规则（路径、方法、目标服务）•实现 HTTP/HTTPS 请求转发•处理路径通配符（如 /api/*）进阶能力•配置热加载（修改文件不重启服务）•负载均衡（轮询/随机两种策略）•请求超时控制与重试机制生产级要求•大文件传输时内存占用 < 50MB（流式转发）•可读的错误码体系（如 404、502）•输出审计日志（路径、目标 IP、状态码、耗时）交付要求•可运行代码 + 配置示例•通过三个测试场景：热加载、重试、100MB 文件传输10.你先看一下这个题目，然后说一下你的理解，以及你打算怎么处理、整体思路是什么。11.你对这里“负载均衡”这一块是怎么理解的？12.热加载这个功能，你觉得一般应该怎么做？13.你刚才提到定时轮询配置，那这个轮询一般隔多久比较合适？14.你说到实习里也有类似的动态配置更新？对应的机制大概是什么？15.这个接口转发里，你理解的“目标服务”是什么？16.如果目标服务不只是 HTTP，也可能是 RPC，那你觉得这里还需要考虑什么？17.这个生成出来的代码里，配置和接口的匹配方式是什么？18.你希望这个配置文件的更新机制是什么样的？19.如果手动修改配置文件出了问题，比如 JSON 不合法，你觉得系统应该怎么处理？________________________________________三、设备特征缓存优化 / 特征 SQL 优化20.你刚才提到设备特征缓存优化，在你优化之前，这块有缓存机制吗？21.你刚才说每次要调适配器，这里调用适配器主要是为了获取什么？22.是因为这个接口耗时比较长，所以你们才考虑加缓存，是吗？23.如果设备特征对准确性要求不是特别高，那为什么适合做缓存？24.这块缓存机制上线之后，大概优化了多少？25.你刚才提到用了并发相关的开发，比如 concurrent hash map 这些，这块你了解多少？26.如果涉及多线程开发，你大概了解哪些线程相关的工具？________________________________________四、线程 / 系统能力 / 开放题27.如果一台 8G 内存的机器，你觉得大概能创建多少个线程？28.如果不要求你给具体数字，那你觉得估算“最多能创建多少线程”时，需要考虑哪些因素？________________________________________五、SQL 复用优化29.你第二点提到 SQL 复用优化，这一块能简单介绍一下你做的工作吗？30.你这里提到“将时间窗口不同的查询归定为同类请求”，这个怎么理解？31.你们是不是把某个时间范围内的 SQL 放在一起统一去请求？________________________________________六、滑动窗口消息去重（开放题）32.如果你的系统接收外部消息，并且希望在一个滑动时间窗口内对消息做去重，这个功能如果交给你，你会怎么做？33.假设你的服务有多台机器共同消费同一个上游消息源，在这种分布式场景下，滑动窗口内的消息去重你会怎么设计？34.如果你想到加一个共享中间件，那这个共享中间件应该怎么设计？35.这个去重逻辑你具体会怎么实现？

各位大佬，暑期实习offer怎么选，请多多在评论区指点一下1.字节，国际支付2.千问c端，夸克广告投流3.阿里控股，数据中台做Data agent4.京东零售，平台产研国际物流

1.面试官业务介绍5-10min，然后说岗位跟面试邀约的可能不一样2.看你简历投大模型岗位，这边是后端岗多些，和统计更多，基础也比较重要3.反问ai结合场景这里莫名其妙的说了下，未来ai业务场景的的发展，最近看裁员帖子之类的面：像工程项目会被替代很多，像统计和类似于这种，系统验证还好些4.手撕回溯 子集输入调错5.有看过限流算法吗；手撕 令牌通限流服务端 伪代码，加并发控制，加乒乓球式限流，还是流式限流；5.1 怎么记录每个getToken()方法入参的lasttime构造器5.2 怎么控制乒乓球式还是流式5.3  refillToken方法要传什么参5.4 gettoken 没有写currentToken --5.5 now - last 时，单位是 s、ms 还是 μs？用户体量比较大，百万的时候怎么考虑int 会强转为 0”，时间戳溢出 + 精度丢失问题。核心问题二：浮点数精度丢失与性能损耗me：基础有待提升面：思路还可以，细节有待提升，还是细节注意6.反问to B to C业务ai答案：如果是流式控制：我关注的是平均速率。我会利用令牌桶算法，重点调节 refillRate（补充速率）。无论请求是突发还是连续，我都会把它们看作连续的数据流，只要桶里有令牌就放行，主要用于防止下游被大流量冲垮。如果是乒乓球式控制：我关注的是交互的同步性。这通常用于对延迟敏感或需要严格顺序的场景。我会通过信号量（Semaphore）或者容量为1的令牌桶来实现。核心逻辑是：必须收到上一个响应（回球），才释放下一个请求的令牌（发球）。所以，在代码里，我是通过选择限流原语（是用单纯的令牌桶，还是用信号量/状态机）来控制这两种模式的。”

一、当前进展字节跳动-- 接offer了，我是宇宙厂孝子（点名表扬，流程又快【从hr捞人到oc 10天】，面试官又和善，hr也很好，非常有活人感！！）三、已投递（待筛选 / 无回应）包括但不限于：网易雷火、虎牙、东方财富、中兴、搜狐、睿联、腾讯云、携程、滴滴、华为、Capgemini、腾讯、小米、联想（等127+ 都没有任何动作）整体体感：大厂简历筛选周期长 + HC 不稳定，无回应是常态。四、未通过（部分）一面挂：阿里国际（全在讲ai，没有一点关于UX）盒马 (2个面试官压力面)龙湖 （第一次面试，完全不知道该说什么）二面挂：同花顺（我非常感谢同花顺的二面面试官，告诉了我我到底为什么一直过不了面试，根据他的指导我学到了很多）简历挂：HSBC，小米，华为 等其他：Method、Pendo、Revolut、Trainline 等海外岗位五、主动放弃Canonical（忘记了）美团（时间冲突）海康威视（方向不匹配）安克创新 （拿到offer后才来的）米哈游（流程太慢了，一面后自己放弃）阿里云（我是宇宙厂孝子）六、整体数据总投递：约 200 家有实质面试：7 场进入终面：2（字节，阿里）已挂：120七、一些复盘（重点）打穿一条线 > 广撒网200 家里只有字节走到终面。资源有限时，把最有希望的机会打透，比同时维护多条线更有效。AI 项目基本成为门槛多场面试中被明确反馈“项目偏传统”。有实际 AI 产品 / 工具设计经验，明显更有竞争力。表达习惯必须刻意训练某些口头表达问题在多场面试反复出现。不做预设替换，是很难现场改掉的。项目叙事必须统一同一个项目讲出多个版本，会直接影响可信度。面试前一定要统一“最优版本”。海外 + 国内并行性成本时差（伦敦 凌晨2–4 点面试）对状态影响很大，