金蝶总部第三批

1. 深入讲讲你项目中遇到的最复杂的技术问题，如何解决的？参考答案：我在做电商系统时，遇到过一个分布式事务的问题。场景是用户下单时，需要同时操作订单服务（创建订单）、库存服务（扣减库存）、积分服务（扣减积分）三个服务。如果其中一个服务失败，其他服务需要回滚，保证数据一致性。最初我使用了两阶段提交（2PC）方案，但发现性能很差，而且存在单点故障问题。协调者挂掉后，所有参与者会一直阻塞等待。后来改用了Seata的AT模式，它是一种改进的2PC，通过拦截SQL自动生成回滚日志，性能和可用性都有提升。但在高并发场景下，Seata的全局锁机制导致性能瓶颈。最终我采用了基于消息队列的最终一致性方案。下单时...

备战考研结果直接下岸，现在赶着来春招，结果简历投出去就石沉大海，大家能帮我看看，给我点修改经验吗😭😭😭

前言近一年，大数据面试的风向正在发生明显变化。过去，面试官更关注：数仓分层怎么设计？指标体系如何构建？Spark 调优怎么做的？而现在，越来越多的面试开始追问：你有没有做过 AI 相关项目？LLM 在数据场景中如何落地？RAG 是怎么设计的？AI 不再是「加分项」，而是逐渐成为「基础能力」。但问题是 很多人所谓的 AI 项目，只停留在：调个 API写个简单问答 Demo这在企业级场景里，是远远不够的。真正有含金量的 AI 项目，必须要解决真实业务问题，并具备：检索增强（RAG）落地能力LLM 语义理解与 Prompt 设计能力工程化架构能力（可扩展、可复用、可维护）而在我们当前的数据仓库体系中...