接着上回讲，这几篇秋招的朋友们可以看看，现在假如面试问到你可以吹吹牛。机器学习属于计算机或人工智能研究生的必修课，有些学校也开这个课，不过本科教育大伙懂的都懂，我明确可以说我自己学校教的没我自己教的好，我自己学的比他讲的细致多了，NLP任务：这里是重头戏了，已经有transformer架构了能替代RNN了。Transformer架构：现在NLP风头最盛，最好用的就算transformer了。这个东西也是后面出来的，为什么替代RNN，原因是提出了自注意力机制。然后比RNN快的多（解决了并行计算问题，这也是为什么现在能看到多卡并行计算的原因，10年前根本难以实现。）这个东西我要讲的细致些，这个架构...

1. 自我介绍2. 深挖项目3. 你的 dwd 层，dwm 层，ads 层是怎么确定的4. 你说你对离线整个链路的建设很了解，那你说说你如何开发整个离线链路5. spark 内存模型了解吗6. 抢占内存是个什么机制？7. spark 内存方面的调优说一下8. 你说 CPU executor 内存比例是 144，为什么是这个比例？9. spark 的 join 方式有哪些？10. spark 1 个 CPU 核心只处理一个 task 吗？11. soft merge join 的机制是什么？12. spark 大表关联小表的时候，小表，是怎么广播表到内存中的？13. spark 广播的小表储存在哪里？14. 广播的小表又是怎么取出计算的？15. 两道 sql，topN 和连续登录反问：1.组织架构2.喜欢什么样的人才3.工作强度如何大约45min感觉要凉，特意在面前看了spark的内存模型，以为自己基本上懂了，结果被狂问到不会

在InnoDB引擎中，表空间由段（segment），区（extent），页（page），行（row）组成，他们之间的关系是：一个段由多个区组成，一个区由多个页组成，一个页由多个行组成行：数据库表中的记录都是按照行来存储的，根据不同的引擎，有不同的存储结构页：在读取数据的时候，是按照页为单位进行读取的，并不以行读取；一个页默认大小是16kb，也就是最多能保证16kb的连续存储；当我们客户端读取数据的时候，并不是把行数据读取，而是把该行所在的页全部读取到内存中；在这里，我们只需要知道数据读取的最小单位是页即可；区：在B+数中，每一层都是通过双向链表进行链接；在页的定义中，我们知道，一个页里面的数据...

1.自我介绍2.RoboMaster比赛打了几年？3.使用的是什么主控？4.主控的频率和什么相关联？5.指令周期和时钟周期的区别？6.内联函数的优缺点是什么？7.是否了解过结构体对齐？为什么需要对齐？8.项目中哪些地方使用到了DMA，DMA有什么作用？9.数组和链表的区别？10.systick中断为什么优先级是最低的？如果把systick中断拉到最高会发生什么？11.RTOS中，为了解决并发的问题，就是共享资源访问，一般怎么解决？（互斥锁）12.如果是为了避免中断影响，在任务里面屏蔽全局中断，会不会对RTOS心跳产生影响？13.你们今年比赛进步一般，你觉得有什么地方是做得不够好的？14.经典反问环节总结：问题基本回答对80%，但是结构体对齐和临界资源访问这部分回答得一般，作为今年秋招约面的第一家“大厂”，可能准备得不够充分，实习上班已经够累哩，还要pre面试，next one！