快手HR面挂

1.实习介绍2. 你刚才说全链路 10ms 内，这个“10ms”的统计口径具体是从哪到哪？是否包含撮合？如果不包含，柜台内处理和SDK 通信层各占多少？实际压测数据大概是怎么样的3. 说一个最近一次的容量上限：平峰 QPS、行情峰值 QPS、触顶现象是什么4. 为什么选Disruptor而不是LinkedBlockingQueue5.userId%128 做分片——如果用户写或者查很频繁倾斜怎么监测？当有三五个高频量化用户扎堆到同一分片，你们是怎么处理6.迁移前后的有序性怎么保证？7. 第一阶段和第二阶段双层 RingBuffer 的拆分依据是什么8.业务逻辑、持久化、推送为什么不放在一个阶段里用不同handler9.你们是事件源还是只是“事件日志 + 最终态”？RocksDB里存事件还是快照？快照生成策略是什么10.baseLog和RocksDB的边界点是什么？如果RocksDB 落地成功但baseLog→MySQL异步失败怎么办11. 说你们做的是真改单不是撤下重下。那由10个BTC调到11个时，增量冻结要做两阶段么，怎么做，撮合拒绝后怎么回滚呢12.市价改单vs限价改单的冻结口径什么区别？盘口估算失败时你们有保护系数吗？精度/最小变动价位校验放在第一阶段还是SDK前面13.改单失败场景列举一下？比如订单已撮合、深度变更、风控锁定、余额变化、系统切分片迁移中。每种失败的用户可感知到的行为和状态的回退分别是什么样的14. 你们那个柜台和撮合通信的SDK 的发送队列和接收队列是批量阈值触发，那批大小是静态还是自适应？峰值时批过大对尾延迟的影响怎么去抑制呢15.rokesDB 写放大/读放大/空间放大这些你们怎么权衡？用了哪些compaction 策略16. 压测时出现RocksDB 写吞吐低，你们改成128分片、8线程写8库？你们为什么要这么去分，依据是什么，128个分片会不会太多17. 统一账户上线前，你们老柜台如何兼容限额？母账户限额、币对限额、池子限额、档位限额的冻结时机分别是什么？新老系统共用/分开配置怎么保证一致呢18.自动借币/还币是Try/Confirm/Cancel 还是最终一致补偿？借币失败是不是要回滚下单

故事背景今天运维那边反馈有一个设备在后台查不到，我第一时间怀疑可能是数据出了问题，导致服务报错了没有入库。我拿着日志去本地请求接口，发现程序是没有报错的，我们的逻辑是先把唯一id放到redis里面，如果redis没有值就insert，有就update，做了一层缓存，估计是这样的话批量插入和更新数据库会快一点。然后我看redis是有值的，以为是redis和数据库数据不一致问题，我就把redis的key删了，重新再跑一下，结果打印了insert语句，但是没有插入到数据，看来事情并没有那么简单- -问题分析因为数据表很大，有5E+数据，我第一反应是mysql表数据量可能爆了，但是查了下好像没有太大限...

背景：女生 南方人 家里无助力 目前看中业务发展 base无所谓 未来应该会跳槽回南方或者春招在主投一下南方，可接受工作时长较长，但是不希望氛围压抑优先级：业务发展前景&跳槽难易&小组氛围＞薪资＞wlb麻烦各位佬们帮我以上优先级选一下offer以及理由，了解一些具体情况的也帮忙在下面评论一下，非常感谢！！！-------------------------------------------已意向：1.北京美团 - CLC基研 - 后端安全风控· 业务：全平台安全、风控、黑产对抗。· 优势：已开奖SP、校招培养体系完整。· 劣势：解约要明年三四月· 核心疑虑：风控技术方向是否太窄，影响未来跳槽？2.北京滴滴 - Food后端 - TOC交易· 业务：核心交易链路。· 优势：实习转正组内氛围好 leader mentor都很nice，业务熟悉· 劣势：主要写逻辑，基本不涉及底层数据库等使用，从mentor了解最近有新加内容有涉及一点· 状态：hr有保温，让其他开奖同步消息，待催Offer，应该能保底SP。-------------------------------------------流程走完泡池子中：· 得物 (上海?) - 国际电商后端：看off上薪资高，听说裁应届？其他不了解。· 华为 (东莞) - ICT公共开发-AI软开：在南方，但业务方向跳槽互联网可能不易。接头人说硕士14级· 作业帮 (北京) - 网课服务端涉及AI：风评一般。-------------------------------------------流程中的：· 拼多多 - 服务端：等三面，薪资可能很高，强度极大，部门未定。· 小红书 - 后端：面试中两个月，最近才约面· 金山办公 - AI-Agent：等复试。-------------------------------------------已挂：中兴软开终面报了期望薪资20k给不到调剂到未来领军无后续B站，一面完无后续快手二面完泡一个月挂京东一面挂（遇到的最无语面试官，回答的时候对着手机笑，讲完回一句好吧）；二进宫二面一周后挂（太晚了，感觉根本没有hc了）字节二面挂（面试官那出了问题发布不了算法题＝我写不出来）+一面挂（问了一些比较偏的八股底层，怪自己太菜了）顺丰科技约面拒大概投了叫的上名字的二十多家，阿里随便投了几家没反应。投的太晚腾讯一次没捞过，蚂蚁沿用暑期笔试直接挂，联想暑期没准备好拉了坨大的秋招直接挂，百度笔完就挂了，虾皮简历挂，其他的要么没反应，要么笔试完没后续九月初回学校准备秋招，线上实习工作结尾两周&笔试，大部分面试集中在十月。

一、引言如果你已经有过几轮面试经验，肯定会遇到过类似的问题。面试官会问你：“如果数据量特别大的时候，分页查询慢该怎么办？”我们都知道，数据库分页查询很常见，尤其是展示列表的功能，基本上每个系统都有。但是，如果你做过大流量、高并发的系统，就会知道，当数据量上来后，分页查询的性能问题真的是一大痛点。数据量小的时候，分页查询没问题，但是当表里有上千万条数据时，翻一翻第几页，查询就开始卡了，慢得让人想砸电脑。那面试官提这个问题的时候，肯定希望听到你对于分页查询慢的根本原因是什么，知道你是怎么解决这个问题的，以及分库分表后深度分页的问题该如何解决？所以，小北今天就用最简单的语言，带大家逐步分析这个问题，...