得物前端 二面

继续来分享下之前的面经~欢迎友好讨论，信息共享1. 实习拷打2. 介绍一下项目内容3. 用户数据量和内容数据量，总共有多少特征，具体是大概有哪些特征，用户行为序列用到了吗？4. 一个特征有多个值的情况是怎么处理的？5. 有做特征选择吗？训练数据量多大？多路召回怎么做的？多路召回有几路？多路召回是怎么融合的？6. 有做粗排吗？7. 召回的离线指标和线上指标大概是什么情况？8. 用户的冷启动是怎么做的？9. 介绍一下 GrapSAGE，word2vec, deepwalk, node2vec10. 介绍一下 transformer， 多头注意力，encoder， decoder， LayerNorm11. DeepFM12. FM 的二阶交叉的权重是什么？FM的计算复杂度？13. leetcode：快排

1. 项目拷打2. vector vs 普通数组vector：动态扩容、连续内存、自动管理内存、安全、支持迭代器、自带API普通数组：静态大小、栈/静态分配、手动管理内存、无边界检查日常开发优先 vector，极致性能场景可用数组3. vector push_back 均摊 O(1)采用指数扩容（1.5倍/2倍）扩容次数极少，所有插入的总拷贝次数为线性级均摊后每次插入效率为 O(1)4. vector vs listvector：连续内存、随机访问快、尾插尾删快、CPU 缓存友好list：链表结构、任意位置插入删除快、迭代器不失效、随机访问慢遍历读多用 vector，频繁中间插入用 list5...

继续来分享下之前的面经~欢迎友好讨论，信息共享1. MAP（最大后验概率）和似然函数有什么关系？2. 什么情况下，MAP的损失函数可以用NMSE来计算？（高斯噪声）3. 手写Multi-head Attention4. Attention的复杂度是多少？5. AUC是什么？6. 推荐算法了解哪些？7. 协同过滤的概念是什么？8. 如果是一种普适性很强的物品（如：新华字典），怎么设计指标对它降权？9. AUC怎么推广到非二分类问题？怎么快速计算AUC？10. bn训练阶段和测试阶段区别，详细讲讲原理11. dropout原理，训练阶段和测试阶段区别，为什么12. deepwalk和node2vec原理13. 协同过滤讲讲原理14. 推荐多任务模型了解哪些，讲一下esmm15. 手撕交叉熵，二叉树最近祖先

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...