🔥滴滴一二三面 技术面 面经后端最近结束了滴滴的面试，三轮技术面问得超细致❗️整理了完整面经和思路分享给大家👇——————🧩一面 60min•RocketMQ vs Kafka 区别（设计理念/吞吐/延迟）•Redis性能核心：内存+I/O多路复用原理•Redis数据结构选型场景实战•MySQL与Redis一致性方案（旁路缓存策略）•协程原理剖析：Goroutine底层调度模型•Lua脚本实现原子库存扣减•MySQL索引优化与B+树优势•防超卖方案：分布式锁+库存校验•算法：搜索旋转排序数组（二分变形）——————🧩二面 60min•List遍历删除的坑（迭代器失效问题）•MySQL索...

太棒了      

27后端，211本，ssob上投了三百多家了，就五个交换简历，一个面试，这比例正常吗，而且感觉好像也没啥可投的岗了😿全部都是送达，甚至没几个已读，好多都是一些hr一个月以前活跃的岗，打开刚刚活跃的筛选又全是不对口的，好多测试的岗😴我的筛选机制是不是有问题😾

面试题简述Transformer中用的是LayerNorm，而不是常见的BatchNorm，这是为什么？面试官想听的意识到不是BN不好，而是不适合Transformer的使用场景。面试回答举例Transformer中选择LayerNorm而不是BatchNorm，主要原因和序列建模方式以及训练场景有关。详情请查看：http://xhslink.com/o/8yJohFzKSX6由浅入深分析1、BN 依赖 batch 统计量。2、LN 只依赖特征维度。3、Transformer 的 token 并行与 BN 设计目标维度不一致。4、自回归推理场景下 BN 表现不稳定。面试加分点1、提出推理阶段 ...