美团AI面试面经

（Java 后端开发）一、 个人背景与经历挖掘自我介绍AI 工具在学习实践中的融入追问：AI 工具的具体使用方式与协同二、 计算机基础与 Java 核心栈和队列的区别及适用场景：追问 1：基于数组实现栈和队列的注意点：追问 2：循环队列的扩容逻辑与注意事项接口（Interface）与抽象类（Abstract Class）的区别追问 1：支付系统设计（支付宝、微信等），选接口还是抽象类？追问 2：通用的日志和权限校验逻辑应该放在哪？三、 数据库与架构设计分库分表策略及高并发应用追问 1：某个分片出现热点问题如何解决？追问 2：加盐打散和缓存如何避免对业务逻辑/查询性能产生负面影响？项目管理系统表结构设计（包含项目、任务、成员）追问 1：多成员负责多任务的数据库表设计追问 2：任务优先级和状态频繁变化，如何保证灵活性？四、 网络通信与接口设计大模型文本生成 HTTP 接口设计（替换了原本的成本控制题（不会成本控制）追问 1：流式返回（Stream）的具体数据传输设计追问 2：错误码如何设计以便前端快速定位？五、 场景解决与行为面试识别并解决潜在隐患的经历追问 1：布隆过滤器的误判与分布式锁的性能瓶颈应对追问 2：极端流量下的边界条件与降级策略

最近很多股东反应自己面试的时候紧张到呼吸困难，手心呼呼冒汗，很多原本准备好的问题都回答的坎坎坷坷。这其实是个很常见的问题，大部分的同学从小学到大学接受的教育一直是应试教育，上课站起来回答问题都紧张，爬个黑板能手心的汗能在黑板上烙个汗印，只会闷头做卷子。再加上本身是个i人，发挥的更不好了。很多同学紧张的点在于害怕失败，特别是面大厂的时候，觉得好不容易有一次面试机会生怕失去，其实大厂也是厂，不是说你进了大厂就能飞黄腾达光宗耀祖之类的，说白了属于计算机的红利差不多已经过去了，可能还有一些拿到很高薪水的，那也是凤毛麟角且朝不保夕，所以先对这些公司平等的祛魅。面试节奏通常一场面试上来会先让你自我介绍，这...

美团ai面经1.讲一下JAVA泛型追问:怎么获取精确的类型2.RDB和AOF追问:怎么优化RDB3.快速排序基本思想追问:怎么得到基准值应在的位置追问:双指针遇到大量重复元素怎么优化4.5.RAG的分块，去重，向量化，权限标签，索引优化怎么设计追问:语义切分具体实现6.设计一个日志管理系统，怎么设计它的存储与级别追问:一天产生100GB或TB级别的日志怎么设计架构7.持续遇到的问题，怎么改进追问:lua脚本的优点追问:不用lua脚本还能用什么有的追问忘了

1. 请做个自我介绍，包括你的个人背景、大学经历或实习经历。同时，我们作为一家拥抱新技术的公司，也特别想了解像 AI 大模型这类新工具是如何融入你的学习和实践中的，给你的经历带来了哪些帮助或变化？2. 你提到在项目中使用了 AI 大模型，比如 LLM 进行热点话题的命名，这个过程具体是怎么设计的呢？你是如何确保命名的准确性或者提升模型效果的？3. 请你解释一下正向代理和反向代理的区别，以及它们各自的应用场景。4. 正向代理和反向代理其实是网络中的两种代理机制，而不是直接和代码中的动态代理相关。我们再深入一点聊聊吧。正向代理通常是客户端通过代理服务器访问目标服务器，你能不能举一个具体的例子，说明正向代理在实际网络场景中的应用，比如它解决了什么问题？5. 你提到正向代理可以用于数据分流和解决高并发场景下目标服务器的压力，这可能更接近负载均衡或反向代理的功能。正向代理的核心作用，其实是帮助客户端访问目标服务器，比如绕过访问限制或隐藏客户端的真实身份。接下来我想问你，在正向代理的工作过程中，客户端和目标服务器之间的通信是如何通过代理服务器进行的？代理服务器在这个过程中具体扮演了什么角色？6. 请你解释一下 Java 中检查异常和非检查异常的区别，以及它们在设计上的规范和使用场景。7. 检查异常需要在代码中显式处理，比如通过 try-catch 或 throws 声明，而非检查异常则不强制要求处理。你能举一个具体的例子，说明检查异常或非检查异常在实际开发中的应用场景吗？8. 在设计一个方法时，如何决定是抛出检查异常还是非检查异常？你认为这两者的选择会对代码的可维护性和使用者的体验产生什么影响？9. 请你谈谈在 SQL 查询优化中常用的方法有哪些？10. 如果在实际场景中发现某条查询已经建立了索引，但执行速度仍然很慢，你会如何进一步排查问题？11. 如果数据量确实过大，分库分表是一个解决方案，但在分库分表之前，你会如何评估分库分表的必要性，以及如何设计分库分表的策略？12. 如何设计一个在线租赁平台，包括用户、商品和租赁交易的管理？13. 关于租赁交易的管理，你提到记录交易的时间和相关联的用户与商品。能否具体说明如何处理租赁周期的管理，比如租赁开始和结束时间的逻辑设计？14. 如果多个租赁交易同时接近过期时间，定时任务的执行效率可能会受到影响。你会如何优化这种场景下的处理逻辑？15. 大模型服务经常需要多供应商或多模型兜底，后端如何设计统一的模型网关，支持模型选择、回退策略、配额管理，以及不同供应商返回格式的兼容？16. 你提到的回退给下一个模型，具体是如何实现的？比如说如何定义下一个模型的选择规则？17. 如果某些模型的性能或者响应时间差异较大，如何在这个设计中动态调整模型的优先级或者选择策略呢？18. 请描述一次你遇到的复杂问题，你是如何识别出问题的根本原因的，请举例说明。19. 在你识别问题根本原因的过程中，你具体是如何确认问题出在数据传递环节，而不是其他环节，比如前端代码逻辑或后端接口设计？你是通过什么方法或工具来定位这个问题的？20. 请描述你的疑问或体验中遇到的问题。