05.11美团AI面试记录

虽然笔试没过，但还是参加一下AI面试#牛客AI配图神器#，以下是记录总结。#美团AI面试#

1.计算机网络：TCP的粘包问题（刚背的，可熟悉了）
回答：在网络拥塞或者Nagle算法中，会将多个TCP包合在一起，但是TCP在传输中是以字节流形式的，粘在一起之后没办法区分包之间的边界，例如发送两个数据包Hello 和World，合在一起后，接收方收到的是HelloWorld。

        解决办法主要有四个，第一个是固定数据包的大小，发生粘包后根据字节大小切分，但这样比较死板；
        第二种是在数据包末尾加入"\n"的分隔符，但是在中间文本中出现了分隔符的话，需要进行转义；
        第三种是在TCP报文前加入一个字段，记录这个包的大小，这种比较常用；
        第四种是对协议进行限制，例如禁用Nagle算法，不允许合并数据包。

2.Linux：grep如何使用（确实没准备）
回答：完全不会。

3.Java：装箱和拆箱是什么，举一个例子。
回答：举了int型和Integer类的例子，一些接口使用的时候会发生拆箱和装箱（但我不太记得了）

4.高并发：解决投票中刷票问题
回答：使用IP检测，限制单个IP的高频访问。
追问：要是对方使用代理IP，或者IP连接池该怎么解答
回答：根据行为检测，刷票行为和个人投票行为肯定存在差异（但我不知道差异是什么）

5.数据库：主键的作用
是检索到这条数据的唯一标识，也用来构建聚簇索引。（应该还有其他作用但我忘了。）

6.通用问题1:学习新技术的路线
回答：阅读官方文档，对于难点搜索视频讲解或者Github文档；项目实战有问题去找熟悉项目的技术人员。
        追问1：如何判断学习资料是否有用，是否走过弯路
        回答：根据点赞量，Start量。
        追问2：走过弯路后下次如何判断？
        回答：根据文档关键词判断对我是否有帮助？

7.通用问题2：你项目中遇到的难点怎么解决
追问1：如何通过持续改进解决一个一直出现的问题
追问2：如何平衡局部调优和整体的稳定性

8.通用问题3：你未来3年的职业规划
回答：1-2年熟悉公司技术栈，后续熟悉公司业务流程，做到技术和业务两手抓。

最后给出DeepSeek的回答。

1.计算机网络：TCP的粘包问题

TCP粘包问题是由于TCP是面向字节流的协议，发送端可能将多个数据包合并发送（如Nagle算法或网络拥塞），接收端无法区分数据边界。例如发送"Hello"和"World"，接收端可能收到"HelloWorld"。
解决方案：
● 固定包长度：每个包固定为相同长度（不足时填充），接收方按固定长度拆分。缺点是灵活性差，适合固定格式场景。
● 分隔符：在数据包末尾添加特殊字符（如\n），接收方按分隔符拆分。需处理数据中的转义字符（如HTTP头用\r\n\r\n）。
● 头部声明长度：在报文头部添加长度字段（如4字节表示包体长度），接收方先读头部，再按长度截取数据。这是最常用的方式（如HTTP的Content-Length）。
● 禁用Nagle算法：通过TCP_NODELAY选项关闭合并优化，但可能增加小包传输次数，影响性能。

2.Linux：grep如何使用
grep用于文本搜索，常见用法：
● 基本搜索：grep "pattern" file.txt
● 递归搜索目录：grep -r "pattern" /path/to/dir
● 忽略大小写：grep -i "pattern" file.txt
● 显示行号：grep -n "pattern" file.txt
● 反向匹配（排除）  ：grep -v "pattern" file.txt
● 正则表达式：支持^（行首）、$（行尾）、.（任意字符）等，如grep "^start" file.txt。

3.Java：装箱和拆箱是什么，举一个例子
● 装箱（Autoboxing）  ：将基本类型转换为包装类，如int → Integer。
● 拆箱（Unboxing）  ：将包装类转换为基本类型，如Integer → int。

Integer a = 10;      // 自动装箱（底层调用Integer.valueOf(10)）
int b = a;           // 自动拆箱（底层调用a.intValue()）

4. 高并发：解决投票中刷票问题
● 基础防御：  IP限流：限制同一IP单位时间内的请求次数（如Redis计数器+过期时间）。
○ 用户鉴权：要求登录后投票，限制每个用户的投票次数。
○ 验证码：在频繁请求时触发验证码（如滑动拼图、短信验证）。
● 对抗代理/IP池：  设备指纹：通过浏览器指纹（UserAgent、Canvas渲染）、设备ID等标识唯一设备。
○ 行为分析：检测异常行为（如毫秒级连续投票、无页面停留直接提交）。
○ 风控系统：实时分析请求特征（IP地理分布、时间分布），拦截异常流量。
● 业务层优化：  异步队列削峰：将投票请求放入消息队列，后端批量处理，避免瞬时高并发。

5.  数据库：主键的作用
● 唯一标识：确保每行数据的唯一性（如自增ID、UUID）。
● 聚簇索引：InnoDB中主键默认作为聚簇索引，数据按主键顺序物理存储，加快检索速度。
● 外键关联：主键作为其他表的外键，维护数据一致性。
● 优化查询：主键查询最快（如WHERE id=1），避免全表扫描。
●注意事项：避免业务字段做主键（如身份证号），优先使用无意义的自增ID。
●复合主键需谨慎，可能增加索引复杂度。

6.  通用问题1：学习新技术的路线
● 学习路径：  官方文档：掌握核心概念和最佳实践（如Spring Boot的Spring.io）。
    ○ 实践项目：通过小项目验证技术点（如用Redis实现分布式锁）。
    ○ 源码与社区：阅读源码、参与GitHub讨论（如Dubbo的Issue）。
● 判断资料质量：  筛选标准：作者权威性（如Oracle认证工程师）、内容更新日期、社区评价（Stack Overflow投票）。
    ○ 避免弯路：优先选择官方推荐资源，再参考高星GitHub项目或经典书籍（如《Effective Java》）。
● 持续改进：定期复盘学习效果，建立知识体系脑图，与团队分享经验。

7.  通用问题2：项目难点解决
结构化回答（STAR模型）  ：
● 情境（Situation）  ：在XX项目中，接口响应慢，导致超时报警。
● 任务（Task）  ：需在1周内将平均响应时间从2s优化至200ms内。
● 行动（Action）  ：  定位瓶颈：通过Arthas追踪调用链，发现SQL查询耗时占80%。
○ 优化SQL ：添加索引、重构分页查询，减少全表扫描。
○ 缓存引入：对热点数据（如配置信息）增加Redis缓存。
● 结果（Result）  ：响应时间降至150ms，且通过压测验证稳定性。
●平衡调优与稳定：局部优化前评估影响范围，通过灰度发布观察效果。
●监控核心指标（CPU、内存、错误率），确保优化不引发链式故障。

8.  通用问题3：未来3年的职业规划
● 短期（1年）  ：深入掌握公司技术栈（如微服务架构、中间件），成为团队核心开发。
○参与高复杂度模块（如分布式事务、性能优化）。
● 中期（2年）  ：提升架构设计能力，主导跨系统方案设计（如亿级流量系统）。
○培养业务洞察力，推动技术与业务融合（如通过数据驱动产品决策）。
● 长期（3年）  ：向技术管理者或架构师转型，负责技术选型与团队规划。
○持续学习行业前沿（如云原生、AI工程化），保持技术敏感度。

05.11美团AI面试记录

全站热榜

创作者周榜