杭州中小厂Java实习面经

1、自我介绍
2、看你写了两个项目,讲一个你觉得熟悉的项目
3、redis除了存储数据外还能实现什么功能
4、Hashmap的底层原理
5、hashmap的put是怎么存储数据的
6、哈希冲突怎么解决的
7、hashmap不是线程安全的,那有什么是线程安全的
8、CurrentHashMap是怎么实现的线程安全
9、hashmap初始容量大小
10、hashmap怎么实现的扩容
11、hashmap为什么每次扩容为2n
12、java8有什么新特性
13、java中有哪些语法糖
14、foreach和for有什么区别
15、foreach底层是怎么实现的
16、mysql的事务有哪些
17、mysql事务中隔离性是怎么实现的
18、能讲讲mvcc具体怎么实现事务的隔离性的
19、readview具体是保存了什么数据
20、innodb存储引擎有什么好处
21、如果要查询前1-5条数据,在b+树中是怎么进行查找的
22、mysql中除了innodb以外还有什么存储引擎
23、myisam与innodb的区别,有什么优点
24、mysql中有什么锁
25、间隙锁是锁的什么数据
26、在查看某次查询索引时一般看的什么
27、说一下对分布式锁的理解
28、说一下什么是线程池
29、线程池怎么创建
30、创建线程池时主要设置什么属性
31、线程池一般可以用在什么情况下
32、springcloud中你熟悉什么
33、nacos是什么,主要实现什么功能
34、SpringBoot中请求进来时mapping是怎么处理的,底层是怎么实现的(如Getmapping是怎么处理请求的)

反问:
1、对我的本次面试有什么建议吗?
2、大概多久出面试结果
全部评论
完蛋,就没两个会的
2 回复 分享
发布于 2023-04-18 21:58 江苏
哈哈哈哈哈应该是军哥吧,跟你一个面试官,应该是oc了
1 回复 分享
发布于 2023-03-29 16:11 新加坡
老哥是什么时候投的呀?boss上面好像没有开发岗了
点赞 回复 分享
发布于 2023-05-09 00:12 广东
楼主有啥推荐看的找实习的面试题吗
点赞 回复 分享
发布于 2023-04-19 11:36 山东
都没看到投递入口诶
点赞 回复 分享
发布于 2023-03-31 19:01 江苏
学习了
点赞 回复 分享
发布于 2023-03-29 12:03 山西
什么厂呀
点赞 回复 分享
发布于 2023-03-29 11:53 湖北
16点 MySQL事务有哪些怎么理解
点赞 回复 分享
发布于 2023-03-29 11:39 湖南
我靠?实习问这么多? 我一看其实挺基础,往后一看简直不得了
点赞 回复 分享
发布于 2023-03-29 00:47 江苏
这是什么厂啊,求问
点赞 回复 分享
发布于 2023-03-28 20:10 新加坡
面了多久,问这么多
点赞 回复 分享
发布于 2023-03-28 19:31 浙江

相关推荐

后端开发/AI工程实习生 - 技术一面面试问题速览1. 请做个自我介绍。2. (针对RAG项目)为什么选择用Elasticsearch来做存储?3. Elasticsearch和其它常规的向量数据库有什么不一样的地方?4. (针对AI Agent项目)整个Agent你是怎么去设计的?5. (针对多轮对话)持久对话是怎么实现的?6. 了解CAP理论吗?Redis属于哪一种?7. (针对分布式项目)怎么去选一个leader节点?(Raft协议)8. (针对后端项目)你这边用了一个RocketMQ,能简单说一说这种消息队列有什么用,具体用在什么场景?9. (个人情况)现在是开学到大三是吧?实习时间大概是多少?我的回答策略与复盘【针对问题】RAG项目中为何选择Elasticsearch?它和专用向量数据库有何不同?* 【回答策略】我主要从两个层面回答了这个问题:1. 工程实践角度:强调了基于已有技术栈和经验进行选型的务实考量。比如,我提到自己熟悉ES,且团队已有的ELK生态便于集成和运维,这展示了成本和效率意识。2. 技术特性角度:点出了ES的核心优势在于其综合搜索能力。我解释了它不仅支持向量搜索,还能利用其强大的倒排索引进行传统的关键词检索,这对于需要结合多种搜索方式的场景非常有利。* 【复盘与思考】* 亮点:面试官对我从工程实践角度出发的回答表示了认可,这表明在初创公司,务实和快速落地的能力很受重视。* 待优化:现在回想,我的回答应该优先强调技术优势。比如,可以更专业地指出ES的“混合搜索(Hybrid Search)”能力是其在RAG场景下相比Milvus等专用向量库的核心差异点和优势。先说技术核心,再说工程便利性,逻辑会更清晰。【针对问题】如何设计一个AI Agent?* 【回答策略】我将Agent的设计思路拆分成了两个核心部分:1. 核心大脑(LLM & Prompt Engineering):讲解了如何通过精心设计的提示词工程(Prompt)来赋予Agent“专家角色”,并引导其进行多轮、有逻辑的提问,而不是一次性给出所有答案。2. 知识外挂(RAG):详细说明了如何通过检索增强生成(RAG)技术为Agent挂载外部知识库,确保回答的专业性和准确性,避免模型幻觉。同时,我还提到了对原始数据(如PDF论文)进行清洗、切块和向量化的预处理流程。* 【复盘与思考】* 亮点:这个回答展示了系统性思维,将一个复杂问题拆解成了具体的技术模块,并且每个模块都有清晰的实现思路。特别是提到了数据预处理的细节,增加了回答的深度。* 待优化:可以进一步引入Tool Calling/Function Calling的概念,说明Agent如何调用外部API(如查询天气、数据库)来增强其能力,这样会让设计显得更完整和前沿。【针对问题】Raft协议的Leader选举过程是怎样的?* 【回答策略】因为这是我亲手实现过的项目,所以我非常有信心地按照时间线和状态机转换的逻辑,一步步地阐述了整个流程:1. 触发条件:从Follower收不到Leader的心跳超时开始讲起。2. 状态转换:描述节点如何将自己的term加一,并转变为Candidate状态。3. 选举过程:讲解Candidate如何向其他节点发起投票请求。4. 达成共识:强调需要获得超过半数的选票才能成为新的Leader。5. 新王登基:说明新Leader会立即发送心跳给所有Follower,以巩固自己的地位。* 【复盘与思考】* 亮点:这是本场面试回答得最好的问题。清晰的逻辑、准确的术语、自信的表达,强有力地证明了我的动手能力和对分布式协议的深刻理解。对于简历上的核心项目,一定要做到这个熟悉程度。【针对问题】消息队列(RocketMQ)用在什么场景,解决了什么问题?* 【回答策略】我没有泛泛地谈理论,而是直接用了一个项目中的具体场景——“大数据量异步导出”——来回答,遵循了经典的STAR原则:* (S)场景:用户请求导出大量数据,同步处理会导致页面长时间等待,甚至请求超时。* (T)任务:优化用户体验,同时避免后端服务因长时间重度计算而崩溃。* (A)行动:引入RocketMQ。Web服务接收到请求后,立即返回“处理中”的响应,并将导出任务作为一个消息扔进队列。后端有一个专门的消费服务去队列里取任务,慢慢处理。* (R)结果:实现了异步化,前端响应速度极快;同时起到了削峰填谷的作用,保护了后端服务,提升了系统的稳定性和吞吐量。* 【复盘与思考】* 亮点:用一个具体的业务故事来包装技术,非常有说服力。这展示了我不仅懂技术,更懂得如何用技术解决实际的业务痛点,这是面试中非常重要的加分项。
查看18道真题和解析
点赞 评论 收藏
分享
评论
38
159
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务