希音后端秋招面经

希音这家公司也是第一次面试，感觉整体还是偏难的1 先做个自我介绍2 讲一下你目前做的项目，主要是用了哪些技术栈，解决了哪些问题，做了哪些优化3 对于数据湖你能说一下各个湖仓的优缺点吗，你目前用的哪个，主要是用了哪一块技术和实现4 对于flink来说，对于一条主流一天有千亿级别数据，目前对于数据实时写入Doris存在这性能瓶颈，第一个问题是解析比较慢，第二个精确一致写入比较慢，你如果来优化需要怎么入手，对于优化的话怎么实现不延迟不oom5 目前有个场景，需要每10秒看到某个APP的主页的实时uv并且需要取top100个页面，你来实现如何做到实时秒级计算和展示，数据量级有亿级起步6 对于离线模型，如果存在一个画像需求，对于某些人群或者漏斗需要做到每天周期2点前产出，你如何保证这个时效性7 目前你建设模型是怎么建设的，如何确保你这个模型是合理的，有啥量化的8 对于数据倾斜如何快速定位，如何实现快速解决数据倾斜，除了加资源和join改变还有啥方法9 对于数据治理有啥好的办法快速治理，你来主导治理的话主要是从哪一块入手，解决哪些问题10 来个SQL题目，取一支股票的最大利润11 有啥需要找我了解的我这还是第一次面试这家公司，给我的感觉似乎还比较难啊，技术深度算是比较深了，对于面试的人来说必须要有这方面的经验才能解决上面的问题，要不然感觉估计答不出来

项目挑一个讲？这个项目里大部分是大模型，工程上的有讲一下吗？有用到 Agent 吗？Agent 和传统大模型有什么区别？工作记忆了解吗？向量数据库和传统数据库区别是什么？从模型上查询索引结构上、事务上的区别呢？你提到的给 A 推荐的喜好是怎么做的？你的项目如果对标京东、阿里的话，有没有了解到现在成熟的方案？比方说对你的身高体重、用户画像等这类长期记忆的应用。大模型使用向量数据库的诉求是什么？什么场景用向量数据库？向量数据库在 AI 里的核心作用在哪？向量数据库开源的有哪些？ 在毕设过程中，有哪些方案是做过技术调研的？做过压测吗？2000 QPS 的瓶颈在哪里？怎么优化？压测的时候什么指标达到了...

1、arthas 了解么？用作干嘛的 底层原理怎么实现的2、linux常用命令3、嵌套创建文件目录的命令是什么4、软链接和硬链接了解么5、http常见响应码有哪些6、io流涉及到哪些设计模式7、你用过哪些设计模式8、jdk17 21 8 有哪些新特性9、了解虚拟线程么10、如何排查cpu飙升11、内存溢出怎么排查12、常用的jdk命令有哪些 jstack jmap还有么13、ping命令涉及哪些协议以及是在哪一层14、网络层有哪些其他的协议15、负载均衡策略有哪些欢迎一起加入 大厂 #后端开发

425一面，430二面。二面竟然也是一个小时，还问了很多项目相关，就开头和最后几分钟唠家常，感觉微微凉。碰上五一假期，到今天5.9还没出结果，也不好意思催hr，真难捱啊！个人背景 请先做一下自我介绍。 你目前的专业看起来偏某一交叉方向，为什么投 AI 算法工程师岗位？ 你的研究方向和 AI、大模型之间是什么关系？ 你对自己的求职方向是怎么规划的？对公司的了解与求职动机 你对我们公司有多少了解？你为什么想来我们公司？ 你希望把自己的研究或技术能力落到什么样的工业场景里？ 你是从什么渠道了解到这个实习招聘信息的？ 除了我们公司，你有没有接触其他公司？未来找工作对有什么打算？论文、成果与学术经历 你...