华为

面试题简述数据库出现慢查询，你会怎么排查？面试官想听的1、是否知道慢查询日志、执行计划、索引失效等定位思路；2、是否能系统化地给出步骤而不是随口乱试；3、能否举例说明曾经真实优化的过程。面试示例回答这个问题我在 XX 公司实习项目里曾经遇到过。问题表现： 当时一个接口从几十毫秒变成了 3 秒，定位后发现是 SQL 慢查询。详情请参考：http://xhslink.com/o/2pLriF66UjT由浅入深分析1、慢查询常见原因：（1）索引失效（函数、类型、模糊匹配）；（2）数据量过大，分页深；（3）锁等待或死锁；（4）联表太多；（5）查询未命中缓存。2、优化手段：（1）建立合适索引；（2）读写...

点进这个帖子的大家好，本人现在是大四上，然后之前一直忙着保研的事情，也没有实习过，后面保研失败也是去考了研，现在考完试寒假想找个实习，但是感觉我这个专业特别不好找实习，我的简历也很简陋，都是一些大学的东西，可以请大家帮我看看，我好找个修改或者努力的方向吗？我对实习的内容没有什么要求，只是希望学到一点在学校里学不到的技术或者能锻炼社交能力也可以的，谢谢大家，我会详细看大家的回复的，祝大家新年快乐!

双非0offer求建议求指导已经无力面对了

传统数仓、数据库和分析系统，为业务提供了稳定的数据支持和决策依据。但当数据开始面对 LLM 时，就产生了一个全新的挑战：如何将企业数据转化为模型可感知、可检索、可执行的“上下文”。在企业 AI 系统中，这一过程通常经历三个关键环节：1. 数仓与数据库：提供干净、统一、结构化的业务数据。2. 搜索与 RAG：让模型能够快速、稳定地访问相关信息。3. 工作流与 Agent：将数据能力编排成可执行的任务，实现复杂业务的闭环。图中展示了这一链路的概览。通过这条链路，可以发现数据不再只是“给人看的”，而是成为 AI 执行的核心驱动力。一、从数仓到 LLM：数据“服务对象”的变化在之前的文章中（微信公众号...