小米笔试920 软件开发岗

选择题 编译程序如何区分标识符到作用域阻塞与非阻塞、同步与异步CPU 调度算法LL(1) 分析器中的 1 代表什么主服务器执行大事务，对主从复制有什么影响有序数组中查找两数之和等于 target 的最优算法时间复杂度客户端主动发起 FIN 请求，客户端收到服务端发送的 FIN 并发送 ACK 之后，会进入什么状态I/O 设备的中断处理流程C++ 中的指针和引用I/O多路复用中的三个模型WHERE、GROUP BY、HAVING 的执行顺序网络攻击浅拷贝的问题栈溢出的情况HTTP/2 的多路复用什么情况下，进程会从运行态转为阻塞态浮点数运算时，什么情况下会触发溢出STL 中各种容器的查找时间复杂度TCP  拥塞控制包含哪些阶段BFS 和 DFS事务隔离级别哪些情况会导致 CPU 进入中断处理编程题核心代码模式，像力扣一样给个函数T1Dijkstra图 1 到图 3T2双指针图 4T3DP图 5 到 图 6

一面1. 算法题：合并区间2. 八股：位置编码、MQA 和 GQA、SSM3. 实习相关、场景题 二面1. 算法题：最长和为 0 子数组2. 八股: HMM、L1 实现特征同进同出、RoPe 公式3. 实习相关、场景题 三面1. 算法题：最大子数组和2. 八股：DeepFM、SHAP 值计算复杂度3. 简单说说对大模型怎么用于风控

📍 公司：虾皮（Shopee）💼 岗位：大数据开发工程师📅 面试时间线：7.30 一面8.4 二面8.8 收到感谢信（未通过）面试问题记录请介绍你实习中负责的数仓数据流向及核心业务场景。详细说明一个具体业务模块，包括所用技术栈与上下游用户。针对问题2中的业务，如何处理并发场景下的“不可重复读”问题？大数据技术栈掌握情况？重点提问 Spark 的使用经验。如何优化实际 Spark 任务？请举例（如数据倾斜、Shuffle 优化）。描述快速排序算法的基本思想（穿插在数据倾斜优化中考察基础）。是否遇到过数据写错的情况？若数仓数据写入 Kafka 错误，如何修复？➤ 进一步追问：HDFS 数据已错，但 Kafka → 业务表已生效，如何保证一致性与服务可用性？若需从某个 Kafka Topic 消费数据并入库数仓，你会如何设计流程？（开放性问题）🙌 面试感悟虽为实习经历深挖，但问题贴近真实生产场景，尤其关注高可用、数据一致性、容错与恢复机制；对数据链路的闭环理解要求较高，需清楚“从出错到修复”的全链路影响；建议提前准备：✅ 典型数据倾斜解决方案（如加盐、两阶段聚合）✅ Kafka 重放与幂等写入策略✅ 数仓分层中各层容灾与回溯能力设计📌 C端业务对数据质量与系统稳定性要求高，面试更倾向考察“出问题后怎么办”的应急思维。

不知道什么时候投的，好像实习僧一键投递都给投了，突然发来笔试链接有选择题，单选和多选，还有两道问答题，时间一个半小时编程题就一道，很简单，给你一个数x，和一个头指针，小于x的排在前面，大于x的排在后面，直接模拟遍历，建立三个链表，小于的，等于的，大于的，然后在按顺序拼接，解决了#牛客AI配图神器#