快手大模型后端日常一面

1.问项目 2.项目中有并发比较大的情况，订单量大的时候怎么办的?用户量本身很大怎么办?3.有搜推经历吗?有学过transformer吗?有做过大模型开发吗?4.项目中 mysql主从复制步骤遇到抢票，秒杀场景，服务端上如何优化?5.项目中jvm调优经历6.服务端和用户端怎么通信?有哪几种方式?有没有更轻一点的?7.算法题:数字n代表生成括号的对数，请你设计一个函数，用于生成所有可能的并且有效的括号组合。

说实话，如果不是最近这段时间重新出来面试，我可能不会这么快把「AI 应用开发」当成一件必须要补的能力。我做过业务系统、做过中台、也踩过高并发和复杂业务的坑。这几年主要精力都在架构稳定性、业务抽象、工程能力上。直到最近一次次面试下来，我明显感受到一件事：各个企业都在想着把AI应用到自己的企业中”。经过一段时间的了解，我整理出 Java 学 AI 的大致方向，我将按照这个路子走下去。我理解的「Java 学 AI」，不是去做什么？在真正开始学之前，我先给自己定了几个边界：不去卷算法、不搞模型训练不从 Python 数学公式开始不追求“AI 专家”人设而是明确一件事：我还是一个 Java 后端，只是要...

90% 的人简历石沉大海，并不是因为技术不行，而是因为从一开始就写错了方向。大多数人写简历时，下意识会把它当成一份经历记录：学了什么技术、做了哪些项目、按时间顺序全部写上去，以为内容越多越专业。但现实很残酷，简历投出去往往连回音都没有。问题不在你学得不够，而在于你没有把“价值”写出来。简历的本质，从来不是记录你做过什么，而是向公司证明：你能创造什么价值。企业招人的目标也很明确，他们不是在找“会技术的人”，而是在找“能用技术解决问题的人”。如果一份简历只是技术名词的堆砌，却没有告诉对方你解决了什么问题、带来了什么结果，那它很难在筛选阶段活下来。很多人会在学习阶段陷入纠结：到底该学什么？这个技术会不会烂大街？是不是技术栈不够广就没有竞争力？其实这些问题在一开始都不重要。一个非常反直觉但有效的方法是，先把简历做出来，再反向准备项目和技术。因为投简历是结果导向的事情，当你把简历框架先搭好，你会立刻看清楚自己要投什么岗位、岗位需要什么能力，以及接下来一到两个月学的内容，最终会以什么样的成果呈现在简历上。如果一项技术学完之后写不上简历，或者写了也无法提升投递反馈，那它本质上就是无效努力。判断一份简历有没有用，其实也不复杂。直接换一版新简历，不管是在线简历还是附件，都全部替换，然后去平台投递，看打招呼率、要简历率、面试邀约数有没有明显变化。如果数据比之前好，说明方向是对的，这时候再回过头去细致梳理项目，从背景、问题、方案、技术细节到最终结果全部过一遍，确保在面试被追问时能讲清楚。简历负责敲门，项目负责让你站得住。在写简历时，先搭一个清晰的框架很重要，比如教育背景、实习经历、项目经历、专业技能。真正拉开差距的不是结构，而是内容有没有“问点”。一份好简历，既要让技术面试官看到深度，也要让非技术背景的 HR 能迅速明白你会什么、是不是匹配岗位。很多技术人会忽略这一点，以为简历只是给技术面试官看的，结果满篇专业名词，HR 看不懂，直接卡在初筛。基础技术该写清楚的就写清楚，不求炫技，只求可识别、可匹配。项目和实习经历的价值，也常常被误解。很多人以为项目好，是因为技术更深；实习好，是因为能力更强。但从面试官视角来看，真正的区别在于有没有提问点。比如你写了解决超卖问题，面试官就可以顺着问锁的选择、并发控制方案、再延伸到 JUC 或分布式锁。一个好的项目，本质上是一个八股的入口，而不是用来装点门面的经历描述。所以在写每一条项目时，都应该问自己一句话：这是不是在制造可以被追问的点，还是只是堆名词显得自己很厉害。说到底，写简历，最底层的逻辑就是放弃“记录思维”，建立“价值思维”。先做简历再准备，是让努力有明确方向；技术点结合问题和成果，是让价值有事实支撑。简历不需要多华丽，只要能让公司清楚地知道，你能用技术解决他们的问题，并创造他们真正需要的价值，这份简历就是成功的。

哈喽大家，喵弟面经分享大厂的面试确实不一样，只能说顺子还是不赖的，好歹没算法一面 tl：23号投递 29号一面记忆不太清晰了 对手撕和场景题印象比较深1.实习与项目我看你项目中用到了zset做排行榜，那我现在要是有一千万个用户，该怎么办呢（回答的可以分积分段存，比如存下积分超过一定阈值的用户，或者直接类似于mysql，做一个分表存）zset底层结构讲一下，跳表的优点，为啥不用b+树呢mysql这块，如果有一个慢sql，你怎么办索引失效情况b+树相较于b树和哈希的优点是什么，为什么就选了b+树怎么保证缓存和数据库一致性（最后提到了消息队列）spring中设计模式的体现jvm中内存模型 八股涉及的...