京东后端开发实习二面 55min

在SHEIN你可以获得什么？ 1⃣️首先，时尚公司体验感直线拉满！我很多同学毕业都去做男装，做运动服，做轻熟装！但是shein真的很时尚！你可以在摄影棚直线面对外国模特，给她们搭配衣服和配饰！ 2⃣️公司工作环境超级好，工作氛围也很轻松愉快啦～每个校招生都会有专门的带教导师，很重要！！不会走冤枉路，能快速学习到东西，快速成长～咱们就是说，直球女孩的快乐！！ 3⃣️福利 超级翻倍！任何节日你都能收到来自公司满满的心意公司每个人都是shein专业的周边大户～下午茶吃到你嘴软，节日小礼物也是经常拿～ 4⃣️超值内购会！来到快时尚公司，妈妈再也不怕我没有衣服穿了！各种样衣全部十元！只要你敢来，公司就敢...

1、Java面向对象具有封装、继承、多态三大核心特性。封装通过访问修饰符隐藏对象内部细节，仅暴露必要接口；继承允许子类复用父类属性和方法，实现代码复用和层次化扩展；多态分为编译时重载和运行时重写，使程序能够通过统一接口处理不同对象，提升灵活性和可扩展性。2、重载发生在同一类中，方法名相同但参数列表不同，与返回值和访问修饰符无关，编译时绑定；重写是子类覆盖父类方法，方法名、参数列表和返回类型必须相同，访问权限不能更严格，不能抛出新的检查异常，运行时动态绑定。3、线程池核心参数包括：核心线程数、最大线程数、空闲存活时间、时间单位、阻塞队列、线程工厂、拒绝策略。ThreadLocal底层使用ThreadLocalMap存储数据，其Key是弱引用的ThreadLocal对象，Value是强引用的实际存储值，每个线程独立拥有此Map实现数据隔离，需注意内存泄漏问题。4、使用线程池实现1～100累加时，首先创建固定大小的线程池，然后将累加任务拆分为多个子任务，通过线程池提交实现了Callable接口的每个子任务，收集返回的Future对象后，遍历这些Future并累加其阻塞获取的中间结果，最终关闭线程池并输出总和。整个过程利用线程池并行处理子任务，通过分治策略提升计算效率，同时确保资源合理回收。5、B+树非叶子节点仅存储键，叶子节点包含全部数据且形成有序链表。相比B树：1. 查询更稳定：所有数据都在叶子节点，查询路径长度一致；2. 范围查询高效：叶子节点链表直接遍历，无需回溯；3. 磁盘I/O更低：节点存储更多键，树更矮胖；4. 全表扫描更快：叶子节点链表顺序遍历即可。6、失效场景：1. 违反最左前缀原则；2. 对索引列使用函数或表达式；3. 类型隐式转换；4. 模糊查询以通配符开头；5. OR条件包含非索引列。优化方法：1. 按高频查询顺序建联合索引；2. 避免索引列运算；3. 用覆盖索引减少回表；4. 数据量大时用分区表；5. 定期分析索引使用率并删除冗余索引。7、通过EXPLAIN命令查看SQL执行计划，关注key字段显示使用的索引名，type字段为ref/range表示有效索引扫描；若为ALL则是全表扫描。额外检查Extra字段：Using index、Using filesort

26届数据开发校招薪资如下以下薪资均来自语兴统计公司范围白菜sp+期权ssp+期权美团23-30k23-25k25-27k28-30k小红书30-40k30k35k40k京东28-31k28k29-30k31k（实时数开能拿到33k）字节28-38k28-30k33k附近36-38k虾皮23-32k23-25k27-29k32k腾讯27-33k27-28k29-30k32k快手26-36k26-28k30.5-34k36k百度24-未知24k26k暂时没人拿到缺少数据参考淘天/阿里系25-33k25k26k-28k33k米哈游未知-33k暂时没人拿到缺少数据参考31k33k滴滴21k-未知21...

1、常见的方案有数据库自增ID、UUID、Redis生成和雪花算法。实际分布式场景下，雪花算法更常用，它将ID分为时间戳、机器ID和序列号三部分，性能高且趋势递增。但要注意时钟回拨问题，可通过记录上次生成时间戳或使用扩展版算法解决。2、雪花算法的ID在时间戳维度是递增的，但同一毫秒多机器生成的ID可能乱序。如需严格单调递增，可用数据库号段模式：服务启动时申请一个ID范围，内存分配用完后再次申请，这样单服务内ID严格递增。3、redo log是InnoDB的物理日志，崩溃恢复时重放提交的事务；undo log记录数据修改前的状态，用于回滚和MVCC读；binlog是MySQL Server层的逻辑日志，用于主从同步和数据备份。4、主库将变更写入binlog，从库通过IO线程拉取binlog到relay log，再由SQL线程重放SQL实现同步。5、优化索引时要减少回表和利用覆盖索引。索引失效常见于：违反最左前缀、对索引列计算、类型转换、LIKE左模糊匹配、OR连接非索引列等情况。6、InnoDB索引用B+树实现，联合索引按字段从左到右排序。如果跳过左侧字段，因为b的值在全局无序，无法利用索引快速定位，导致失效。7、当元素少且小时，用压缩列表节省内存；当元素多或大时，自动转为 "跳跃表+字典" 组合。跳跃表负责按分值排序，支持高效范围查询；字典负责成员到分值的映射，实现O(1)快速查分数。这种设计平衡了内存与性能。8、跳表插入节点时，从最高层向右向下逐层搜索并记录小于目标的分值位置（update[]）；随后随机生成新节点层高，创建节点并按层将其插入：每层链接到对应update[]节点之后，并指向其原后继；最后更新跳表的最大层高和节点总数，实现高效定位与平衡插入。9、Redis有6种淘汰策略，常用的是allkeys-lru和allkeys-lfu。LRU淘汰最近最少访问的，LFU淘汰访问频率最低的。LFU更适合长期热点场景，而LRU对突发流量更敏感。10、Redis用惰性删除+定期删除组合：访问key时检查过期，同时后台定期抽样清理过期key。当内存不足时，再根据淘汰策略主动删除数据。11、TCP通过滑动窗口实现流量控制：接收方在ACK包中携带窗口大小。发送方根据这个窗口动态调整发送数据量，避免接收方缓冲区溢出。