字节懂车帝门店业务后端校招/实习内推

# 面经 ## 一、项目背景（这里感觉想问一下一个系统设计和服务拆分有没有思考）1. 这个项目是练手项目吗？有没有上线？2. 项目现在进度到什么阶段？3. 这个项目是你自己做的还是团队合作？4. 整个系统一共有多少个服务？分别是什么？5. 你在项目中主要负责哪一部分服务？6. 你能整体介绍一下你负责的服务设计吗？7. 为什么要做这个项目？项目背景是什么？---# 二、系统架构设计8. 整个系统的服务划分是怎样的？9. 系统中有哪些模块？10. 每个服务的职责分别是什么？11. 系统中一共有多少个接口？主要有哪些接口？12. 节目服务主要提供哪些 API？---# 三、下单链路设计（这里问了一个缓存一致性有没有设计对账来保证）13. 抢票系统的下单流程是怎样的？14. 为什么要使用 Redis + Lua 扣库存？15. 为什么要使用 Kafka 异步创建订单？16. Redis 扣库存之后为什么不直接创建订单？17. 如果用户下单后立刻查询订单列表，查不到怎么办？18. 为什么使用前端轮询订单状态？19. 为什么不由后端触发补偿机制，而要依赖前端？（这里是表达有误）20. 如果订单长时间没有创建成功怎么办？---# 四、缓存设计21. 你提到使用了三级缓存，三级缓存分别是什么？22. 三级缓存中每一层缓存的数据是一样的吗？23. 本地缓存和 Redis 缓存之间如何保证一致性？24. Redis 缓存如何保证一致性？25. 如果缓存删除失败怎么办？26. 有没有设计缓存对账机制？27. Redis 缓存什么时候更新？28. Redis 缓存什么时候失效？29. 缓存 TTL 是如何设计的？---# 五、幂等组件30. 为什么要设计幂等组件？31. 幂等组件解决了什么问题？32. 幂等组件是如何实现的？33. 幂等组件中锁的 key 是如何设计的？34. 如果网络失败或者请求异常，幂等如何保证？---# 六、ES 搜索35. ES 中存储的是什么数据？36. ES 中大概有多少条数据？37. ES 的索引是如何设计的？38. ES 常见的性能优化手段有哪些？---# 七、Kafka39. Kafka 除了 Producer、Consumer、Broker 还有什么核心组件？40. Kafka 的元数据是如何管理的？41. Kafka 的 Partition 有什么作用？42. Kafka 如何保证消息顺序？43. Kafka 如何提升吞吐量？---# 八、Redis44. Redis 常见的异常场景有哪些？45. 什么是缓存穿透？如何解决？46. 什么是缓存击穿？如何解决？47. 什么是缓存雪崩？如何解决？48. Redis 跳表是什么？49. Redis 跳表主要应用在哪个数据结构？---# 九、Redis 实战50. 如果要做一个排行榜系统，你会如何设计？---# 十、MySQL51. MySQL 中有哪些锁？52. MySQL 的行锁、表锁、意向锁分别是什么？53. 在 RR 隔离级别下执行 delete where id = 10 时会如何加锁？54. MySQL 索引失效有哪些情况？55. not in 是否会导致索引失效？---# 十一、算法题56. 找出序列中第一个没有出现的正整数。如何在 O(n) 时间复杂度、O(1) 空间复杂度下解决该问题？---

自我介绍实习经历（下面只写一些通用可能考察的地方）Multi-Agent 架构的Agent应用应该如何搭建，为什么需要用Multi-Agent 架构，会存在哪些问题？八股文Redis 实现分布式锁的命令为什么Redis能实现分布式锁Nx是什么的缩写算法K个一组翻转链表整体节奏很轻松，跟面试官几乎是聊天式的交流，很友好，然后面完几个小时就约HR面

面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。团队介绍：依托抖音集团的科技能力和产品，我们为抖音电商、生活服务、直播等场景提供金融服务，为抖音用户提供更好的支付、消费金融、保险等金融服务。科技创新，普惠大众。职位描述：1、参与公司的后台研发工作；2、参与在线大流量高并发系统设计；3、持续优化系统，支撑业务快速发展。职位要求1、2027届本科及以上学历在读，计算机、软件工程等相关专业优先；2、有扎实的数据结构和算法功底；3、熟悉C/C++/Java/Python/Golang中的至少一门语言；4、了解数据库相关知识和基础操作，至少熟练使用MySQL。投递链接：https://job.toutiao.com/s/uSkAmfdMzqY

1、自我介绍2、项目介绍3、介绍 NLP 中数据增强方式NLP 中常见的数据增强方式主要有同义词替换、随机插入、随机删除、随机交换、回译、模板扩写、噪声注入、对抗样本增强和基于大模型的数据改写。同义词替换是把句子中的部分词替换成语义相近的词；随机插入和删除适合做轻量扰动；随机交换适合增强模型对局部顺序变化的鲁棒性；回译是把句子翻译成另一种语言再翻回来，能够保留大意但改变表述；模板扩写适合分类和信息抽取任务；噪声注入比如加入错别字、空格、标点变化，适合提升鲁棒性；对抗样本增强更偏训练阶段优化；现在更常见的是让大模型做改写、扩写、同义表达生成。数据增强不能只追求数量，更重要的是标签一致性和语义不偏...