5.13灵犀互娱一面面经

1.实习学到的收获
企业化的开发流程
2.做的对自己有提升的点?
说了调接口查询表格,实现订单的跟踪和合同入库
3.做了什么比较难度的?
模型微调,先是线程安全的配额检查,然后校验文件格式,然后冻结token,消息队列发送模型微调部署的消息,算法组那边拉取消息去部署,最后用定时任务检查微调任务状态并扣减token
4.如果说算法那边部署出问题了怎么办?微调这个接口用什么指标来评价他的好坏?
定时任务检查微调任务状态,如果部署失败重新发消息。主要是接口正常返回率和微调成功率吧。
5.你说的这个jsonL文件是什么样的
一问一答的格式
6.那他如果很大怎么办?
用的是oss上传api,分片上传,并且支持断点续传,显示上传进度
7.用户把文件上传到服务器,服务器在传给对象存储,然后算法去对象存储里拉取是这样吗?
是的
8.那你只解决的服务器和对象存储之间的大文件传输问题,用户和服务器之间怎么办?
不会,不是我做的
9.你这里用到了redisson分布式锁是吧,说说咋用的
用来记录用户当天调用服务的次数,并且保证其线程安全
10.如果没有分布式锁会怎么样
可能用户短时间内请求了很多次服务,但是当天的请求次数只加了1,这样会导致用户当天超额部署
11.自己做的两个项目哪个熟一点?
oj项目
12.遇到了什么难点?
主要是部署上线,我用云服务器安装宝塔linux部署这个项目,包括maven打jar包,放在vm上部署,最后要配置云数据库和云redis,解决前后端跨域问题。并且这个判题机用的process类执行代码的相关函数之前没有了解过。对我来说比较有挑战
13.那你是用物理机部署的,了不了解容器化部署?kubernetes和docker?有没有用过
实习的时候用的jenkins就是用的容器自动化部署,只要选择对应的git分支jenkins就会自动部署
14.那你了解原理吗?
不了解,只会用
15.这个oj项目,应该有很多测试样例和输出答案吧?这个怎么做呢?
这里首先用户把代码上传上来,然后后端会生成一个判题消息放在broker中持久化,然后判题机拉取消息拿到用户传来的代码,调用process函数拼接指令执行代码然后把执行结果记录到一个list中,有几个测试样例就执行几次,然后最后拿list和标准答案的list做比较,统计分数。
16.数据库了解哪些索引
b+树索引,主键索引,唯一索引,普通索引,聚簇非聚簇,倒排索引
17.库表设计的时候,题目信息和用户传来的代码这两个string字段都比较大吧,那存的时候聚簇索引会出现什么问题?
这个导致叶子节点很大,会增大插入和删除节点时维护b+树的压力。
(这里答的不对,问ai是会导致每个页(通常16KB)能存储的记录数减少,数据量增长时更容易触发页分裂,页分裂会导致主键索引的维护成本增加,并且会使b+树变得更高,增大了查询成本
18.jvm虚拟机垃圾回收了解多少
标记整理算法,标记清除算法,复制算法,分代回收算法,CMS,g1
19.g1比CMS强在哪
这里答的很拉,具体看小林coding吧
20.我看你用到了rocketmq是吧,那消息丢失是怎么产生的,怎么解决的
首先消费者到broker要用ack来确认,broker这边如果异步刷盘突然宕机会导致消息丢失,所以这里要改为同步刷盘,然后消费者这边拉了消息之后不能立刻向broker更新consumerQueue的位置,要等消费消息的逻辑完全结束才能去更新。
21.平时玩啥游戏,有没有玩过国外的游戏,用啥加速器,为啥用雷电
因为b站搜出来第一个就是他,而且他是按小时收费,感觉好一点
22.按月收费和按小时收费你喜欢按小时收费是吧,为什么?
23.反问
主要做游戏的技术中台,负责游戏饰品交易,活动,游戏加速器,延迟检测等等

估计凉凉
全部评论
无手撕吗
点赞 回复 分享
发布于 05-16 15:13 湖南

相关推荐

点赞 评论 收藏
分享
07-17 23:39
同济大学 golang
混合云异构计算工程师工作职责-建设业界领先的AI异构算力容器平台,提供 高性能、高稳定性、高易用性的百舸产品,支持AIGC、智算中心、金融-结合 SOTA 模型训练推理优化原理,深入模 型结构与设计思路,将训练推理优化手段工程 实践化,为客户提供系统性加速方案,提升训 推效率-在自研芯片上适配常见大模型,结合深度学 习训推框架特性,开发或调优相关算子,提升模型在芯片上的性能和精度表现,辅助客户进 行芯片选型和应用-针对大规模异构集群场景下,探索训推任务 管理、异构资源调度、虚拟化混布、容器存 储、高性能网络、分布式训练和推理等技术的 创新和应用-探索业界最新技术方向,参与机器学习框架 等开源社区,提升百度混合云AI核心竞争力任职资格-本科及以上学历,有一定程度的计算机相关 专业知识背景-优秀的编码能力,熟悉Golang/Python/ Java/C/C++至少一项,有扎实的算法及数据 结构基础,有良好的编程习惯。-熟悉PyTorch,了解Megatron、 DeepSpeed、vLLM、SGLang等大模型训推 框架,做过测试、开发等工作。-对GPU芯片架构有一定了解者优先,熟悉 CUDA、OpenCL等高性能计算编程经验优先,有大规模训练推理实践经验者优先-具备推理优化的深度实践经验优先: FlashAttention、PD分离、专家并行、负载均 衡、模型压缩(蒸馏/量化)、缓存策略、异 构计算加速-具备训练优化的深度实践经验优先:分布式训练、显存优化(如Zero/Offload)、计算通 信Overlap、混合精度、MoE架构调优-熟悉Kubernetes工作原理,熟悉调度器、资 源扩展机制、容器运行时、容器网络等技术, 有Kubernetes开发和维护经验优先-有独立的分析问题和解决问题的能力,有强 烈的责任心,较强的学习能力和沟通能力
投递百度等公司7个岗位
点赞 评论 收藏
分享
评论
2
5
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务