百度测开一面啥时候回复啊

零售-平台产品与研发中心和其他面经说的一样，面试官态度非常好很温和，面东子的尽管放心没有压力。其实八股问的也很简单很基础。但lz自己不争气答成一坨。对测开岗位的认识询问实习和项目。但都和测开不是很对口，面试官也就问问完事。登录系统你准备怎么测试tcp的四次挥手Linux常用指令，比如查询文件等等分布式锁Redis和MySQL的区别。用没用过MySQL。（HR准备追问一些sql语句的，但lz回答没用过）应该还有一些忘记了。我答不上来但面试官确实已经是在努力找简单问题来问手撕是 去除有序数组里2个以上的重复 和 最长回文字符串反问：因为我知道面成一坨所以就直接问面评对以后继续投递有没有影响。答：没有最后聊无可聊了还问了一些海硕学制的事和你平时怎么用ai（因为实习是大模型相关）的当聊天了。邮件时长说的45min但最后实际上有一个多小时。lz是双非本海硕，都学的通信。再加上自己摆烂，对转码方面纯三天打鱼十天晒网。八股和刷题都不看，一直心存不切实际的侥幸摸鱼摸到九月底。20号做的笔试，28号也就是昨天接到电话约面，我自己都没想到jd能进面，当时脑子不清醒没考虑到马上要放国庆了，直接说的后面都有空，结果果不其然就给我定的第二天29号面。只有一天时间准备，人直接麻了，前面摸鱼的每一天都变成了一巴掌打脸上，只能说活该挂掉。这还是lz秋招接到的第一个面试，就当积累面试经验了。总的来说对于有准备的人一面还是不算难，xdm加油吧

1，课题是目标检测算法，为什么不面软件开发，而是测开岗？2，选择这个电商项目，考虑的维度是什么？3，涉及优惠券场景时如何设计测试点？4，当出现并发1000以上线程场景中，优惠券发超库存了，你认为该bug可能出现在哪个过程中？5，使用ai软件（cursor）辅助代码优化的过程，如何进行提词的书写，关注点是什么？6，项目成果那儿，80%的覆盖率和30%的优化效率如何得到的？7，使用大模型进行测试的过程中，如果测试数据比较敏感，安全性如何保障？有哪些措施？

快手主站一面（已挂）1.滴滴代码DIFF和PRD角度分别都是怎么考虑的代码DIFF：主要分为新代码和迭代代码，新代码我会关注首先是数据，写缓存或者落库的数据，数据从哪里来的，经过了怎么样的加工，写到哪里去。其次是业务逻辑，和我认知的逻辑是否有偏差。然后是针对循环判断中特殊的分支去考虑。老代码，主要关注DIFF改了之前的什么数据，改了会对历史逻辑有影响吗，然后才去关注新逻辑。PRD：可以举例堵车卡2.自动化全流程介绍一下就是司机端那套3.自动化关注什么校验点钱和文案，一口价会关注全流程的钱是否是一样的4.订单状态机的状态流转怎么测状态机就是维护了不同状态，通过事件驱动状态改变的一个黑盒子。对于我们这个业务状态机就是双向链表，他只能顺序流转或者倒退，不能跳跃某一阶段。5.了解过订单结算后发奖失败的异步补偿怎么做的吗1. 任务创建与持久化：- 订单结算成功后，立即创建一个奖励任务并将其持久化到专门的数据库表（reward_tasks）中，状态为待处理。- 通常通过消息队列（如发件箱模式）或直接调用服务来触发任务创建。2. 异步重试机制：- 一个独立的后台调度器会定期扫描 reward_tasks 表，查找失败或待处理的任务。- 对这些任务进行异步重试发奖，并记录重试次数。- 重试间隔采用指数退避策略（逐渐拉长间隔），并设置最大重试次数。3. 确保幂等性：- 发奖接口必须设计为幂等的，即多次调用同一发奖操作（带相同业务ID）只会成功发放一次奖励，防止重复发放。4. 监控与告警：- 实时监控奖励任务的状态（成功、失败、永久失败等）。- 对持续失败或达到永久失败阈值的任务进行告警，以便及时发现问题。5. 人工干预：- 对于达到最大重试次数仍未成功的永久失败任务，提供管理后台或工具，允许运营人员进行人工查询、分析和手动重试/处理。6.测开周期比怎么提升的自动化mock7.Trace实现原理核心概念Trace ：一个完整请求链路可以通过雪花算法生成，解决时间回拨，可以记录一个发生过的时间，如果之后的时间比这个时间要小，就重新生成一个。Span ：一次调用过程(需要有开始时间和结束时间)SpanContext ：Trace 的全局上下文信息, 如里面有traceId1. 请求入口： 当一个请求进入系统时，入口服务（如网关）会生成一个全新的 Trace ID 和一个根 Span ID，并创建一个根 Span。这个 SpanContext（包含 Trace ID 和根 Span ID）被标记为采样（如果配置了采样）。2. 上下文传播：- 当入口服务调用下游服务A时，它会将当前的 SpanContext（包含 Trace ID 和当前 Span 的 Span ID 作为 Parent Span ID）注入到调用服务A的请求头中。- 服务A接收到请求后，从请求头中提取 SpanContext。- 服务A使用提取到的 Trace ID 和 Parent Span ID 创建一个新的子 Span。3. 持续传播： 这个过程在整个请求链路上重复。每个服务在调用下一个服务之前，都会将当前 Span 的 SpanContext 注入到出站请求中。4. Span 完成与上报： 当一个 Span 完成其操作后（例如，RPC 调用返回），会记录其结束时间，并将其所有信息（Trace ID, Span ID, Parent Span ID, start_time, end_time, tags, logs 等）上报到追踪后端。5. 追踪后端处理： 追踪后端接收到所有 Span 数据后，会根据 Trace ID 和 Parent Span ID 将它们关联起来，重建出完整的 Trace 链路图，并提供可视化界面供分析。8.trace在header里面，rpc没有header的概念，怎么传过去的尽管 RPC 没有 HTTP 的“header”概念，但现代 RPC 框架都提供了与业务数据分离的上下文元数据传输机制（如 gRPC 的 Metadata、Dubbo 的 Attachment）。配合拦截器（Interceptors）或过滤器（Filters），分布式追踪库（如 OpenTelemetry、OpenTracing）能够透明地在这些元数据中注入和提取 SpanContext，从而实现 Trace 信息的跨服务传播，而无需业务代码感知。9.定时任务trace能扫到吗，怎么做的了解过吗实际上就是没有从网关层面的一个入口了，通过字节码注入一个入口，或者AOP10.快手业务11.权限DIFF工具怎么做的12.设计模式13.超卖解决方案14.AI自己主动探索过啥（只了解过RAG和MCP）15.代码题：从测试角度分析这段代码有什么问题 1.安全性 2.空指针 3.double精度 4.业务逻辑要求使用设计模式重构这段代码，解决上述问题。反问：1.我们这个业务主要是负责快手，你可以理解为除了快手，还有像A站kim以及你们那边估计也在用我们这边的能力。我们这边涉及的能力就是有账号，地理位置、推送短信，就是一些中台的。然后你像key count k switch也是我们负责，还有热更新，这些东西业务上的是这些，然后还有一些专项建设的。我们这边专项机设的可能就涉及到trace相关的应用，还有大模型相关的应用。是这样的。2.建议的话其实你实习经验已经我觉得已经够了，还是多多探索一下前沿的东西。就是现在感觉互联网公司都都挺那个的，都挺专注发展AI这个东西，可以自己多动手实践一下。然后还有就是写代码，写代码得长写，不然会经常忘掉。

面了43分钟，反问10分钟自我介绍（我的介绍三个嵌入式项目，一个测开项目）问我为什么投测开？感觉嵌入式你更熟悉（我说我对测开感兴趣，以后想往这边发展，测开目前在自我学习阶段）了解测开吗？讲一讲你自学的测开过程。你的测开项目是什么框架？怎么实现的？用到多线程编程吗？用的话是怎么用的？解释一下Python中的并发与并行常见的排序算法有哪些？把你知道的都说一下，还有他们的底层结构，时间复杂度。讲一下快排和堆排序的思想Python中的字典，元组，集合的区别是什么？讲两个列表合并到一个列表你会怎么做？如果打开一个网页是空白页，可能有哪些可能？如果打卡网页是出现了404，是哪些原因？讲一下http状态你在...