摩尔线程AI infra二面实习面经

面麻了，攒人品中1.实习拷打2.雪花算法生成的是什么样的ID3.10位的机器码不够应该怎么解决4.时钟回拨带来的问题是怎么解决的5.Base62和16进制之间怎么选择的6.如果是6位的一个短链标识，可以支持多少不重复的短链7.机器码怎么管理?如果两个服务器的机器码重复了该怎么解决对应问题?怎么从代码层面解决?8.布隆过滤器原理和用什么具体实现的9.如果想把布隆过滤器的误判率从1%降到0.1%，具体位数组要扩张多少，哈希函数怎么设计个数10.布隆过滤器的选型11.Cache Aside中更新缓存和删缓存怎么选?为什么?12.删缓存失败了怎么解决?13.在更新缓存后删除缓存这种模式下什么时候会出现不一致的问题?14.如果想要强一致性，怎么实现?15.延迟双删策略的延迟时间怎么设置?16.双重检查锁的原理和作用17.缓存击穿相关的，具体忘了是什么问题18.分表相关的，包括分片键怎么选的、分了多少表19.如果业务需求需要再加上用户id，并且需要借助用户id查询数据，那么分表的逻辑怎么改?20.RocketMQ和LLM对GC的压力有什么不同?21.系统中GC如果比较多，怎么排查问题?22.ZGC和G1的区别是什么?23.G1垃圾回收流程是怎样的?24.有没有对JVM做过调优?清楚调优参数吗?25.Sentinel限流是根据QPS还是线程数?26.降级策略是什么?27.有没有做集群限流

更像项目深聊，没有八股和编程题这场阿里云 AI Infra 三面，整体感觉和前两面不太一样。前面几轮多少还有一些“项目追问”的紧张感，这一轮更像是一次围绕经历、学习路径和工程实践展开的深聊。面试官上来没有直接问技术细节，而是先从我导师现在在做什么、我为什么会从偏深度学习慢慢转到 AI Infra 这个方向聊起，也问了我本科阶段做的东西、现在在做的东西，和导师那边的研究之间到底有什么关联。我这里主要是把自己的路线讲清楚：不是突然转方向，而是从做模型、做工程、做性能相关的事情慢慢往更底层走，最后发现自己确实更喜欢算子优化、系统性能和工程实现这类工作。整体上，这一段更像是在看你的路径是不是自洽。后面...

（攒人品ing~）💻 核心项目与八股深挖1. 个人博客项目中，应对高并发场景的“布隆过滤器 + 互斥锁 + 逻辑过期”三重缓存防御是怎么工作的？2. 为什么 Redis 可以实现分布式锁？底层原理是什么？3. 如果业务执行时间超过了分布式锁的超时时间怎么办？4. RabbitMQ 项目中如何保证消息 100% 可靠投递和入库？5. 如果消费者业务逻辑一直异常（如代码 Bug），消息无限重试怎么处理？死信队列的作用是什么？6. 限流算法（滑动窗口 vs 令牌桶 vs 漏桶），滑动窗口应对突发流量（如秒杀）有什么特点？7. 随着系统扩容，如何让限流阈值动态平滑地自适应调整？8. 介绍一下你的“航旅排障智能体”项目？架构是怎么设计的？9. 结合今年最新的 AI 发展（如吴恩达提到的 Agentic 概念），你现在会怎么优化这个架构？10. AI 写代码这么厉害了，现在在学校刷算法题还有意义吗？11. 如果你要用 AI 帮你从零设计一个高并发架构或功能（比如番茄钟），你会怎么和它交互？12. 线上系统出现了性能瓶颈，如何利用 AI 帮你发现更多优化点？🔄 反问环节实习生进去主要是做些什么业务？评价一下我今天的表现以及改进点

3.11 一面3.18 二面3.27 三面4.3 hr面更新：4.9已oc