【2023届校招java面经】
下面主要从以下几个方面整理,分别是Java基础、MySQL数据库、Spring相关框架、计算机基础和中间件、项目和手撕算法题。
Java基础
- 1、Java重写和重载的区别?
- 2、Java有哪些数据结构
- 3、说说HashMap的源码原理
- 4、JVM的双亲委派机制说一下
- 5、JDK源码阅读过哪些?
- 6、说一下jvm的内存模型?
- 7、List、HashMap和HashSet的使用区别?
- 8、gcroot都有哪些?老年代和新生代的区别?
- 9、Heap是什么?和Stack的区别
- 10、创建一个对象的过程是什么?
- 11、对eaquels的理解?
- 12、HashMap和ConcurrentHashMap的区别?
- 13、HashMap为什么用红黑树?
- 14、JVM调优参数有哪些?随便说几个
- 15、垃圾回收机制、为什么分老年代和新生代?
- 16、反射是什么?
- 17、Java中创建多线程的方式有哪些?线程池有哪些参数?执行流程和拒绝策略是什么?
- 18、Java的序列化和反序列化?
MySQL数据库
- 1、MySQL的事务和引擎等问题
- 2、MySQL的调优看过吗?有调优经验吗?
- 3、MySQL的索引失效有哪些场景?
- 4、是否了解数据库,都了解哪些内容?
- 5、MySQL中都有哪些锁?
- 6、基本语句,如何增加列?
- 7、数据库读写分离
- 8、InnoDB引擎为什么使用B+树?
- 9、如何发现慢SQL
Spring相关框架
- 1、对Spring的理解?
- 2、Spring源码看过吗?说一下Bean的生命周期
- 3、 Spring Boot启动类注解是什么,有什么作用
- 4、Bean注入过程?
- 5、定时框架用过吗?
- 6、Spring IOC和AOP讲讲你的理解?
计算机基础
- 1、TCP和HTTP的区别
- 2、是否了解操作系统,进程和线程的区别,资源争端怎办?
- 3、TCP三次握手,丢包如何解决?
- 4、TCP拥塞控制详细说一下?
中间件等
- 1、消息队列用过哪些?消息队列的作用?
- 2、Redis项目中如何用的?用来做什么?
- 3、Redis挂了会发生什么?Redis集群,哨兵模式?
- 4、Redis缓存击穿、缓存雪崩、缓存穿透讲讲,如何保持数据不丢失?
项目
- 1、问秒杀项目:介绍一下你对项目高并发的理解;
- 2、库存超卖如何解决的?(商城类项目)
- 3、Redis缓存的库存怎么解决库存的超卖?
- 4、项目过于依赖Redis,你如何解决Redis崩掉了?
- 5、针对实习项目问细节?
- 6、Redis缓存了什么内容?Redis空间不够怎么办?如何实现缓存和数据库同步?目前的瓶颈?如何提高你的QPS? 一个请求处理的时间?(秒杀项目)
- 7、项目遇到的最大挑战是什么?
- 8、说说项目中的闪光点和亮点,或者你是怎么进行解决的吧
手撕算法题
- 1、判断镜像二叉树([剑指 Offer 27. 二叉树的镜像]
- 2、找最大公共字符串([剑指 Offer II 095. 最长公共子序列]
- 3、判断括号的合法性([20. 有效的括号]
- 4、单词反转
- 5、给定一段时间(9,1-12.1)以及这段时间不要的时间(比如11.1-11.9),输出这段时间的工作日
- 6、模拟队列,安检通过则出队,不通过重新排队。60岁以上的可以插队到比他年龄小的人前面,一共只允许10个人插队。
总结
经历过去年的阿里秋招,感觉阿里对于Java的要求还是蛮高的,从对Java语言的掌握程度、再到一些框架和中间件等问的较多,纯八股类的大部分部门问的不太多。
结合上面的实习面经来看,问Java语言的题目比较多,其次就是框架和项目。另外就是一些实战能力,比如MySQL调优、JVM调优、项目的一些场景类的题目。
【部门介绍】
拼多多推荐团队是拼多多最核心的技术部门之一,负责拼多多所有推荐场景及展示广告场景的技术研发工作,包括商品推荐(首页猜你喜欢)、内容推荐(直播、短视频)和游戏互动(多多果园)等,并为全公司提供关键的底层技术服务(机器学习平台、推荐平台等)。
团队目前有百余名算法、工程和数据分析工程师,核心成员为业内知名技术专家,团队同学多数来自国内外顶级院校,拥有拥有国内外一线互联网公司经验。
团队发展快速稳定,工作氛围和谐,技术氛围浓厚。团队在推荐算法、机器学习和推荐系统架构等领域具备世界级的技术实力,团队成员在SIGIR、SIGKDD、AAAI、WWW、IJCAI等国际会议上发表数十篇论文,解决超大规模推荐引擎中的核心问题。
【团队特色】
·拥有海量的多源数据,算法涵盖召回排序、NLP、机制等众多技术领域,你可以依托最前沿的电商应用场景,助力业务快速增长。
·产学研相结合的技术实力居行业前列,面对复杂的业务逻辑和多重技术挑战,你可以持续探索创新,不断突破行业边界。
·从全域的数据分析到算法的创新落地,你可以在核心业务里全流程实践,让机器学习创造真正的价值。