shein面试

一、基本情况 / 技术栈1.你先做个自我介绍。2.你的技术栈是什么？平时主要做哪些事情？3.你主要用 C++，那你是怎么做客户端开发的？4.你在客户端 SDK 里，C++、Android、iOS 分别负责什么部分？二、字节实习项目 / 端上特征平台5.你能详细介绍一下你做的项目吗？6.你觉得哪个项目最有价值？能重点介绍一下吗？7.你在字节实习里主要做了哪些产出？8.你们这个端上特征平台主要做什么事情？9.业务方是怎么使用这些端上特征的？10.你在这个项目里主要负责哪些部分？三、设备特征缓存优化11.设备特征缓存这块优化的背景是什么？12.原来端上设备特征调用为什么会有性能问题？13.为什么可以牺牲一部分时效性来换性能？14.业务方为什么能接受设备特征不是实时最新值？15.设备特征为什么要按 2 秒、10 秒、90 秒这类 TTL 分层？16.你们是怎么通过实验和埋点确定这些缓存分层的？17.哪些设备特征适合放在低频缓存里？哪些适合放在高频缓存里？四、特征 SQL 查询优化18.特征 SQL 查询优化的背景是什么？19.业务方调用特征 SQL 时，原来的性能瓶颈在哪里？20.为什么这些 SQL 可以进行合并优化？21.这些 SQL 为什么只有时间戳不同，其他结构比较相似？22.你们第一步用 UNION ALL 合并 SQL，为什么优化效果不理想？23.后面为什么要把时间戳提取出来，把 SQL 结构模板化？24.最小时间戳 / 覆盖范围最广的查询是什么意思？25.查询结果为什么可以放到应用层再分发？26.你们最后加的 SQL 查询结果缓存是怎么设计的？27.这个优化最终在单模块和整体链路上的收益分别是多少？五、实验 / A/B 验证28.你刚刚说通过实验验证，是已经进入实验系统了吗？29.你们通过实验主要比较什么指标？30.你们是怎么判断优化是否有效的？六、客户端岗位匹配31.你以后做 Android 和 iOS 客户端开发，有没有问题？32.你对 Android Java 和 iOS Objective-C 这两个方向清楚吗？33.如果岗位会涉及 Android 和 iOS 两端，你能接受吗？七、算法题 / 二叉树算法题：寻找两个节点的最深公共父节点34.二叉树会不会？35.这道二叉树题，你的整体思路是什么？36.你构建测试树的方式是什么？37.你现在构建的树是否依赖输入顺序？38.你的解法是否要求这棵树是有序二叉树 / 二叉搜索树？39.如果节点输入顺序打乱，你的算法还能正确吗？40.你是轮询整棵树，还是利用二叉搜索树性质降低复杂度？41.为什么有序二叉树可以降低查找复杂度？42.你之前刷到过这道题吗？43.你之前是怎么做这道题的？有没有看过其他更优解法？八、AI 编程工具使用44.现在 AI 编程工具很火，你用得怎么样？45.你在自己的 Agent 项目里，是怎么使用 AI 编程工具的？46.你常用哪些 AI 编程工具？47.Codex、Claude、MiniMax、GLM 这些工具或模型你用过吗？体验怎么样？

前天有个同学发消息问我：  “学长，我投了快 40 家公司，面试就 4 个，还全挂了。现在 4 月底，是不是已经没机会了？”  说实话，每年到这个时间点，都是大家最焦虑的时候。看着别的同学都收到 offer，自己越面越慌，心态快崩了。 今天这篇就是给还“没上岸”的同学准备的急救包。不讲大道理，只讲接下来两周你能具体做什么。 如果你是下面这几种情况之一，这篇就是给你写的：  ✅ 投了 30+ 公司，约面不到 5 个 ✅ 面试总有 1-2 轮，但最后都挂 ✅ 感觉自己是“备胎”，面试官说“等通知”就没下文了 ✅ 眼看 5 月就要入职，offer 还没着落  记住一个数据：截至 4 月底，实际拿到暑...

祝大家都能拿到满意的Offer！1. 分布式/存储这个项目你主要做了什么？2. 另一个协作系统项目是做什么的？3. Go 的 map 是并发安全的吗？4. 你怎么理解 map 的底层结构5. map 的扩容机制你了解吗？如果要让 map 支持并发安全，你会怎么做？6. 什么是一致性哈希？7. 为什么要用虚拟节点？8. 节点扩容时，数据怎么迁移？9. 节点下线或缩容时怎么处理？你这个一致性哈希的变化是怎么触发的？10. 协作系统里的角色和权限是怎么设计的？11. 多人同时编辑时，你是怎么处理的？12. MySQL 在什么情况下适合建索引？什么情况下不适合建索引？19. 什么是覆盖索引？20. Redis  缓存你是怎么理解和使用的？21. JWT 或登录态你是怎么做的？22. 如果用户多端登录，或者要强制下线，你怎么处理？

1. 自我介绍2. 详细讲一下你的实习经历，你具体负责哪些工作3. 限量出包是什么逻辑，5 万条候选线索只出 3 万条怎么判断高价值用户答案：限量出包本质是一个带约束的排序和筛选问题。不能简单按分数从高到低取前 3 万，因为业务里还有很多约束，比如销售每天承接能力、行业配额、城市覆盖、客户冷却期、黑名单、重复企业、近期已触达、历史投诉、企业规模、潜在金额等。我会先做硬过滤，再做评分排序，最后做配额调整。硬过滤去掉无权限、黑名单、近期已触达、关键信息缺失的线索；评分层综合行为分、画像分、意图分、转化概率分；配额层保证行业、区域和销售组之间不会极端倾斜。最终不是单纯 topN，而是 “topN +...