帆软提前批-后端 面经2

三面1. 给定长度为N的数组，取值范围为0到N（本应有N+1个数但缺失一个），如何找到缺失数字？（如[0,1,3,4,5,6]，缺失2）2. 对取值范围0-1000的数组去重并按顺序打印。3. 追问1：如何节约内存？4. 追问2：取值范围扩大到0-10亿且内存无法存下全部数据，如何实现？5. 追问3：能否用压缩方式直接内存处理？6. 追问4：在你的理解下进行压缩部分主要逻辑的编码实现。7. 个人情况（包括期望工作地点等）8. 若手握多个offer，如何选择公司？9. 对帆软的印象？10. 3-5年职业规划？11. 有没有压力很大的经历？

【面试问题】自我介绍， 项目6. C++ 有哪些基本数据类型，每个类型占多少字节？7. 为什么不同平台同样的类型字节数会不一样？8. 多线程里死锁一般怎么产生，有哪些必要条件？9. 怎么规避死锁？10. 分布式环境下不同节点之间也会产生死锁吗？11. 超时释放锁不会造成业务逻辑出错吗？12. 什么场景会需要用到线程池？13. 如果让你设计一个简单的线程池，会考虑哪些方面？14. 线程池里的锁是干什么用的？15. 队列很长时（例如一万个任务）会有什么问题？16. 三个线程 A/B/C，如何让 A/B 交替执行（打印 12345 各两遍，顺序 1122334455），等 A/B 都结束后 C 再执行？17. 二叉树节点装摄像头，每个摄像头可监控自身、父节点、子节点，求最小摄像头数覆盖整棵树的思路？18. 分布式环境下如何生成全局唯一 ID？19. 雪花算法大致原理是什么？20. 雪花算法会有什么问题？21. 怎么解决雪花算法的冲突/碰撞？22. 大学期间看过哪些书（技术类与非技术类）？

二面1. Redis 的 RDB 和 AOF 两种持久化机制有什么区别？2. 混合持久化是怎么工作的？3. 讲一下你的项目里，用 JWT 做用户认证的整个流程。4. ThreadLocal 的哪部分数据可能会导致内存泄漏？5. 如果用户在后端改了密码，怎么让这个用户之前的 JWT 令牌都失效？6. 讲一下什么是缓存雪崩，怎么解决？7. 除了给缓存时间加个随机值，还有什么其他办法能防止缓存雪崩？8. 讲一下布隆过滤器。9. Redis 有哪些常用的数据淘汰策略？10. 如果让你自己实现一个 LRU 缓存，你会怎么做？11. Java 的 JVM 内存分为哪几个区？12. 直接内存是归 JVM 管...

无手撕，30mins左右。【面试问题】1. 🧑‍💻 请先自我介绍一下。2. 🔍 做服务时为何选择 LlamaIndex？是否调研过其他技术？3. 📚 还了解哪些相关技术4. 🧠 对 RAG 有何深入认识？5. 📄 切片（chunking）的原理是什么？6. 🧰 技术栈用过哪些语言（C/C++、Python、Go）？7. 🚀 Go 的 goroutine 与传统线程的区别是什么？8. 🔄 goroutine 的并发控制怎么做？如何等待全部结束？9. 🐳 Docker 镜像三层叠加（A 层 1 MB → B 层改 1.5 MB → C 层删除文件）后最终镜像大小是多少？10. 🗂️ 容器启动后在 C 层还能否看到被删除的 A 层文件？底层是否仍存在？11. 🧹 有哪些手段可减小最终镜像体积？（multi-stage 了解吗？）12. ☸️ 对 Kubernetes 的核心概念与组件了解多少？16. 🤖 描述 LLM、Agent、MCP 之间的关系。17. 🛠️ 是否亲手写过 Agent 或 MCP？请举例说明实现过程。场景题：13. 🖥️ 1 万台机器偶发 IO 飙高，如何定位任意时间点、任意进程的 IO 贡献？最后反问业务，面试官人非常好，非常友善，很详细的介绍了部门的情况，分享给大家。部门主要分三大块：大数据，云计算，AI Coding。大数据不谈。云计算又分上层和底层：- 上层先做“应用交付”，也就是传统部署的升级版。最早用虚拟机，资源利用率太低，现在全面换成 Kubernetes + Docker 容器化。有了容器，交付模式就变了：需求管理：企业开发不能随手写代码，得先提需求、审批、测试，全流程我们管。代码仓库：GitHub 或内部 GitLab，也是我们维护。CI/CD：以前用虚拟机构建，现在容器化，任务跑完立即释放 Pod，一天并发十几万。装包→单测→API 测试→打镜像→安全扫描→发布，每一环都是 CI 的一部分。Code Review：合并前必须过评审。CD 交付：最核心。前面就算出错也不会让站点崩溃，CD 必须保证高可用、多集群、容灾、流量无损。我们用 Kubernetes Operator 做滚动发布：5 台机器先拉 1 台做灰度，人工验证没问题再逐步扩，数据中心级别也是逐点发布。- 说完上层，再说底层：资源利用率：让一台 Node 跑更多 Pod，省的就是真金白银。混部：CI 任务结束后立即销毁 Pod，把资源立刻让给别人，进一步提高利用率。调度、监控等组件。AI Coding 部门：目标是用户提需求 + MCP 框架 + 中间件 → 自动生成代码，大幅缩短交付周期AI Code Review：用大模型 + Agent 扫描漏洞、给出优化点智能排障：AI 自动定位、修复单测失败等问题