Shopee产品二三面面经

1.项目介绍2.代码改动怎么验证功能性，如何编写单元测试3.第三方API结构发生不兼容更改时，如何及时发现变化4.灰度怎么控制故障影响范围，错误数据最大影响面如何判断5.缓存穿透是什么，数据库、缓存、布隆过滤器写入顺序怎么设计6.大日志文件快速查询特定时间后的固定数目记录7.消息队列单条数据错误导致阻塞如何优化8.反问

1.箭头函数和普通函数的区别2.箭头函数为什么不能改变this3.箭头函数充当构造函数哪一步会报错4.怎么理解箭头函数this指向继承外部作用域5.平时怎么使用箭头函数6.浏览器的缓存机制7.怎么判断强缓存还是协商缓存8.协商缓存为什么要同时有etag和last modified9.协商缓存的具体过程10.在浏览器的控制面板中的磁盘内存和浏览器内存11.vue2和vue3的区别12.vue3响应式的优势13.vue2怎么监听对象属性的增加减少14.vue3组合式API的优缺点15.你怎么用AI解决问题16.会记录解决问题的方法论吗17.怎么看待前端和AI的关系18.webpack和vite的区别19.vite的缺点20.为什么vite的开发速度更快21.有没有了解最新的构建工具

京东测开（面试官人很好 聊的很轻松愉快 第二天直接挂 道心破碎了）全程聊实习和项目网易（一面 挂）虾皮（一面 2分钟直接挂 面的安卓开发 岗位不匹配 叫我去找hr）我没招了一些小厂（一面挂）总结：项目还行 但八股和算法太拉了 基本没准备就上了想狠狠背八股和刷算法了寒假实习不投了（其实是没招了） 沉淀一下 等年后吧最后想问问 算法只刷hot100够吗

1、常见的方案有数据库自增ID、UUID、Redis生成和雪花算法。实际分布式场景下，雪花算法更常用，它将ID分为时间戳、机器ID和序列号三部分，性能高且趋势递增。但要注意时钟回拨问题，可通过记录上次生成时间戳或使用扩展版算法解决。2、雪花算法的ID在时间戳维度是递增的，但同一毫秒多机器生成的ID可能乱序。如需严格单调递增，可用数据库号段模式：服务启动时申请一个ID范围，内存分配用完后再次申请，这样单服务内ID严格递增。3、redo log是InnoDB的物理日志，崩溃恢复时重放提交的事务；undo log记录数据修改前的状态，用于回滚和MVCC读；binlog是MySQL Server层的逻辑日志，用于主从同步和数据备份。4、主库将变更写入binlog，从库通过IO线程拉取binlog到relay log，再由SQL线程重放SQL实现同步。5、优化索引时要减少回表和利用覆盖索引。索引失效常见于：违反最左前缀、对索引列计算、类型转换、LIKE左模糊匹配、OR连接非索引列等情况。6、InnoDB索引用B+树实现，联合索引按字段从左到右排序。如果跳过左侧字段，因为b的值在全局无序，无法利用索引快速定位，导致失效。7、当元素少且小时，用压缩列表节省内存；当元素多或大时，自动转为 "跳跃表+字典" 组合。跳跃表负责按分值排序，支持高效范围查询；字典负责成员到分值的映射，实现O(1)快速查分数。这种设计平衡了内存与性能。8、跳表插入节点时，从最高层向右向下逐层搜索并记录小于目标的分值位置（update[]）；随后随机生成新节点层高，创建节点并按层将其插入：每层链接到对应update[]节点之后，并指向其原后继；最后更新跳表的最大层高和节点总数，实现高效定位与平衡插入。9、Redis有6种淘汰策略，常用的是allkeys-lru和allkeys-lfu。LRU淘汰最近最少访问的，LFU淘汰访问频率最低的。LFU更适合长期热点场景，而LRU对突发流量更敏感。10、Redis用惰性删除+定期删除组合：访问key时检查过期，同时后台定期抽样清理过期key。当内存不足时，再根据淘汰策略主动删除数据。11、TCP通过滑动窗口实现流量控制：接收方在ACK包中携带窗口大小。发送方根据这个窗口动态调整发送数据量，避免接收方缓冲区溢出。