一、Redis 热 key：互联网平台的 “流量噩梦”在电商秒杀、爆款商品上线等场景中，海量用户请求会瞬间集中涌向存储对应信息的单个 Redis 节点，这就是 Redis 热 key 问题。就像一座设计合理的桥梁，某一车道突然涌入 100 万辆车，不仅会导致该车道瘫痪，还可能引发整座桥梁坍塌 —— 热 key 带来的连锁反应远比想象中严重：数据层面：承载热 key 的 Redis 节点因过载被打挂后，其负责的缓存数据全部丢失，进而引发可怕的缓存雪崩；应用层面：用户持续刷新却无法加载页面，服务直接陷入不可用状态，严重影响用户体验与业务连续性。很多人会误以为 “简单扩容就能解决问题”，但实际这是一...

发的消息看都不看了，现在是不招了吗

真给我气笑了😄，我投了实习僧这么多简历，结果最后才发现是在线简历，不是附件简历，亏我一直盯着实习僧，投了被hr查看了结果看的是我的在线简历，我说之前怎么有一次滴滴的面试跟kpi一样感情是拿我在线简历面的结果我有19个简历被查看的机会都被我浪费了，从九月就开始投的在线简历真绷不住了，而且滴滴它娘的投的实习僧就相当于投官网，怪不得我投了30多个一直简历筛不过去，现在hr估计都不看我的了

面试题简述Transformer中用的是LayerNorm，而不是常见的BatchNorm，这是为什么？面试官想听的意识到不是BN不好，而是不适合Transformer的使用场景。面试回答举例Transformer中选择LayerNorm而不是BatchNorm，主要原因和序列建模方式以及训练场景有关。详情请查看：http://xhslink.com/o/8yJohFzKSX6由浅入深分析1、BN 依赖 batch 统计量。2、LN 只依赖特征维度。3、Transformer 的 token 并行与 BN 设计目标维度不一致。4、自回归推理场景下 BN 表现不稳定。面试加分点1、提出推理阶段 ...