1 超级App生态吞噬独立应用场景微信、支付宝、抖音等超级App通过小程序、轻应用构建了完整的商业闭环，使得大量中小型应用失去存在必要。数据显示，2023年微信小程序数量突破400万，覆盖电商、社交、工具等各类场景。用户习惯逐渐从"下载App"转向"即用即走"的小程序，导致独立App的安装率和留存率持续下滑。许多企业为降低获客成本，直接放弃原生App开发，转而入驻超级App生态，这使得纯客户端岗位需求进一步萎缩。2 跨端技术对原生开发的降维打击Flutter、React Native、Taro等跨平台框架的成熟，让"一套代码多端运行"成为现实。头部企业（如阿里、字节）已大规模采用跨端方案，将原生开发团队缩编为"核心模块维护组"。即便在高性能要求的场景（如直播、游戏），跨端技术也能通过原生插件混合开发实现需求。这种趋势下，企业对纯原生开发者的需求锐减，转而青睐同时掌握JavaScript/Dart和原生技术的"跨端工程师"。3 AIGC与低代码的致命冲击当前AI生成代码技术（如GitHub Copilot）已能自动化完成基础UI布局和业务逻辑开发，而低代码平台（如钉钉宜搭、腾讯微搭）更是让非技术人员也能快速搭建简单应用。虽然复杂交互场景仍依赖人工开发，但AI技术的迅猛发展正在快速改变行业格局——从Figma设计稿一键生成Flutter代码，到GPT-4直接输出可运行的基础模块，再到AI智能分析崩溃日志并提供修复方案，这些突破正在大幅降低初级客户端开发岗位的技术门槛和价值。这种趋势将迫使客户端开发者必须向高阶架构设计或AR/VR等新兴垂直领域转型，否则很可能面临被自动化工具取代的职业风险。4 云化与流式应用的终极威胁Google的Instant App和苹果的App Clips证明了"无需安装"的可行性，而云游戏/云应用技术（如腾讯START）更是将计算完全移至服务器端。未来如果5G+边缘计算普及，用户可能通过流式传输直接使用应用，本地客户端将退化为简单的渲染终端。这种模式下，90%的客户端开发工作会转移至服务端，仅剩的岗位可能集中在平台方（如苹果/谷歌）的系统层优化团队。

👋个人背景：双非硕👏offer1：绿盟科技 安全攻防💯offer2：北京超图 全栈🌱offer3：广州美的 工业视觉算法🌱offer4：美图秀秀 ios 鸿蒙 客户端🌱offer5：小公司 工业视觉缺陷检测算法🌱offer6：继续面

问题1：为什么会使用分库分表，到达了什么样的数据级别才会去加设计，是否对数据量有一个统计我的理解：看星哥之前写过 单表行数超 500 万行或者单表容量超过 2GB，推荐分库分表，但是面试的过程中怕被问自己写的项目会有这么大的数据量吗不要这么硬背，具体情况具体分析，有的表字段少，经常是条件等值查询，这样加个索引，一个亿也不用分表，有的字段多，还是范围查询，可能5000万就得分表，面试官问你你说是自己在学习分库分表应用到项目中，自己造了几千万的数据量问题2：基因法需要分表的一个数量和确定的一个东西（我的理解是分表的依据，例如大麦中是订单编号和用户id），但是正常的生产环境中是可能动态改变的，比如说需要动态扩容的话，怎么解决呢（例如当前有4个分表，但是现在需要扩充到8个分表），是使用双写吗？这个在扩容前就要考虑好能维持多少年内不需要再扩容。转转架构师在分库分表前，通过之前记录的数据增长量，做了256张表，能在7年内不需要再扩容，如果需要扩容的话，可以使用双写，新扩容表写的过程中，用新的分库分表算法问题3：如果在防止超卖的过程中，Redis不可用了，怎么解决我的理解：使用Redis集群和主从复制吗？因为Redis宕机的话数据库的数据也不能保证是最新的版本，所以得尽量保证Redis不宕机？肯定要使用redis集群模式，但可能会有主从延迟，导致从节点数据不是最新的，但关系不大。可以在用户生成订单后，修改数据库的座位和库存，然后用户支付后，再改数据库的座位和库存，每一步都做好验证。这样从节点的数据问题会降到最低。问题4：如果在当前的幂等验证逻辑中，有一个消息所对应的幂等标识符是不存在的，按照现有的逻辑是可以执行的，但是幂等验证之后的业务系统异常了，这个时候应该怎么处理呢（即通过了幂等的验证，但是后面的服务down掉了，比如说下游抛了一个异常出来）【没太明白应该回答什么，是指需要将幂等标识符重新进行设置吗】异常了就异常了呗，把这个请求的标识从redis中删除了，就像分布式锁时，业务异常也要执行解锁一样，让下一个请求进来正常执行，然后设置好标识位问题5：本地缓存为什么使用Caffine呢，为啥不用Guava因为caffine的性能要远高于Guava，没有其他复杂原因我的理解：查了下Caffine就是Guava改进而来的，可以这么说吗- Caffine在读写操作方面的性能更高，是基于异步的操作，将淘汰过期操作与读写进行分离- Caffine采用了一种结合 LRU、LFU的算法W-TinyLFU+，具有高命中率，低内存占用的特点

女面试官水平很高，我这个非科班被狠狠按在地上捶打40分钟。而且还没有深挖拷问实习和玩具项目，也没有硬上极端场景和系统设计。而且八股也只是问得广，没有深入进去讨论原理，没问计组、操作系统和网络。只是表面的使用方法。就这样，我都感到和科班很大的差距。革命尚未成功，同志仍需努力。继续刷算法SQL，继续海投练面。 更新，我之前投错了，这个岗位不是暑期实习和校招，是正式社招。面试官本来想拷问一下我的实习，但是发现对于她的水平来说，我做的事情过于简单，所以最后就变成八股场景系统设计轰炸了。怪不得没有408原理。。介绍实习业务，具体负责模块。与测试之间的沟通。Spring Boot IOC/DI，控制反转和...