提问环节： 1. 讲一下你的全链路埋点都是怎么做的？你都埋了哪些数据？为什么？2. 你提到你负责处理和解决音视频相关的各种bug，能说一下你是如何排查、解决、验证和闭环的吗？3. 你提到你的埋点提高了debug的效率，是怎么提高的？4. 你提到你实现了一个自动化脚本来自动跑测试，说一下怎么做的5. 讲一下你了解到的音视频编码格式（aac/opus）6. aac和opus有什么优缺点？7. 讲一下你遇到过的项目难点，以及你是如何解决和闭环的？8. 你的音视频同步是怎么做的？如何确保用户体验？9. 音频比视频快和视频比音频快，哪个更影响用户体验？10. 你是怎么确保音视频同步和体验是好的？（直接说统计时间戳的差）11. 有没有可能硬件底层导致时间戳有一定的误差，你怎么解决？（底层用的厂商soc，我们默认他们是OK的）12. 你提到OpenGL渲染管线构建可扩展滤镜框架（灰度/反⾊/翻转），你是怎么构建的？用的什么设计思想？13. 码率控制模块是如何设计的？14. 你是怎么考虑分辨率/帧率/QP的调整，来确保出流体验？15. 讲一下你的卡尔曼滤波和滑动窗口的码率控制策略？16. 你的码控不能太频繁也不能太稀疏，你是如何设计控制间隔的？17. 为什么选2秒？（因为IPC摄像头出流2s一个GOP）18. 讲一下你的动态内存池的实现，你认为你比开源项目中的实现好在哪？（学习借鉴优秀开源项目，同时基于业务需求调整）19. 说一下内存池的大致实现，你的内存池通过什么来进行同步？（cv+unique_lock）20. 你提到原子变量std::atomic，展开讲一下？21. 手撕：找到有序数组的所有中位数。（奇数时中位数必然在中间，偶数时在中间的左右两个）22. 你还在职吗？我们这边主要是做音频的，看你做视频比较多。反问环节：1. 您这边用到的技术栈主要有哪些？（C++、ffmpeg等，主要还是根据开发需求吧）2. 您做音频编码用aac多还是opus多？为什么？（除非播放器不兼容，不然都优先opus）3. 您结合今天的面试情况，谈一下我哪些地方需要学习和提高？（整体答得都挺好的，可能有些细节需要进一步深入吧）4. 能说一下具体哪里需要进一步深入吗？（你可能需要在工作中寻找和解决问题，遇到难题进一步学习和深入，不过工作后你可能也没有太多精力学习了）整体感觉面试难度较低，没有太多深挖（比如ffmpeg源码级），面完第二天接到二面邀请。

1.手撕2道2.自我介绍3.进程之间通信方式4.HTTPS握手流程（没背不会，只会与http的区别，端口号）5.TCP 3次握手服务器和客户端状态变化6.select，poll，I/O7.了解mysql中最左前缀吗（说了怎么索引失效，也补充了skip scan优化，但是问我实现原理问懵了）8.你的向量数据库用的什么？存在大索引吗？面试官没开摄像头，HR发面试邀请的链接写的是7点到7.30，点进去准备面试写的是7点到7.45，结果8.15才结束。

第一题应该是把输入写成二维数组然后回溯吗吧，刚开始没想到，一门心思统计奇偶组的个数了。第二题是leetcodehot100 无重复字符的最长子串的变种第三题没看。感觉都在中等难度以上，而且题比较灵活。刷题不够多，或者只刷过hot100真不够。

描述 你正在搭建一个用户活跃度的画像，其中一个与活跃度相关的特征是“最长连续登录天数”， 请用SQL实现“2023年1月1日-2023年1月31日用户最长的连续登录天数”selectt4.user_id,max(t4.tp) as max_consec_daysfrom(selectt3.user_id as user_id,count(t3.tm) as tpfrom(selectt2.user_id,date_sub(t2.fdate, interval t2.rk day) tmfrom(selectt1.user_id,t1.fdate,row_number() over (partition byuser_idorder byt1.fdate) as rkfrom(select distinctfdate,user_idfromtb_dau) t1) t2) t3group byt3.user_id,t3.tm) t4group byt4.user_id这个需求本质上是在构建用户活跃度画像，其中“最长连续登录天数”衡量的是用户在观察周期内的活跃稳定性和使用习惯强度。我会先明确统计口径：按用户、按天去重，在 2023 年 1 月范围内识别每段连续登录区间，并取最长的一段作为用户级特征。在计算上，通常会先筛选出 2023 年 1 月的登录数据，对同一用户同一天的重复登录进行去重；然后按用户对登录日期升序排序，给每条登录记录生成顺序编号；再利用“登录日期减去序号”这一方法识别连续登录区间，因为连续日期减去连续序号后会落在同一分组中；接着按用户和连续分组统计每段连续登录天数；最后再对每个用户取最大值，得到其最长连续登录天数。在分析层面，我不会只停留在这个特征本身，还会进一步观察最长连续登录天数的分布、高连续用户占比、关键断点位置，以及在新老用户、渠道、时间节点等维度下的差异。从漏斗位置看，这个指标属于用户生命周期中的留存与稳定活跃阶段，用来衡量用户是否已经形成持续使用习惯。在输出层面，我会基于结果进一步形成业务结论，比如判断用户连续活跃整体处于什么水平、关键流失断点主要出现在什么阶段、不同用户分层之间是否存在明显差异，以及问题更偏向新用户承接、老用户衰减还是渠道质量差异。最终再将结论转化为关键动作，例如优化新手承接链路、设计 3 日和 7 日关键节点激励、进行分层运营，并通过内容供给、触达策略和权益机制来提升用户持续登录和活跃稳定性。