荣耀 通用软件开发 实习 5.16笔试

1.用过HTML5的哪些语义化标签2.meta标签的作用3.SEO用到的meta标签有哪些4.如果页面上有一个div，不知道有多宽多高，如何控制内部元素水平垂直居中5.如何实现一个移动端0.5px border6.js中的闭包是什么？应用场景7.js的事件循环机制流程是什么样的？解决了什么核心问题8.vue2和vue3的双向绑定原理，区别是什么？9.如果在vue2中主动修改了一个深层次的对象属性，如何实现响应式10.尤大做了什么操作，使$set能够做到变量的响应式11.localStroge、sessionStroge（会话存储）、cookie的区别12.localStroge太大，本地存储存不下13.猜测一下indexDB能存这么大的数据，是把数据存到了哪里14.解决跨域有哪几种方案15.请实现一个简单的图片懒加载（利用promise、处理图片加载成功或者失败的情况）真的非常非常非常想进入b站实习，但是最后因为非全研究生的原因没能成功入职。真的非常非常非常想和面试官共事，太平易近人了

攒人品中，祝大家都能拿到满意的Offer！1、实习拷打2、项目拷打3、研究生期间的成绩排名大概处于什么位置？4、请详细介绍一下你的后端项目。5、该项目是用于个人学习还是实际应用？该项目是独立完成还是团队协作完成？6、如何验证所实现的模块（如缓存穿透、击穿、雪崩的应对方案）是否达到预期效果？7、在缓存与数据库之间，如何保证数据一致性？追问：是否存在其他实现方案？8、为解决数据一致性问题引入了消息队列，但组件增多会降低系统可靠性，对此你是如何权衡或处理的？9、在 AI 编程方面，你是否相关经验吗？10、最近在使用哪些 AI 开发工具？这些工具应用在哪个项目上？11、你是如何将 AI 工具与开发流程结合，实现具体功能特性的？

开场： 1、自我介绍研究方向：2、介绍下你的研究方向这块实习：3、实习做了哪些工作4、系统的数据来源5、系统这些数据量大不大，用什么存储的6、慢查询排查优化完整流程讲一下7、这块MySQL的数据量大吗，怎么样的8、Caffeine参数怎么设置的9、Caffeine命中率统计过吗10、如何保证Caffeine命中率11、Redisson分布式锁解决缓存击穿是什么样的场景12、没拿到Redisson分布式锁的线程直接返回吗13、Caffeine + Redis + 数据库的三级缓存会出现缓存击穿吗，怎么解决项目：AI项目14、这是开源的还是你们真实存在的，介绍下15、召回率准确率有测量吗点评16、这个是开源项目吗17、介绍下你做了哪些优化18、滑动窗口限流用的Redis哪个数据结构19、这里面key这些怎么设置的20、滑动窗口和请求数设的多少21、那如果很高并发请求，这块还可行吗，怎么办22、做过压力测试吗23、Redis 是单体的吗还是24、Lua 脚本里redis key怎么构成的八股：25、常见限流算法还知道哪些，讲一下26、Lua脚本能保证原子性吗27、Kafka rebalance场景说一下28、Kafka 分区数与消费者组消费者数这里的关系讲一下29、Kafka 重复消费怎么解决30、Kafka 消费堆积怎么解决31、线程和进程的区别32、InnoDB默认隔离级别是，解决了哪些问题，怎么解决幻读的33、事务四大特性34、Spring 怎么解决Bean对象循环依赖的35、ArrayList是线程安全的吗，List里面有哪些是线程安全的36、ConcurrentHashMap如何保证线程安全的37、final关键字的作用38、synchronized 和 ReentrantLock 区别39、垃圾回收了解吗40、OOM如何排查优化，了解过吗41、实际用过MAT吗42、Redis有哪些数据结构43、Redis底层用了哪些数据结构44、Redis过期删除策略和内存淘汰策略

攒人品ing~（一天三面我燃尽了）个人背景介绍一、 项目深挖：高并发博客系统架构面试官提问：你的并发控制和API限流是怎么做的？面试官追问：点赞的接口限流具体怎么实现的？面试官追问：数据最终怎么落库？MQ消息丢了怎么办？二、 场景题：使用Redis实现QPS/QPM/QPD限流面试官提问：如果要用Redis限制一个接口在滚动窗口下的QPS、QPM、QPD，怎么做？第一版思路：将时间单位拼接到Redis Key中。面试官指出：这会导致Key数量爆炸式增长。第二版思路：使用Hash结构，记录用户在特定时间窗口内的访问次数。面试官指出：这种方式只能记录自然时间（如自然天、自然秒），无法满足滑动窗口的需求。第三版思路：使用ZSet实现滑动窗口，Score设为时间戳，Value设为唯一标识。每次请求进来先移除时间窗口之前的数据，再使用 `ZCARD` 统计当前元素个数来判断是否限流。面试官指出：在QPD（每天调用量）极大且高频的场景下，ZSet会导致元素过多，产生大Key问题。第四版思路（最终被认可）：针对精度要求没那么高的QPM/QPD，采用“分桶计数”思想。将一天24小时分为1440个分钟桶，使用String存计数值。每次判断时只需将最近时间段内的桶数据相加即可，旧桶设置自动过期销毁。表示该方案可行。三、 项目深挖：缓存三大问题解决方案面试官提问：你在项目中提到的“布隆过滤器 + 互斥锁 + 逻辑过期”是怎么协同工作的？四、 手撕算法题目：LeetCode 124. 二叉树中的最大路径和。五、 反问环节问：入职后实习生的主要工作内容是什么？问：团队内部对于AI写代码的认可度如何？问：对我今天面试表现的评价和建议？