掌阅一面

前几天也面试了贝壳，感觉大部分是八股1 先自我介绍2说一下mapreduce的几次排序，都是啥排序，大概是在啥时间进行的排序3说一下spark的3种join，这3种join为啥可以进行优化代码，哪些场景适合啥join4 说一下数据倾斜的现象，你工作中有遇到吗，是怎么解决的，解决思路是啥，解决完成之后时效有明显提升吗5 平时任务有时效性要求吗，比如业务需要1点前产出，你们这边怎么设置任务基线，怎么确保任务准时产出6 晚上对于脏数据和异常起夜都是怎么应急处理的，大概会有谁参与7 对于数据治理你感觉需要治理啥，哪些治理的收益大8你这边有啥需要找我了解的个人觉得大部分是八股，其它都是一些主要场景，没有问实时，估计实时不多

前言当前26届秋招已过了一半，盘点一下带过百位26届实习/校招出现过的一些情况，也能给27届或还在26届找工作的同学起到一些帮助。现象1-各公司越来越卷学历卷学历现象从最近2年来看都是普遍现象，数据开发侧可能还好，基本双非本硕以上同学都能有面试机会，但26届对于双非本科同学就没有那么友好了，需要多段大厂实习进行支撑（建议提前准备考研、或提前准备实习），即使双非本硕作为门槛，仍然有大量985、211同学在竞争，对于数分侧来说更不友好，985硕属于标配，还需要加之前大厂经历才能有面试机会，可能数开侧同学在28届29届学历要求标准还会继续有所变动，相对来说更卷一些。同时对于一些学历厂例如阿里云等更看...

一面纯八股拷打1. OSI七层模型，常用的网络协议在哪一层2. http和https的区别3. synchronized关键字讲一下4. 锁升级机制了解吗5. threadlocal讲一下，会出现什么问题，如何解决6. 类加载的过程7. CAS原理，问题，如何解决8. spring AOP原理讲一下9. redis常见的数据结构和应用场景10. redis持久化机制讲一下11. redis淘汰策略12. 慢sql优化13. 手撕LRU

算法题：多头注意力，面试看会分头就给过。 底层：关注以下几个点，agent组，怎么训练？怎么搭连路？怎么构造工具？ 其中训练很有意思，尤其是agent强化训练，面试官直言，没有全量强化经验的人我们不要。针对reward设计（为什么这么设计？有什么用？能更快收敛还是更好效果？），超参数调优（什么图像意味着什么要做什么样的调整）问的很细。 上层：考察面试者的视野，讨论了最近的几项技术，比如env based的训练，快手的ARPO看过没～，你怎么看环境的搭建，你觉得long horizon的任务怎么结合环境训练？你用过verl搭环境训练吗？比如GSPO为什么重要？同比DAPO（面试官直说这就是个消融...