牛友们帮忙投投票吧，日常实习！

对团子的印象好转是在知道了小美之后，虽然功能上还有很多卡点，但是生活类AI智能体的设想真的很打动我！！

bg双非本九硕，暑期实习是客户端的，现在想找后端的日常实习，简历里是否建议写上这段客户端实习经验呢（PS， 秋招没后端实习，投了简历一个面都没有）

MySQL: 国民级关系型数据库，是Web应用和大多数互联网公司的默认选择，普及度极高。Redis: 缓存领域的绝对王者，是网站/App高并发访问的必备神器，普及度100%。Spark: 一个非常快的分布式计算引擎，大数据领域的绝对核心，是数据处理任务的标配，普及度和认可度无可撼动。Hive: 它让你可以用写SQL的方式去分析存在HDFS上的海量数据。大数据领域曾经的绝对核心和入门必备。Hadoop: 大数据技术的基石（HDFS：存，MapReduce：算），普及度100%，是入门大数据的起点。Flink: 实时计算的标杆，与Spark构成批流一体两大巨头，在国内大型互联网公司中应用非常广泛。Kafka: 高吞吐消息队列。事实上的标准，是数据管道、微服务通信的绝对核心。ES: 搜索和日志分析领域的标配，普及度极高。Oracle: 又大又贵又稳，银行、政府、大国企的“标配”。HBase: 一个巨大的NoSQL仓库。互联网公司用于存储日志、用户行为等海量数据，普及度很高。ClickHouse: 近年来极度火爆，是实时数据分析领域的明星，各大公司都在用，社区非常活跃。Doris: 源自百度的全能型分析仓库。既能高并发查询，也能做实时分析，在很多公司逐步替代其他复杂方案。HDFS: HDFS是分布式文件存储系统，一个由无数台机器硬盘组成的专门用来存海量文件的大存储系统。RabbitMQ: 传统消息队列的首选，但在超高吞吐量的数据流场景不如Kafka。ZooKeeper: 分布式系统的基石，虽然近年来有etcd等挑战者，但其在Hadoop生态中的核心地位暂时无法撼动。Presto: 可以让你用一条SQL语句同时查询MySQL、Hive、Kafka等多个数据源，快速拿到结果。几乎所有大数据平台都会部署。SQL Server: 微软全家桶专用数据库。Iceberg: 主流数据湖表格式技术之一，由Netflix开源。Hudi: 主流数据湖表格式技术之一，由Uber开源。Cassandra: 高可用的分布式仓库，更强调“无单点故障”，在任何地方都能读写。在国内不如HBase普及。

自我介绍在实际项目中解决了什么难点那还有一个难点就是刚才说的这个联调过程中，你觉得联调过程中，你在过程中遇到的那些卡点或者说不好处理的事，能细化一下吗？你能描述一下你浏览器输入一个3W点百度，它是最终浏览器返回这个页面的这样一个流程，你能描述一下吗？那你能说一下TCP和UDP的区别吗？对，没关系。OK，然后你平常在开发过程中常用的语言是什么？那你java这块你能简单说一下，java长就是长期支持版本的几个版本号吗？然后我想写一个controller，然后接受一个get的请求，我这个应该怎么写？JDBC组件用过哪些my baits里边的一些常用标签，你能举几个例子吗？就是叉mail里边的或者注解...