携程线下一面挂+面经

1面过：深刻感受到无实习的伤害，面试官对玩具项目完全没兴趣，只问了研究生学习的项目经历，对sql的轮子项目问了一下，包括select流程，解析器具体原理和数据结构，acid，联合索引就没了！不知道为啥过了2面:redis分库分表的场景题，玩具项目的挖掘，主要还是对redis应用的存储，分页分表进行拷打，问懵了有点。还有具体的操作遇到并发怎么解决，实践思路，寄。最后手撕链表的k个反转，表现不好，写出来了但有点混乱。出来秒挂。总结：准备两天八股无人问，还是得写好简历，主攻简历能挖掘的点。继续沉淀和优化简历吧！最好说一句，怎么不问我八股啊！！！

一面和二面都是线下参加的，可以一下午速通一面1. 自我介绍2. 实习项目介绍+QA3. Spring中bean的生命周期4. Spring中，如何实现记录加载了哪些bean，以及每一个bean加载所用时间5. @SpringbootApplication的实现原理6. 介绍B+树7. 介绍红黑树8. tcp和udp的区别9. tcp三次握手和四次挥手10. tcp的流量控制和拥塞控制11. 计网中解包和装包12. 实现反爬虫，当某一ip一分钟内访问次数达到100拒绝掉，如何实现13. 线程池的核心参数14. 类加载过程15. 如何实现一个全局唯一ID16. （算法）纸上手写：线程安全的单例模式17. synchronized的底层实现18. 反问二面1.自我介绍2. 实习项目方案介绍3. 介绍跳表4. 跳表有什么缺点5. 乐观锁和悲观锁的区别6. CAS的实现原理7. 线程池的核心参数8. 有哪些阻塞队列9. 介绍HashMap的结构10. HashMap做put(key,val)的流程11. HashMap为什么可能出现死循环的现象12. volatile关键字的作用13. volatile不能保证并发安全吗14. synchronized的底层实现15. http请求方法有哪些16. post请求有哪些参数；域名放在什么字段；application/json放在什么字段17. 反问每场都是45min左右，面完后10min出结果

25分钟体验最差的一次，面试官话说不清楚，问问题之前也没想好要问什么1.你这边投的是开发吗？不是的话我们换一个面试官（可能看实习是测开）2.自我介绍3.二级缓存怎么实现的，数据一致性怎么保证4.kfaka、rabbitMQ、RocketMQ三个的区别，为什么会选RocketMQ5.消息队列的应用场景6.普通消息、顺序消息的区别，在什么场景会用到7.怎么保证消息的顺序消费8.顺序消息会有什么缺点9.如果顺序消息，有一条消息失败了会怎么样，怎么解决10.SQL优化11.B+树索引和ES倒排索引的区别（简历里没写es）12.MySQL进行模糊匹配时，为什么效率低；为什么es会比较快13.es还可以用...

无手撕，30mins左右。【面试问题】1. 🧑‍💻 请先自我介绍一下。2. 🔍 做服务时为何选择 LlamaIndex？是否调研过其他技术？3. 📚 还了解哪些相关技术4. 🧠 对 RAG 有何深入认识？5. 📄 切片（chunking）的原理是什么？6. 🧰 技术栈用过哪些语言（C/C++、Python、Go）？7. 🚀 Go 的 goroutine 与传统线程的区别是什么？8. 🔄 goroutine 的并发控制怎么做？如何等待全部结束？9. 🐳 Docker 镜像三层叠加（A 层 1 MB → B 层改 1.5 MB → C 层删除文件）后最终镜像大小是多少？10. 🗂️ 容器启动后在 C 层还能否看到被删除的 A 层文件？底层是否仍存在？11. 🧹 有哪些手段可减小最终镜像体积？（multi-stage 了解吗？）12. ☸️ 对 Kubernetes 的核心概念与组件了解多少？16. 🤖 描述 LLM、Agent、MCP 之间的关系。17. 🛠️ 是否亲手写过 Agent 或 MCP？请举例说明实现过程。场景题：13. 🖥️ 1 万台机器偶发 IO 飙高，如何定位任意时间点、任意进程的 IO 贡献？最后反问业务，面试官人非常好，非常友善，很详细的介绍了部门的情况，分享给大家。部门主要分三大块：大数据，云计算，AI Coding。大数据不谈。云计算又分上层和底层：- 上层先做“应用交付”，也就是传统部署的升级版。最早用虚拟机，资源利用率太低，现在全面换成 Kubernetes + Docker 容器化。有了容器，交付模式就变了：需求管理：企业开发不能随手写代码，得先提需求、审批、测试，全流程我们管。代码仓库：GitHub 或内部 GitLab，也是我们维护。CI/CD：以前用虚拟机构建，现在容器化，任务跑完立即释放 Pod，一天并发十几万。装包→单测→API 测试→打镜像→安全扫描→发布，每一环都是 CI 的一部分。Code Review：合并前必须过评审。CD 交付：最核心。前面就算出错也不会让站点崩溃，CD 必须保证高可用、多集群、容灾、流量无损。我们用 Kubernetes Operator 做滚动发布：5 台机器先拉 1 台做灰度，人工验证没问题再逐步扩，数据中心级别也是逐点发布。- 说完上层，再说底层：资源利用率：让一台 Node 跑更多 Pod，省的就是真金白银。混部：CI 任务结束后立即销毁 Pod，把资源立刻让给别人，进一步提高利用率。调度、监控等组件。AI Coding 部门：目标是用户提需求 + MCP 框架 + 中间件 → 自动生成代码，大幅缩短交付周期AI Code Review：用大模型 + Agent 扫描漏洞、给出优化点智能排障：AI 自动定位、修复单测失败等问题