美团秋招记录

（6.13 早上9点到10点）1.项目盘问和一面的有点像，挑一个实习项目进行介绍，然后具体干什么，有哪些难点。比一面可能挖的更深一些，但是你项目认真做的答上来没啥问题2. 问了一下clickhouse数据库（项目中用过）3. 还用了哪些别的数据库4. 对数据库里面一些操作（索引外键约束触发器等）了解吗？4.算法读取一个字符串，返回第一个只出现过一次的字符位置，例如aabcccd，返回2，因为b是第一个只出现过一次的字符。问了一下hashmap相关因为面试官有别的事, 半个小时左右就结束了反问：如果我能够入职，大概会做些什么业务？综合一面和二面，个人感觉字节面试官有个特点，他不会问一个很具体的八股，而是会抛一个大类问题出来（不清楚是全部这样还是单纯我遇到的如此）。比如redis他不会问“redis分布式锁原理是什么？”而是问“你对redis有那些了解?这种情况就尽量思维发散，猛猛说，把你知道的全说出来。还可以稍微有点技巧，把你拿手的部分保留一点，等面试官深挖时再详细解释。两个小时后收到通知，约下周二的HR面。呜呜，感觉offer在向我招手

#我的求职总结#👋个人背景：双非本 + 9硕；非计算机相关专业，但是一直想去的是算法岗，可惜自己能力确实不够，找算法真的太难了😫 秋招秋招准备的比较晚，大概9月份开始准备的简历，陆续不断地修改和优化简历，一直到10月底才觉得自己的简历总算可以看得过去了。然后也是从9月份开始刷牛客上的题目，之前也刷过一些力扣上的题，不过95%公司的笔试题都是ACM模式，所以刚开始非常不习惯。整个秋招面试非常少，几乎都是在改简历+刷题。简历挂：14所；PDD；大疆；蔚来；快手；OPPO；阿里云；长鑫；阳光电源；南京信息技术研究院；当虹；零跑；Momenta；虹软；舜宇；埃科光电笔试挂：小米；京东；美团；得物；...

1. ReentrantReadWriteLock底层读写状态如何设计的? 高16位为读锁，低16位为写锁。这个可以再详细看看。2. kafka什么时候会提交offset失败？rebalance的时候，把一个新的partition分配过来了，我这时候提交offset，是依据我之前的旧的partition的消费进度去提交的。和旧partition的进度不一致。所以会提交失败。3. kafka 的rebalance https://www.lxkaka.wang/kafka-rebalance/4. 并行网关和包容网关的区别：【实习考察，可以忽略】5. udp和tcp 报文的区别。6. clickHouse了解过吗？也是列式存储。【实习考察可以忽略】如果你要查询快、写入不频繁 → 用 ClickHouse如果你要写入快、查询不复杂 → 用 HBase7. consumer实例是怎么被判断挂掉的。依赖 Kafka 的 Group Coordinator 检测机制，消费者定期发送心跳，指定时间没有发送，认为挂掉，并触发rebalance。也可以监控consumer的lag延迟。Kafka Exporter监控工具+导入仪表盘。8. kafka的高可用9. kafka的exactly-once10. springBoot自动装配11. aqs12. 阻塞队列了解过吗。13. g1垃圾回收器。14. 分布式锁除了redis还有什么实现方案。redis ，zk，数据库层面。使用for update行级锁可以实现分布式锁，通过行级锁锁住库存，where后条件一定要走索引，不然会触发表锁，会降低MySQL的性能。一面秒过。二面。1. sql2. linux的常用命令。3. 根据不同的状态码，你是怎么排查问题的。4. 场景题：设计一个微博点赞系统。1️⃣增加关注，取消关注 2️⃣关注的人数，或者粉丝数 3️⃣分页查询关注的人数或者粉丝数（可能点击页，也可能直接从头划到算法：判断数独是否有效。10进制转7进制。消息发送tp999是什么？有了解过用协程去发送消息吗？https端口telnent端口http端口二面后一周没消息。看boss上岗位关闭应该是招到合适的人了。发面筋，攒人品。整体难度不算大。部门业务好像不是很好（虽然我还是挂了）感觉kafka还要继续加强。二面挂四次了，暑期能不能对我好点。

1）自我介绍 2）开源项目功能点介绍 我参与开发了一个名为XX的开源项目，主要功能包括：  核心功能A：实现了XX功能，采用XX技术解决XX问题，特点是XX 模块B：提供XX能力，支持XX场景下的XX需求 特色功能C：创新性地使用XX方法，解决了行业内的XX痛点 扩展性设计：通过XX设计模式，使系统易于扩展和维护  该项目已在GitHub上获得XX星标，被XX公司采用于生产环境。 3）向量型数据库了解吗 向量数据库是专门为存储和查询向量数据（高维数值数组）优化的数据库系统，主要用于相似性搜索。我的理解如下：  核心特性：  高效处理高维向量数据 支持近似最近邻(ANN)搜索 提供相似度计算能力...