总监面试，一般问啥？

1自我介绍 2介绍一个熟悉的项目3hive小文件处理4hive分区和分桶5hive内部表外部表6四种排序7spark宽窄依赖并举出相应算子8reducebykey和groupbykey的区分9stage如何划分，划分依据10spark on yarn的提交过程11kafka的控制器的选举过程12ack有几个参数以及对应含义13isr机制14在线sql考察15反问这次面试明显感觉到平时背的八股面试的时候你得逻辑清晰的表述出来才行，面试官很温和，最后也是给出了很多真诚的建议，但是明显能听出来是有点失望了，表达真的很重要

1. 自我介绍2. 项目拷打3. 你实习做了什么 有什么提升 详细说说4.Transformer 为什么适合做大模型底座？Transformer 适合做大模型底座，核心原因是 并行能力强、长距离依赖建模能力强、扩展性好。RNN 按时间步串行处理，训练效率低，而且长距离依赖容易衰减；Transformer 使用 Self-Attention 直接建模任意位置之间的关系，训练时可以并行处理整段序列，所以更适合大规模预训练。现在大部分大模型都以 Transformer 为核心结构。5. Self-Attention 的公式是什么？输入 (X) 先映射成 Query、Key、Value：注意力计算公式...

春招面试复盘：滴滴二面失利，败于代码设计感与架构思维这次滴滴面试整体氛围很友好，全程没有八股文拷问，面试官全程围绕实习经历深挖细节，这部分我因为反复梳理过，回答得都比较顺畅，整体发挥稳定。一面主要考察项目拓展与细节落地，算法题也相对常规，手撕了多线程交替打印1234和三数之和，顺利通关进入二面。本以为稳扎稳打能走到最后，却在二面的手撕环节栽了跟头，也是这次失利的核心原因。二面面试官没有出常规算法题，而是让我手写一个优惠券发放API，要求实现优惠券发放、库存扣减等核心功能。刚看到题目时我愣了一两秒，随后便按照算法题的解题思路，直接上手写Controller层，把防重复校验（订单号）、防超卖（CAS+库存判断）、try-catch异常兜底等逻辑，全部堆砌在了Controller里。当时我还觉得考虑得全面逻辑通顺，自认为这部分作答没问题。直到反问环节，我询问面试官对候选人的核心期望，对方直接点明：希望写代码更有设计感，具备架构思维，先拆分逻辑再动手，而非一上来就直接堆砌代码。我瞬间明白，这正是在指出我的问题。复盘下来，我不仅把所有业务逻辑耦合在Controller层，没有做工程化的分层拆分，加上英语基础薄弱，部分变量用拼音命名，代码可读性和规范性大打折扣。即便功能逻辑实现了，但整体缺少架构分层、模块解耦的设计思维，完全是算法题的写法，而非真实业务开发的规范思路。面试结束仅十分钟就收到感谢信，结果来得猝不及防，也让我彻底认清了问题所在。如果重来一次，我一定会先梳理架构，拆分Controller、Service、DTO等层级，先规划模块、写好注释，再逐步实现逻辑，而非上来就埋头写代码。这次滴滴二面面试官要求确实更偏工程化与架构能力，而我用算法题的固化思维应对非常规业务手撕题，即便逻辑正确，也没能达到面试官的标准。接连的面试失利，也让我深刻体会到，春招卷学历、卷背景的大环境下，纯靠逻辑正确远远不够，工程化思维、代码设计感、架构意识这些软实力，才是决胜的关键，作为普通院校应届生，短板真的会被无限放大，这条路走得实在又累又难。

现在圈子里都在聊 Vibe Coding，好像只要动动嘴皮子、对对眼神，代码就能像喷泉一样涌出来。这种“只要感觉对，代码自然位”的幻觉，最容易让职场新人产生一种错觉：底层原理不重要了，基础训练过时了。但现实很骨感：Vibe Coding 可能会干掉“平庸的初级岗位”，但它其实给“硬核的新人”留了条快车道。1. 初级岗位的“分水岭”已经出现如果你的日常工作只是把产品经理的白话翻译成 Java 或 Python，那 AI 的确能把你 K.O. 掉，而且连招呼都不打。那种“机械翻译”式的初级岗正在迅速枯萎。但反过来想，AI 把你从繁琐的语法纠结中解放了出来。新人不再需要花三年时间去背诵 API，而是...