小米运维开发实习一面oc

面试了陌陌的k8s研发工程师岗位，不管是面试过程，还是技术广度深度，总体感觉还是很专业的，沟通过程比较流畅，面试官会以交流的方式提问，卡顿的地方进行会适当的引导，面试完hr通知和约后续面试也挺快的，基本上几个小时后hr会联系给反馈。一共4轮面试，2轮技术面，1轮业务面，1轮hr面，下面整理了下整体面试的问题：第一轮技术面试，差不多50分钟，面试官应该是部门小组负责人，先自我介绍到聊项目，我之前主要做容器云平台相关开发的，从项目延伸到k8s和go的相关知识；1. 自我介绍+项目介绍（pass平台、自定义控制器、servicemesh平台、devops平台），基于项目问了一些功能实现和细节；2. k8s主要问了一些基础问题，具体记不全了，如：pod多个container的启动顺序；crd编写规范（matedata、spec、status）自定义控制器实现机制（控制器启动流程、informer机制、watch断点续传和resync机制），reconcile的实现细节和注意事项（workqueue的去重和重试机制）；自定义调度器实现的方式；3. go问了一些基础问题，数组切片、map等；4. 最后一道代码题，多个gorountine并发处理任务。第二轮技术面试，差不多快1个小时，面试官应该是技术leader，提问的方式挺有水平的，交流的问题比较基础细致并且挺有深度的，有些平时常见但是容易忽略的地方，需要对k8s实践和源码有足够的熟悉程度。1. 自我介绍+项目介绍，基于项目细节延伸到的问题如下；2. kubelet的作用、pod创建的流程；3. 常用的几种operator脚手架工具，如kubebuilder、code-generator等，区别是什么？为什么选择其中的一种？4. deployment滚动更新，更新过程和配置，deployment controller根据pod哪些信息判断pod已经ready（pod的status.conditions信息），如何暂停滚动更新；5. 灰度发布实现方式：①只用1个deployment，多个pod，通过暂停滚动更新实现，需要通过暂停更新进行精确的pod数量控制；②基于服务网格istio实现，2个deployment+virtualservice+destinationrule6. operator原理（informer、watch机制等），reconcile处理细节，如何保证最终一致性和幂等性（workqueue去重机制、延迟重试机制、crd spec对比、status判断等）；7. operator高可用如何实现（lease），无主或者双主情况如何解决，k8s lease资源和etcd的lease机制的区别；8. apiserver自定义准入控制，可以实现什么功能（认证、鉴权、准入控制（cidecar注入、集群资源信息校验）），准入控制webhook https证书配置，超时处理等；第三轮业务面试，45分钟左右，应该是整个部门的负责人，主要是过项目，感觉主要是查看沟通能力，基于项目中涉及到的核心技术operator、servicemesh等问了一些架构和核心机制如，如何保证reconcile幂等性、operator高可用、istio架构等；第四轮hr面试，就是一些常见的问题了

一、开场与自我介绍环节 1. 请做一下自我介绍。   二、网络与协议相关 2. TCP的三次握手和四次挥手是什么？3. 三次握手两次行不行？四次挥手三次行不行？4. WebSocket和HTTP有什么区别？   三、Go语言相关 5. Go语言里的map是并发安全的吗？6. sync.Map的实现原理？它解决了什么问题？7. Go语言里的协程泄露是什么？什么情况下会发生？8. 怎么判断Go程序有没有协程泄露？9. 数组和切片有什么区别？   四、Redis相关 10. Redis的常见数据类型有哪些？11. Redis的持久化方式有哪些？RDB和AOF有什么区别？12. Redis雪崩是什么？...

找不到后端实习，能不能去运维实习呀，做K8s什么的，秋招能不能往云原生开发转😭😭

5.16 三面结束 我看粉丝投稿的4.21 一面的 二面过完5.11. 自我介绍2. 怎么理解深度学习损失函数中的最大似然估计 MLE？答案：最大似然估计的目标是找到一组模型参数，让观测到的数据在当前模型下出现的概率最大。深度学习里的分类任务通常把模型输出看成条件概率分布 p(y|x; θ)，训练时希望真实类别的概率越大越好。实际优化时通常不会直接最大化似然，而是最大化对数似然，或者等价地最小化负对数似然。交叉熵损失本质上就是负对数似然。比如多分类中，真实标签是第 y 类，模型对这一类预测概率是 p_y，loss 就是 -log(p_y)。预测越自信且正确，loss 越小；预测越错，loss ...