#HR面都在聊什么?#千万别小看HR面这一关,我就差点在这栽了跟头。本来以为技术面都过了这轮就是走流程聊聊入职时间,结果HR上来就开始深挖各种细节。先问你对这个岗位的理解够不够深、为什么从众多offer里选我们。然后开始测你的稳定性,问你有没有对象、能不能接受外派、未来两年有没有读研计划。最狠的是设置各种压力场景,比如"如果让你做不喜欢的业务方向怎么办""团队氛围不好你会选择离职吗"。整个过程感觉就像在做心理测评加背景调查,稍微有点犹豫或者前后矛盾就容易被判定为不稳定。
全部评论

相关推荐

点赞 评论 收藏
分享
只记录总结了一些没答好的推荐系统用例设计:基础的功能交互:图片封面的尺寸,关键词的截取,后台的一些用户点击,停留时长以及收藏等行为是否正常上报,还有负反馈机制,就是说用户点击“不感兴趣”后是否当前列表会立即移除该内容,最后就是推荐结果和详情的一致性,进入的详情页要和推荐位显示的内容一致算法效果的测试:比如说相关性:是否与用户的搜索内容是强相关的,多样性:推荐的内容对应的tag是否是同一类目,然后还有实时更新:用户在一个地方停流了很久是否后台会出现该信息,然后是推荐列表是否包含一定的低频上线内容特殊场景的测试:用户没有历史行为的反应,没有商品的反应,极端搜索的处理,出来的内容是否符合规定数据和性能的测试:接口的性能,容灾的一个降级,离线和线上的一个对齐接口过慢:首先会去看监控,观察CPU和内存还有网络IO的一些情况,确认是否是硬件资源的瓶颈,接着会去查询慢查询日志,看看数据库的性能能否优化,比如说可以添加索引啊,还有一些sql语句不合理的情况可以处理一下,比如一些嵌套查询可以优化成联表查询,对于一些数据量过大的表可以进行一些分库分表的操作。业务逻辑中可以采用异步的流程,可以看看是否发生了FullGC,以及是否有一些递归导致时间复杂度过高。最后是网络,可以看看Redis是否变慢,队列是否积压,或者请求是否过多,可以适当做一些限流策略面对偶现的bug:面对偶现的bug,需要去差全链路的日志,确认当前的用户环境以及查看输入的参数和环境的快照等等,第二步是尝试利用压力测试去强行复现,找到它偶现的一个规律。算法:最长公共前缀(leetcode 14)ac
查看7道真题和解析
点赞 评论 收藏
分享
评论
点赞
收藏
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务