三面

难度：★★★☆☆ 这是部门leader面，没想到leader是一个严肃的大姐姐，语速很慢，逻辑清晰。问题的问题比较general.

1.介绍一下搜索引擎通常有哪些部分组成，你们负责的项目，负责的搜索项目的规模、搜索集群的配置、用户量、并发量等等。

同上，涉密不在帖子里面谈..

2.说说Elasticsearch的应用场景，它的优点和缺点都有哪些？

3.微服务架构的利弊？

把一个服务根据功能拆解为不同的服务，服务之间彼此独立，各司其职。好处就是降低业务耦合度，逻辑清晰，简化部署开发，并且可扩展性好，还可以灵活组合到其他业务。缺点的话，我说了一个服务之间交互需要通过http或者rpc进行通信，效率慢，且相对来说运维更加复杂。

4.使用k8s的好处？

因为我不是做inf的，但上份工作所有的服务都是部署在k8s上的，所以多少页了解一些. 1.减少管理和运营负担，部署更快且安全。2.可以控制服务申请的资源，随时可以拓展，或者限制使用的CPU, Memory等等。3.可以对服务进行更好的监控和检查。4.便于进行CI/CD 5.松耦合，天然适合微服务架构。

5.刷一道题，给定一个数组，找出其中的三个数，要求这三个数的和为0。

例如:输入[2,4,3,-3,-6,0]输出: [(2,4,-6),(3,-3,0)]

典型的3sum问题，解决3sum问题首先要解决2sum问题:也就是给定一个数组，找出其中两个数，要求这两个数之和为target_num,两种方法：

6.给你一个上百亿数量的URL， 请问如何对它们进行去重

印象中看过有博客介绍过使用布隆过滤器来对URL进行去重，所以就介绍了一下布隆过滤器，（话说每次说到这个玩意儿，我脑海里面都会冒出LOL里的布隆拿个盾牌过滤女枪大招的场景

7.讲一下搜索的评价指标？

因为之前几次面试考的都是工程上的东西，算法上的东西我没怎么细看，没想过面试官会问这个，所以答的很不好，很后悔当时没有把F1 score讲出来，这个measurement我是很熟的，是机器学习里非常常用的评价指标，以前打kaggle的时候经常用这个作为评分标准，作业里也都用过。不过现在来看doesn't matter了，反正也拿到offer了。BTW，作为一名即将去

7.MAP(mean average precision)平均正确率均值

上面F-score是一种通用的分类问题的评价指标，对于搜索来说，返回结果是有顺序的，MAP是反映系统在全部相关文档上性能的单值指标。系统检索出来的相关文档越靠前(rank越高)，MAP就应该越高。如果系统没有返回相关文档，则准确率默认为0。

之前在英国上Biometrics，也就是一门计算机图像的实际应用的一门课里面，有学习过P-R曲线和ROC曲线，即以precision和recall作为 纵、横轴坐标 的二维曲线，通过不断调整阈值时对应的精度和召回率即可画出：

8.如果让你实现百度搜索框的的搜索提示功能，例如搜索”北京”的时候，提示“北京大学”

9.如果没有搜索日志呢？

那离线部分，就在百度收录的所有网页的内容里，进行较粗粒度分词，将文章分为若干个词组，一个词组作为一个query，计算每个词组的TF-IDF作为score，其他不变.

emmm，我知道这么做肯定有问题，百度肯定不是这么做的，但这已经是我能想出来的最优解了。

10.如何评价自己？最近在看什么书？

如何评价自己就不说了，都懂得，夸夸自己再嘲讽嘲讽自己。然后跟面试官说在看《lucene原理》（其实这是我两个多月前看的，最近在看的其实是《剑指offer》hhh),话说感觉BAT TMD终面好像都喜欢问这个问题。

HR面

你知道你的这个部门负责哪些内容嘛？你的职业规划是什么？倾向于管理还是技术？你怎么看待B站和百度的关系？

把百度一顿吹就完事了.