秋招的第十八次面试。
- 算法题：一开始就先给1小时手撕算法题，第一道：字符串LCM；第二道：合并两个有序链表（这道题被考察的频率好高，快手一面，美团一面再加上这次都遇到了）；第三道：二叉树层次遍历的变式；第四道：要求列出有序数组中和为target的所有连续子数组，考察滑动窗口；第五道，跳跃游戏。算法题并不偏难怪，但从定义结构体到主函数测试均需要自己完成，所以必须要非常熟练。算法题完成后，面试官会让挨个复盘讲解思路，在复盘中交流讨论最优解。
- 项目问题：面试官要求介绍整个项目的整体设计。（我只有牛客网的社区项目，我真的是光脚的不怕穿鞋的，腾讯敢捞我就敢面。）
- MySQL：MySQL引擎有哪些，默认的引擎是什么，它们的对比；索引的底层数据结构；索引有哪些，聚簇索引和非聚簇索引有什么区别，分别适用哪些场景（b树和b+树结构的索引有什么区别；隔离级别有哪些，默认隔离级别是什么；怎么解决幻读问题；什么是间隙锁。（这些问题基本都有复习到，但回答语言不精炼，面试官会在我答完后再复盘组织一遍我的语言，面试官一边组织一边找出我的逻辑漏洞，然后我就被问得哑口无言，还是理解得不够到位。）
- Redis：面试官让我说出所有我知道的内容（介绍了它的数据结构，持久化策略以及redis为什么这么快），面试官根据我提出的redis为什么快这一条中的IO多路复用，进一步追问IO多路复用是什么，有哪几种类型，redis用的是哪一种（我这个半罐子水果然掉进自己挖的坑了）。
- Kafka：介绍Kafka的整个使用流程（之前在美团也被这样问到过，要注意由面到点的组织语言），面试官在我介绍完之后进一步要求讲解得更细致，最好带着一些关键术语讲；在我讲出一些关键术语后，进一步追问zookeeper是什么；Kafka如何保证不重复消费，又如何实现重复消费；又问，Kakfa相比其他的优点是什么，为什么有这样的优点。
- Elasticsearch：同样，面试官让我说出所有我知道的内容（主要讲了倒排索引），这块面试官追问了一个场景题，搜索框中输入一个词语，如何给出相关的短语，就是搜索提示。（我提到了字典树，但面试官不太满意，提示说可以想一下Elasticsearch下的相关数据结构，我又翻车）；接着又追问Elasticsearch底层实现。
- 计算机网络：五层模型和各层协议；三次握手和四次挥手的详细细节（包括syn,ack,seq在每一步是怎么变，然后time_wait,close_wait这种状态都要说到。这块是老八股没错，但说实话自己的回答语言还是不够凝练，面试官听到最后又开口帮我复盘梳理，尤其是我在回到为什么必须要三次握手时，我本来想说细一点反而让面试官觉得我说不到重点，看来还是要总分的回答问题，先说出泛洪攻击再讲其他。）
- Java基础：HashMap和ConcurrentHashMap的区别和底层实现，分段锁一共分几段？
- SpringBoot：介绍一下SpringBoot（IOC，AOP，主要开发流程）；追问，熟悉什么组件。
- 反问：部门业务和技术栈（主要是C++，涉及的中间件一般用的都是自研框架，和搜索算法部门合作紧密，需要给他们提供数据，所以大数据和python也要会）；面试官主动给我提意见说是，校招生基础更重要，希望在学习时要知其然更知其所以然，要带着问题学习。
自我总结：
可能因为简历本身就比较单薄，再加之是周五晚上的最后一场面试，面试官时间比较充裕，就把我简历上写到的每个点及其拓展挨个问了个遍，是我经历过耗时最久的面试。
怎么说呢，我也不知道自己怎么了，以前的高中或者本科学习自己都是严格按照计划系统复习，自然很容易就形成知识体系，知识点的横向比较和纵向关系都能兼顾好，不怕被追问和深问。而现在在求职面试中，不知道自己是因为尝到了面向面经复习的甜头还是怎么样，总是习惯在有面试时突击准备，事后懊恼自己怎么不提前积累。难怪面试官会觉得自己没有深度，一份耕耘一份收获，我都没有耐心耕耘，总想着走捷径突击，又谈何深度可言呢。
算法这方面，面试时遇到做过的题目和简单的变式可以差不多拿下了，但是对于没有做过的题目，还是没有解题能力。平时练习时，我一边沉浸在自己ac老题的***中，一边又羞愧自己总是CV提交新题答案，我到底是在练题还是在背题呢，我的算法真的有进步吗？一个逃避思考的人能做好这份工作吗？
秋招的第一场面试是字节，最后一场是WXG，也算是落在了一个完整句号。这十八场面试下来，固然我有所进步，固然也有幸拿到几家公司的offer，但我知道，大多是归功于我的学历背景，我的个人能力，我所付出的努力实在远远不够。深夜难眠的时候，我总是一边提醒自己要知足长乐，又一边害怕自己是不是目光短浅，得过且过。
不管怎么样，农历年前的面试到此为止了。接受此次WXG的面试是我又一次站在能力边界向外突破的证明，希望我永远保有这份勇气。然后，求求自己，多在晴天修屋顶。
全部评论
(12) 回帖