松鼠ai 一二面 （已OC）

松鼠AI 一二面核心问题及解答要点总结

1. 技术实现类

   发号器实现：需说明分布式ID生成策略（如雪花算法），重点阐述如何保证唯一性、趋势递增及高可用性。

   62进制实现：解释进制转换原理（0-9a-zA-Z），结合短链生成场景说明压缩效率优势。

   缓存问题：

   穿透/击穿/雪崩区别：穿透（查询不存在的数据绕过缓存）、击穿（热点key过期被高并发访问）、雪崩（大量key同时过期导致请求直击DB）。

   解决方案：穿透用布隆过滤器预过滤；击穿用互斥锁或逻辑过期；雪崩用随机过期时间或多级缓存。

   SingleFlight原理：通过同步锁或channel合并同一请求的多次调用，避免重复计算或DB查询。

   EFK日志收集：

   EFK架构：Filebeat（日志采集）→ Logstash（过滤/转换）→ Elasticsearch（存储/检索）→ Kibana（可视化）。

   Nginx日志收集：配置Filebeat的input.log路径及output.elasticsearch地址，结合Logstash解析JSON格式。

   MongoDB排序实现：使用ZSET（有序集合）模拟Hacker News算法，结合时间衰减和热度权重排序。

2. 数据库与网络

   索引类型：

   主键索引：唯一且非空，B+树结构；普通索引允许重复，辅助查询。

   字符串与Int主键差异：字符串主键占用空间大，B+树层级更深，影响查询效率。

   HTTP状态码：

   100-500重点：101（协议切换）、200（成功）、301/302（重定向）、403（禁止访问）、500（服务器错误）。

   Tinyint与Int区别：存储空间（1字节 vs 4字节）及取值范围（-128~127 vs -231~231-1）。

3. 项目与职业规划

   项目启发：结合日志收集项目，强调对分布式系统监控和性能优化的理解。

   快速融入职场：主动沟通、学习公司技术栈、参与团队文档编写。

   转正看法：表达长期发展意愿，提及对业务和技术双提升的期待。

1. 深度技术问题

   布隆过滤器：

   原理：位数组+哈希函数，可能存在误判（不存在但返回存在），但不漏判。

   实现：用Redis的Bitmap或Guava库的BloomFilter类。

   EFK优化：

   Filebeat缺点：单节点性能瓶颈，需横向扩展；配置复杂度高。

   微服务组件：

   注册中心：市面常用Eureka、Zookeeper、Nacos；Console不可替代注册中心（缺乏服务发现和健康检查能力）。

   Go语言特性：

   Map实现：哈希表结构，线程不安全需加锁或使用sync.Map。

   GC机制：三色标记清除算法，通过写屏障减少STW（Stop-The-World）时间。

   G-M-P模型：G（协程）、M（线程）、P（处理器），通过工作窃取机制平衡负载。

2. 数据库进阶

   联合索引使用：

   条件a=10 AND b>10 AND c<100：仅用到a和b字段，c无法利用索引（范围查询后索引失效）。

   分库分表场景：

   水平分表：单表数据量大（如超过500万行）；垂直分库：业务耦合度低（如用户库和订单库分离）。

   Redis数据结构：

   Bitmap：位操作统计（如日活用户）；HyperLogLog：基数统计（如UV计算）。

   Set与ZSET底层：Set为哈希表；ZSET为跳跃表+哈希表（支持范围查询和排序）。

3. 场景化问题

   502与504错误：

   502（Bad Gateway）：网关或代理服务器收到无效响应（如后端服务崩溃）。

   504（Gateway Timeout）：网关等待超时（如后端处理时间过长）。

   MySQL字段类型选择：

   Int1与Int10：存储空间相同（均为4字节），显示宽度不同（不影响实际存储）。

   锁表场景：ALTER TABLE增加字段可能锁表（InnoDB引擎在线DDL可减少阻塞）。

4. 职业规划与公司选择

   实习期望：

   工作量：明确可接受加班强度（如“能高效完成核心任务，必要时支持紧急需求”）。

   薪资：参考市场水平（如“期望薪资与岗位价值匹配，具体可协商”）。

   个人规划：

   短期：快速掌握公司技术栈，独立完成模块开发。

   长期：向全栈或架构师方向发展，结合业务优化系统性能。

   反问环节：

   小组工作范围：确认技术方向（如后端开发、大数据处理）。

   培养机制：询问导师制度、技术分享频率。

1. 技术准备：

   复习分布式系统、数据库优化、网络协议等基础知识。

   结合项目经验，准备“问题-解决方案-效果”的案例（如用布隆过滤器减少缓存穿透）。

2. 软技能提升：

   表达清晰，避免过度使用技术术语；展示团队协作和学习能力。

3. 公司调研：

   了解松鼠AI业务（AI教育、智能测评），面试中关联技术场景（如推荐系统中的缓存设计）。

总结：松鼠AI面试注重技术深度与项目落地能力，需结合实际场景阐述解决方案，同时展现对长期发展的规划意识。