《快手面试》专题

自我介绍 讲项目 0.HBase索引机制，Hive索引和分区机制（聊项目的时候问到） 1.线程池 过程 参数 2.syn 锁机制 对对象类的处理 3.mysql 索引 聚簇 二级索引 聚簇和二级索引间关系，包括回表索引下推 隔离级别 事务 快照读和最新读 MVCC 幻读脏读 间隙锁 undolog 我自己扩展提了binlog，主从复制 通过canal实现和redis数据同步 4.设计模式 说自己了

不到50min 我自我介绍后说要不要详细介绍一下项目 他说好 我两个项目霹雳巴拉的说了3分钟 说的时候把难点都亮出来了（限流实现、缓存设计等等）吃了一面的亏，这次我是有bear而来 我说完以为他要怼项目了，结果： 他：嗯好，那你知道线程有几种创建方式吗？ 我：？ 接下来就是一些常规八股 无操作系统 无计网 1.对jvm垃圾回收的理解 2.redis数据结构 3.redis为什么这么快 4.mysq

面试平台：青雀 一面： 自我介绍 实习项目的性能优化问题 自己如何实现图片懒加载 vue的双向绑定如何实现，属于哪一种设计模式 vue3的proxy和Vue2的Object.defineProperty的优劣势 vite 和 webpack/rollup有什么区别 vite对于没有用esm而是用其他模块化方式写的依赖将如何处理 场景题，用vue写一个简单app，实现登录跳转至主页，若没有登录则返回

快手前端日常实习，base北京，数据平台部。三轮技术面+HR面，前后一共耗时6天，已成功拿下offer，准备休学run北京了。 先总体点评一下面试体验，面试体验绝对算是大厂中很优秀的了，面试过程用的是自研的轻雀SaaS平台，三轮面试面试官都很和蔼，而且面带微笑很尊重人，面试时候有时候遇到卡壳的地方也会耐心的引导你。 一面（9.14） 1. 输出结果 2.输出结果    追问：如何输出456？ 两种

1、自我介绍 2、MR的执行过程，用了几次排序，Reduce怎么知道拉取哪些数据 3、RDD的底层实现（Spark用的不多就没问了） 4、项目介绍（没有针对项目进行提问） 5、SQL优化思路，具体讲了关于数据倾斜这块 6、SQL题：包含班级、学生、课程、分数的表，查询每个班每门课前三的学生 7、SQL题：包含user_id和target_id的表，找到互相关注的用户，优化不用join实现 8、SQ

1、自我介绍 2、为什么要去北京 3、MR的原理 4、为什么环形缓冲区到80%之后才反向溢写 5、SQL中哪些函数走MR，max走不走 6、select a,count(distinct b) from table group by a，MR的流程 7、SQL优化，如果给你两张表，用户视频表和用户粉丝表，怎么处理数据倾斜 8、SQL题：每个用户都有5门成绩，总计6列。请生成两列，其中1列是用户ID

1、自我介绍 2、看我用Java，问我Java程序的执行过程，然后Java怎么跨平台 3、基本数据类型，是否可以相互转换 4、自动装箱自动拆箱,Integer i = 100 是什么过程 5、深拷贝浅拷贝 6、Java是值传递还是引用传递 7、JVM的理解 8、堆是怎么划分的，实际有没有用到有关JVM的地方 9、垃圾清除算法说一下，什么时候FullGC 10、多线程，线程安全，线程通信之类的 11

2023.2.3 一面 一面面试官小姐姐很友善 问简历，数分和数开实习具体工作，数分实习中的核心指标，敏感指标是否给了权限。 两道sql，一道groupby后再加窗口，有点麻烦；另一道简单，无窗口，分组+sum(case when)行转列 问能实习多久，反问该岗位对统计学和机器学习是否有要求 2023.2.6 二面 面试官气场比较强，比较严肃。 为什么有数开和数分的实习还想做数分 怎么理解数分这个

学长给的内推，面试小姐姐人超级温柔的，是自己发挥不好 反思： 1、之前的实习没有SQL经验，只是在学了基础知识+力扣上刷过题目，面试的题目超级简单（找出最早注册快手的用户ID 备注：可以使用开窗函数）。前一晚恶补了开窗函数，但惯性思维还是用min(date)，其实两种思路都可以，但是当时杂揉了，就没写出来；还有快手面试的时候，对方是能直接看到我整个敲代码的过程的，所以非常紧张怕自己写错。 2、面试

一面： 1.虚函数是什么？怎么实现的？虚函数在内存中什么位置？ 2.什么情况下要使用多态？为什么不直接在需要实现的类里写函数？ 3.vector容器插入元素和动态扩展的原理？ 4.vector的迭代器什么时候会失效？ 5.map和unordered_map区别？时间复杂度是多少？ 6.有没有用过boost库？ 7.常见排序算法了解吗？讲讲快速排序的原理？快排时间复杂度是多少？为什么？ 8.如果数组

整个过程大概45min（可能其实不需要这么久，是我太能叭叭了...） 面试的小姐姐很专业很温柔，刚开始给我说明了岗位的两个具体工作，最后还很中肯的给我建议，太谢谢了！（和后悔没有要一个联系方式，不然能和她多聊聊多学习一点） 1. 为什么会做过去的两段实习？ 2. 为什么选择留学？ 3. 看你的专业和战略、经济相关一点，为什么选择运营而不是咨询？ 4. 为什么选择培训运营岗位？ 5. 用两三个词或者

二面当天就约了三面啦！ 三轮面试体验感最好的一轮！面试官很nice，一直在笑，虽然我回答的一般，但是真的很有亲和力就是了 1.自我介绍 2.深挖经历（基本上都在这段了） 有很多问题其实我没太理解，就直接跟面试官说我不是很理解问题的意思，然后就会很细的再给讲一遍！谁懂，勇敢说自己听不懂的感觉真的很舒服！ 3.职业规划（我从我对电商的理解角度出发的，谈了自己可能会转品牌的想法） 4.愿意做行业中台侧还

距离2面过去很久很久了，铁汁姗姗来迟，面试官解释部门HRBP调动导致流程被搁置了；同时他强调因为实习转正，手上的hc已经不多了。 timeline⬇️ 7.31投递—9.1一面—9.14二面 11.2三面—11.4HR面 前面慢手，后面快手[偷笑R][偷笑R]～二面结束后有联系对接的HR，当时反馈的结果是通过等后续，两个月过去竟然还有后续哈哈哈，咱就是个等！ 四面完了之后又没消息了，对接的HR实习

一面时间：4月7日 11:00 ～ 12:00 没有开摄像头，先是自我介绍 然后详细的问了一下实习经历，对实习中的项目做了非常详细的询问。 期间问了一下auc和gauc的区别，为什么使用gauc而不用auc。 然后因为项目用了图文理解大模型，询问了一些对比学习的loss，介绍一些nce loss之类的，然后怎么构造正负样本。 还有就是交叉熵损失函数的使用的注意事项。 使用RELU的一些潜在问题。

#快手# #暑期实习# #二面# #推荐算法# #推荐算法面经# 时间2024年4月3日 15:00 总计65min 1.自我介绍 2.本科推荐系统项目（参考一面面经） 3.论文 4. 讲一讲CTR预估和序列推荐模型 - DIN DIEN SIM Caser GRU4Rec SLiRec CLSR MIND.... 5. 了解矩阵分解吗 - MF、LFM 6.LSTM模型介绍，几个门的作用 7.t