《网易杭州研究院》专题

牛客平台，上来先自我介绍，然后面试官简单问了下我的项目（不到十分钟），然后开始做题。 1. 选择题，给你一串数，问你堆排序后二叉树的中序遍历 2. 填空题，union类型，进行一系列赋值操作后，问其中一个变量的值 3. 编程题，链表重排，L0->L1->L2->...->LN重排成L0->LN->L1->LN-1->...，一点不会链表啊，写半天写了个时间空间都是O(n)的做法AC了，面试官提醒我

本来想投测开的，没有就投了游戏测试 一二面一起的，晚上查询已挂 ====================================== 一面 45min： 1、自我介绍 2、深拷贝浅拷贝 3、列表和元组区别 4、测试流程 5、用例具体编写 6、黑盒白盒具体内容、方法 7、了解哪些测试方法，简单说一说内容 8、两道代码题（数组操作的简单题，但是第二题没写全） 9、场景图：游戏测试测试方法、用例

Q:自我介绍 Q:你的哪一个工作更偏向于PJM？ Q：你觉得PDM和PJM的区别 Q：你学过一些流程的东西吧？是什么？ Q：分享之前拉通项目小组的一个案例 Q：此前工作中你遇到最大的挑战是？ Q：你觉得项目经理应该强势吗？ Q：做计划应该有哪些东西？ Q：说一下对agile的理解 Q：你觉得PJM必须具备哪些素质？ Q：你觉得一个PJM的风格应该是什么的？要强势吗？ Q：你呢，你的风格是什么？ Q

全程36分钟 1.自我介绍 2.拷打第一个项目，我的是一个论文项目，直接共享屏幕开讲，讲完面试官提了几个问题，主要是情绪流建模的必要性、为什么模型不和chatgpt比等 3.拷打第二个项目，我的是一个RAG的项目，我先详细讲了一下，然后开始问问题，第一个问了数据集构建的细节，第二个问了假如说想提高模型问答的效果，需要从那几个方面提升？ 4.场景题，第一个问了对话场景中假如说用户问了一个问题，如何更

简介 一开始想着自己这两三年的业务客户端经验,面高级估计是没戏,后来面了几家自信也慢慢上来了,还是得益于平时项目之外的学习吧,也感谢大佬捞了捞我,算是圆了我的大厂梦 简历尽可能的简洁明了,让人知道你都做了那些内容,我本人经验较少,就围绕项目的生命周期来逐次说明自己的工作内容,从前期框架内容,到中期业务和部分编辑器内容,再到后期的优化内容,再到工作之余自己都学了什么,怎么去学的,学完之后的收获或者有

2023/5/31 45min 思考问题的时候眼睛一直在往上飘，感官不好，还可以再练习 2323/6/1 约了终面，求祝福~ 一.自我介绍 二.提问 ①游戏题 Q：如果让你对哈利波特魔法觉醒里的单人竞技场进行测试，你会怎么设计？ Q：你刚刚提到玩家匹配的时候段位不能相差太大，你会用什么方法来保证匹配算法的正确性和合理性？ Q：现在需要你设计一个工具来辅助这个测试，你觉得会是一个什么样的工具？ Q：

游戏AI产品日常实习，一面50 分钟 1、自我介绍 2、聊AIGC（现状、发展、未来） 3、各种情景带入，你怎么做？（拷打思想） 4、AI能为你上一家实习公司的产品做什么？ 5、上一段实习深挖细节，离职原因 6、AI能为游戏做出哪些改变？ 7、玩过哪些游戏？知道网易的哪些？ 8、mmo类玩过吗？ 反问： 部门正在做的AI业务+职业规划建议 面试评价：面试官水平高，主要考察思想。 感想：当时面了50

一面（5.9，有两轮）： 一轮： 1.自我介绍 2.问简历上的项目，具体怎么做对一个功能的自动化测试，如何断言 3.爱玩什么游戏？在玩这些游戏过程中有没有遇到bug？ 4.一个抽奖系统，登入才能抽奖，每天有三次，有40%中奖概率，中奖后有游戏道具兑换码。对抽奖功能设计测试用例 5.编程题（如图二），数组中出现一次的数（可以用hashmap自定义一个单词统计器做，我这样做时间复杂度太大） 6.有16

大概20分钟，三人一组，同样也是每人自己我介绍后，轮流询问问题： 项目中的组件是怎么使用的； 索引种类，索引失效情况； 数据库种类； 跟组里其它同学方向不太一样，主要问了他们一些数据分析和计网的问题； 基本就是这样啦，时间相对比较短，每人大概会问三个问题 11.25更新-->收到体检通知 12.09更新-->收到签约通知 12.16更新-->准备签约 #面经##秋招#

1.1 定义 Docker 开发、打包、运行 APP 的平台。 把 APP 和底层设备隔离开来。 1.2 架构 1.2.1 重要概念 1.2.1.1 Image 文件和 meta data 的集合(root filesystem)。 分层，每层可以添加删除修改文件，成为一个新的 image。 不同的 image 可以共享相同的 layer。 image 本身是一个 read-only 的。 1.2

1.1 倒排索引原理 1.2 倒排索引构成 单词词典,记录所有文档的单词,记录单词到倒排列表之间的关联信息。 BTree,倒排索引项（Posting）。 文档 Id,用户获取原始信息 单词频率，记录该单词在该文档中出现的次数，用户后续相关性分析 位置，记录单词在文档中的分词位置，用于做词语检索。 偏移(Offset),记录单词在文档的开始和结束为止，用于高亮显示。 对每个属性建立倒排索引。 分词器

角色 功能 Queue 同一个Queue的生产者和消费者进行通信。

在没有 Yarn 的情况下，集群的资源无法在 MapReduce、Storm、Spark 等计算框架之间协调使用。有 Yarn 之后，集群上所有的资源以 Container 为单位， 交由 Yarn 统一管理。每个计算框架实现 ApplicationMaster 接口,便可向 Yarn 申请资源。 参考资料 Hadoop YARN配置参数剖析(1)—RM与NM相关参数 Hadoop YARN配置参

FastDFS是一个开源的轻量级分布式文件系统，功能包括：文件存储、文件同步、文件访问（文件上传、文件下载）等，解决了大容量存储和负载均衡的问题。特别适合中小文件（建议范围：4KB < file_size <500MB），对以文件为载体的在线服务，如相册网站、视频网站等。 2. 架构介绍 FastDFS由跟踪服务器(Tracker Server)、存储服务器(Storage Server)和客户端

1.1 Hadoop简介 2005年，Lucene 的创始人 Doug Cutting 主持开发完成了首款支持海量数据存储计算的分布式开源框架—Hadoop。Hadoop的初始定位是服务于大量的具有廉价硬件设备的服务器，且对存储的数据具有较高的容错性，随着 Hadoop功能的逐步完善，目前 Hadoop已经晋升为 Apache的顶级项目。Hadoop框架主要包括 Hadoop分布式文件系统（HDF