《诺瓦科技》专题

40多分钟一半技术一半人生规划 自我介绍 上来问qt项目 专业排名多少 为什么选择计算机和c++ 为什么投递这个岗位 什么经历体现你的抗压能力😅 数组和链表的区别 说说什么是线程安全 说说线程级的死锁怎么产生的 三数之和 反问 工作时间是多少（早上10点嗯干到晚上10点）

+ 个人性格 + 在校拿过什么奖，担任过什么职位 + 他人对你的评价 + 自己的最大的优点缺点 + 计算机基础：比较简单 + java基础：简单的基础知识 + sql题：多表查询还有分组查询，聚合函数这些 + 编程题 + 自己实现一个arraylist + 判断回文字符串 + 写两个熟悉的设计模式 + 三个线程以固定顺序输出10次

自我介绍 问题捏 1.==和equeal()区别? 2.接口和抽象类的区别? 3.springboot了解吗，说说? 4.spring怎么实现自动注入? 5.sleep和wait的区别? 6.堆和栈的区别? 7.手动调用gc一定会执行吗? 8.sql优化了解吗，说说? 9.主键索引和唯一索引的区别 10.innodb事物是怎么实现的? 11.什么是脏读，什么是幻读? 12.为什么要b+🌲不要b?

自我介绍5min 然后全程问实习和项目，问了半小时。 反问，问了公司上班时间，项目有哪些，技术栈，个人成长，升职空间等等。 部门是做数据库的， 面试官人挺实诚的，只有一面技术面说是，然后就到hr面，但是看网上风评一般 #亚控科技# #c++后端#

秋招的第一个面试 🙏🙏🙏 面了1.5小时，面的感觉挺好的，就是口吃有点严重，可能会掉的分，，， 贴个面经，攒攒人品。 1. 怎么学习前端 3. H5 webView底层原理；如何通信 5. websocket 如何实现心跳检测 / 断线重连机制；是否考虑到边缘情况； 7. 是如何做页面性能监测，怎么统计页面性能的。 8. 设想有个需要处理大量数据的需求，如何处理；（我自己列举了几种情况和对应

忘记录音了，凭记忆写点。 1.集合了解（讲了list里面arrylist和linkedlist区别，set和map胡扯了一点）。 2.springcloud了解，说他们用的技术比较新（讲了nacos）。 3.双亲委派机制。 4.点评介绍，项目难点（讲了全局唯一id和redis的问题）。 5.JVM组成。 6.concurrenthashmap。 7.简单sql。 还有自己开发项目时的一些问题，和小

1.创建线程的方式 2.线程池的执行流程 3.线程池的拒绝策略能否自定义 4.mysql中innodb和MyISAM区别 5.mysql中索引数据结构 6.mysql四种隔离级别 7.mysql避免脏读在哪个级别 8.mysql默认的隔离级别是什么，怎么修改 9.乐观锁和悲观锁 10.CAS原理 11.ABA问题怎么解决 12.redis为什么快 13.缓存穿透和缓存击穿的解决思路和原因 14.m

项目 垃圾回收，JVM调优 Elasticsearch 结构 索引 集群分片 redis 数据结构 mysql优化，事务 ，索引，MVCC 聊天

虹软科技 C++ 一面 30分钟。感觉大概率要寄了 1.自我介绍 2.介绍项目 3.线程池请求队列是用什么实现的？（链表） 4.线程池中的线程是怎么运作的?（应该是想让我回答互斥锁+条件变量） 5.注册登陆的用户名和密码存在哪里？（数据库） 6.客户端资源下载到一半突然网络中断怎么办，有进行处理吗？ 7.有进行过压力测试吗？ 8.讲讲内存管理，不管理会怎么样（回答的很乱，加上紧张、很多方面没说清楚

浅浅记录一下大致记得的问题，面试大概25min。 1.http协议了解吗？TCP和UDP协议呢？ 2.os 有哪七层？Tcp在哪一层？ 3.Java的特点 4.进程与线程的区别？实现线程有几种方式？ 5.protected,private,public修饰符的区别 6.mybatis中的$和#占位符区别，sql注入怎么解决？ 7.介绍下spring中的ioc和aop 概念，aop 常用的注解，写过

Python 在科学计算上的应用非常广泛，包括数学、统计学、图形学……等等， 也是科学计算领域的首选编程语言之一。 这一部分的文章主要是介绍 Python 在科学计算领域常用的库，以及科学计算在日常中可能的实际用例。 常用库介绍 IPython 和 Jupyter Notebook NumPy NumPy 是 Python 科学计算生态系统的基础，提供了多维数组操作、线性代数运算、傅立叶变换等 多

半小时 视频面试 进去先自我介绍 （准备的是英文的但是要求中文）然后是一些英文提问 开始中文提问 校园经历、项目经历 怎么理解产品经理、项目管理、例子. 然后对公司的了解 ………诸如此类 主要结合简历吧

背景 Python 常用于开发高性能的科学应用。它被广泛应用于学术和科学项目中，因为它易于编写和执行。 由于它的高性能，Python 中的科学计算经常使用扩展库，通常用更快的语言编写(比如 C 语言，或者用于矩阵操作的 FORTRAN) 。主要使用的库由 NumPy ， SciPy 和 Matplotlib 。详细讨论这些库超出了 Python 最佳实践指南的范围。然而，对 Python 科学计算

数据科学最近成为计算机的热门领域。数据科学是利用计算机的运算能力对数据进行处理，从数据中提取信息，进而形成“知识”。它已经影响了计算机视觉、信号处理、自然语言识别等计算机分支。

数据科学最近成为计算机的热门领域。数据科学是利用计算机的运算能力对数据进行处理，从数据中提取信息，进而形成“知识”。它已经影响了计算机视觉、信号处理、自然语言识别等计算机分支。数据科学已经在IT、金融、医学、自动驾驶等领域得到广泛使用。(如果你熟知中情局的棱镜泄密事件，你会发现数据科学已经在情报领域广泛使用。) 在这系列文章中，我希望能完成从概率论，统计，到机器学习的整个数据分析的链条。传统意义上