《研发》专题

自我介绍，不能说名字，用x号考生代替 问了一个感兴趣的项目 spring boot怎么加载类 mybatis的动态查询 没有考研的计划吗 项目有没有什么值得优化的地方 mysql索引的设计原则 相比其他投递者我有什么优势（本科生能有什么优势，硬吹罢了 结束，就十几分钟结束战斗 农行是秋招的最后一场技术面了，完结撒花

10.18 线上面试 三四个大哥大姐 聊天7分钟 10.21 在线测评 客观题(九个方向 选的ai)，党性测试题，在线编程题(入门编程难度) 10.28 集团统一笔试 11.10 终面(杭研总部线下 早上八点半签到😭 等到九点半开面) 自我介绍 三个面试官 聊天二十分钟 1. 本人成果其实没什么突出 但成果也没有问到 技术方面主要问我对ai的理解 对移动集团的看法 我就扯了下集团如何运用ai 2

苏小研 一面 10.21 14：20 腾讯会议 和大家分享的都差不多 #面经# #校招# 两个面试官，轮流问 盲面 会提前打电话告诉你编号，然后进会议等着 自我介绍，两个面试官不露脸 全部问的八股 java中抽象类和接口的区别 对反射机制的理解 对java泛型的理解 MySQL中一些常用关键词，隔离级别 spring的注解 Linux命令用过吗 redis分布式锁 另外一个面试官 面向对象和面向过

问题内容： 我有一个包含的字符串变量 字符串不包含空格。我想编写一个仅打印包含（az）的单词的正则表达式，我尝试了一个简单的正则表达式 match对象仅包含单词，而单词不匹配。 使用时，我可以同时获得和。 我的问题是为什么我们不能这样做？ 如何处理？ 问题答案： 在字符串documenation中找到 一次 模式： 扫描字符串以查找正则表达式模式产生匹配项的位置，然后返回相应的MatchObjec

metrics.Y-Axis.Aggregation:对字段进行常见的统计。 metrics.Y-Axis.Aggregation:同 Pie。 纵坐标 Aggregation:所有图表都是基于 ES Aggregation 实现。 buckets 横坐标 Aggregation:。 Split Series:单图多系列。 Split Buckets:多图。 2. Line 同 Area，加 标准

2、3个面试官对1个面试者的单面，双机位站立面试。匿名面试，只允许说自己是几号考生不允许说自己的名字。 1min自我介绍，15min的提问。 开始和最后都拉了拉家常问学校啊英语水平啊之类的，中间问技术题。 1. 先是问熟悉的语言，我说python和C。挑C语言问我指针函数和函数指针的区别。 2. 问地址越界是什么情况，如何避免地址越界。 3. 问熟悉的算法有什么，然后让介绍先序、中序、后序遍历。

华为的2批招聘我没有去，因为我不知道1批刷了，还能换岗位再去应聘。倒霉啊，这是这次，研发类的招的特别的多，而且技术类的没有群面。大部分都签了华为啊。我报了3批得研发，嘿嘿，不好意思的是，这次技术类又有群殴了。 由于之前，十一的基础知识的突击，这次笔试做的很好。一面是当然的了。 下午和同去的同学一块赶到面试地点。报道后就被面试官叫去面了。这也是我遇到了最最奇怪的一面：面试官问的问题少，说话少，而且我

华为的一面，我自我介绍。没过二十字，我就开始介绍导师的项目和我的工作与贡献。项目中主要技术难点其实有三，我当时漏掉一个，没想到面试官立刻就指出来了，我在佩服他没有详细了解情况的前提下就能有如此专业的洞察力之余，更多的是突然感觉我眼前这位面试官不是那么好对付的。就在我信心十足的认为一面结束时，他突然提出让我画出设计过系统的模拟电路图，我只好坦诚地说，我没有做过，虽然很感兴趣。在管道泄漏检测项目中，我

1.自我介绍 2.问项目，详细介绍 3.数据库索引 4.如何判断是否走索引 5.如何查询批量数据 6.SQL的优化等，问了一些场景题(对于数据量大的情况) 7.Java的三大特性，继承，封装，多态 8.为什么到工行 9.你还有什么问题吗 (其他有些不记得了，前天面的)#面经##秋招##校招##提前批#

我也不知道这个具体的岗位，应该就是selectdb的引擎研发 一面： 1、自我介绍 2、聊简历中的一个项目，问细节 3、spark的stage是怎么切分的 4、spark和flink的区别 5、spark shuffle的过程 6、shuffle的分区原理 7、解释下flink的watermark 8、简述flink的checkpoint 9、解释flink的背压机制 10、是否了解flink的另

9.4一面 30分钟 深挖项目，简单问了点python和transformer的八股 9.7二面 30分钟 简单问了项目，根据项目出了几个场景题，后面就一直讨论业务相关的问题 9.18 oc

一面 1h10min 面试官很和蔼，这次吸取上次教训提前背了自我介绍和项目，基本都答上来了 实习（10min） 实验室项目（5min） Mr流程 Spark和mr区别 窗口函数 Shffule流程 Spaker的宽窄依赖 数仓建模的方法，层数，意义，每层都干了什么 平时为什么用维度建模，范式建模有什么缺点 数据倾斜（很细） 熟悉的排序算法说时间复杂度 一个大数组求topn（bitmap）然后追问，

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