百度hr面许愿

1、常见的方案有数据库自增ID、UUID、Redis生成和雪花算法。实际分布式场景下，雪花算法更常用，它将ID分为时间戳、机器ID和序列号三部分，性能高且趋势递增。但要注意时钟回拨问题，可通过记录上次生成时间戳或使用扩展版算法解决。2、雪花算法的ID在时间戳维度是递增的，但同一毫秒多机器生成的ID可能乱序。如需严格单调递增，可用数据库号段模式：服务启动时申请一个ID范围，内存分配用完后再次申请，这样单服务内ID严格递增。3、redo log是InnoDB的物理日志，崩溃恢复时重放提交的事务；undo log记录数据修改前的状态，用于回滚和MVCC读；binlog是MySQL Server层的逻辑日志，用于主从同步和数据备份。4、主库将变更写入binlog，从库通过IO线程拉取binlog到relay log，再由SQL线程重放SQL实现同步。5、优化索引时要减少回表和利用覆盖索引。索引失效常见于：违反最左前缀、对索引列计算、类型转换、LIKE左模糊匹配、OR连接非索引列等情况。6、InnoDB索引用B+树实现，联合索引按字段从左到右排序。如果跳过左侧字段，因为b的值在全局无序，无法利用索引快速定位，导致失效。7、当元素少且小时，用压缩列表节省内存；当元素多或大时，自动转为 "跳跃表+字典" 组合。跳跃表负责按分值排序，支持高效范围查询；字典负责成员到分值的映射，实现O(1)快速查分数。这种设计平衡了内存与性能。8、跳表插入节点时，从最高层向右向下逐层搜索并记录小于目标的分值位置（update[]）；随后随机生成新节点层高，创建节点并按层将其插入：每层链接到对应update[]节点之后，并指向其原后继；最后更新跳表的最大层高和节点总数，实现高效定位与平衡插入。9、Redis有6种淘汰策略，常用的是allkeys-lru和allkeys-lfu。LRU淘汰最近最少访问的，LFU淘汰访问频率最低的。LFU更适合长期热点场景，而LRU对突发流量更敏感。10、Redis用惰性删除+定期删除组合：访问key时检查过期，同时后台定期抽样清理过期key。当内存不足时，再根据淘汰策略主动删除数据。11、TCP通过滑动窗口实现流量控制：接收方在ACK包中携带窗口大小。发送方根据这个窗口动态调整发送数据量，避免接收方缓冲区溢出。

半小时实习+项目MySQL索引存储结构慢查询一张表数据量非常非常大，之前有个字段没加索引，但是后面想对这个字段做条件查询怎么办Redis数据结构，大key 热key多级缓存一致性合并两个升序链表问的极其简单，实习项目基本个人solo，秒过，业务挺好，下周一二面，base北京，北京狗都不去很长时间没看牛客，上个帖子内推的爆了，太多评论和私信看不过来了，目前我请长假，飞书没有权限，和他们微信在联系，后面有消息了或者我一月份回去了再回复

1.项目介绍2.实习拷打狠狠输出每个点都压力拷打3.redis集群怎么知道key在哪一个节点上4.new和free的时候，free怎么知道free多大内存空间呢5.渐进式哈希6.jvm的有个对象A引用B，B移动后，A怎么知道B的新的地址呢7.为什么用自增id

timeline：12.16 约面，12.17一面，当天约二面，12.18二面，晚上hr电话oc+wx约入职时间，12.19offer一面：问了一个实习中遇到的问题怎么解决+一些基础八股+场景题（关于线程池参数怎么设置）+手撕最长回文子串二面：问科研、成绩、实习、mysql八股、关于ai coding工具的使用和看法，无手撕（面试官没开摄像头，以为是kpi）。杭州电商部门