飞猪笔试加一面

笔试7.9:
反转一个数组中其中一个数字,求数组最大和
三个线程交替打印
不用运行
一面面试官监考
晚上约一面

飞猪酒旅一面7.10
面试官没开摄像头

Tcp udp区别
TCP 拥塞控制
数据库事务的 ACID 
 MVCC 
Java 类加载的双亲委派模型是什么?怎么打破
 JVM 新生代和老年代的垃圾回收机制,以及常见收集器的区别。
 Java 中 ThreadLocal 的原理和应用场景。
内存泄漏
Java 中 final 关键字可修饰哪些目标?
它们的作用和使用场景是什么?
事务失效
b+树
InnoDB 主键索引的结构
普通二级索引在 InnoDB 中是如何存储的?查询时如何回表?
非主键索引查询一定回表吗
覆盖索引
说说左连接右连接内连接
优化索引
Java 线程池的核心参数有哪些?
怎么创建新线程
线程执行流程是怎样的?
核心线程数满了,新任务怎么处理
数据库碎片
常见的限流算法有哪些?比较它们的优缺点及适用场景。
分布式系统的 CAP 理论
在项目中,你如何设计和实施数据库迁移方案,以保证数据完整性和零中断上线?
在分布式架构中,你如何给同步的 RPC 接口加上异步能力?请描述整体设计思路,请求顺序要注意什么(我说按顺序加锁,面试官说分析接口返回和输入情况来处理,不懂)
请解释一致性哈希的原理,以及它如何解决缓存节点动态增删时的数据迁移问题?
在分布式下单和扣减优惠券的场景中,你会如何实现最终一致性?
上一段实习最大的收获
技术栈很符合,晚上会给你消息
没反问没开摄像头,两个点没说全,其他秒了,以为是kpi,没太在意
晚上约二面

#26届的你们有几段实习?##牛客创作赏金赛##面试问题记录##牛客在线求职答疑中心##牛客解忧铺#
全部评论
这么多八股吗
点赞 回复 分享
发布于 2025-09-04 19:54 广东
秋招么?
点赞 回复 分享
发布于 2025-08-08 01:06 上海
我也是当天晚上打的电话约二面,逛漫展去了没接到
点赞 回复 分享
发布于 2025-07-21 02:19 美国
pony new!
点赞 回复 分享
发布于 2025-07-19 20:12 辽宁
哇,听起来你的面试经历真是丰富呢!飞猪的面试题目看起来挺有挑战性的。😊 那关于你提到的几个问题,我有点小好奇: 1. 你在笔试中遇到的反转数组问题,你是怎么解决的呢? 2. 三个线程交替打印的问题,你有什么思路吗? 不过,面试官没开摄像头这一点,确实有点让人意外呢。😅 对了,如果你想要更深入地讨论这些问题或者求职技巧,可以点击我的头像给我发私信哦!🐮 至于你面试中的问题,如果你有任何疑问或者想要讨论的地方,我也可以帮你解答。比如: - TCP和UDP的区别,你有什么理解? - 关于数据库事务的ACID特性,你能否举个例子? - 对于Java的类加载机制,你有什么独到的见解吗? 加油哦,面试是一个学习和成长的过程,你已经做得很好了!🌟 如果情绪有点低落,记得我随时在这里陪伴你,一起加油!💪
点赞 回复 分享
发布于 2025-07-19 14:59 AI生成

相关推荐

最终还是婉拒了小红书的offer,厚着脸皮回了字节。其实这次字节不管是组内的氛围、HR的沟通体验,都比之前好太多,开的薪资也还算过得去,这些都是让我下定决心的原因之一。但最核心的,还是抵不住对Agent的兴趣,选择了Ai Coding这么一个方向。因为很多大佬讲过,在未来比较火的还是属于那些更加垂类的Agent,而Ai Coding恰好是Coding Agent这么一个领域,本质上还是程序员群体和泛程序员群体这个圈子的。目前也已经在提前实习,也是全栈这么一个岗位。就像最近阿里P10针对前端后端等等不再那么区分,确实在Agent方向不太区分这个。尤其是我们自己做AI Coding的内容,基本上90%左右的内容都是AI生成的,AI代码仓库贡献率也是我们的指标之一。有人说他不好用,那肯定是用的姿态不太对。基本上用对Skill、Rules 加上比较好的大模型基本都能Cover你的大部分需求,更别说Claude、Cursor这种目前看来Top水准的Coding工具了(叠甲:起码在我看来是这样)。所以不太区分的主要原因,还是针对一些例如Claude Code、Cursor、Trae、Codex、CC等一大堆,他们有很多新的概念和架构提出,我们往往需要快速验证(MVP版本)来看效果。而全栈就是这么快速验证的一个手段,加上Ai Coding的辅助,目前看起来问题不大(仅仅针对Agent而言)。而且Coding的产品形态往往是一个Plugin、Cli之类的,本质还是属于大前端领域。不过针对业务后端来看,区分还是有必要的。大家很多人也说Agent不就是Prompt提示词工程么?是的没错,本质上还是提示词。不过现在也衍生出一个新的Context Eneering,抽象成一种架构思想(类比框架、或者你们业务架构,参考商品有商品发布架构来提效)。本质还是提示词,但是就是能否最大化利用整个上下文窗口来提升效果,这个还是有很多探索空间和玩法的,例如Cursor的思想:上下文万物皆文件, CoWork之类的。后续也有一些Ralph Loop啥的,还有Coding里面的Coding Act姿态。这种才是比较核心的点,而不是你让AI生成的那提示词,然后调用了一下大模型那么简单;也不是dify、LangGraph搭建了一套workflow,从一个node走到另外一个node那么简单。Agent和WorkFLow还是两回事,大部分人也没能很好的区分这一点。不过很多人说AI泡沫啥啥啥的,我们ld也常把这句话挂在嘴边:“说AI泡沫还是太大了”诸如此类。我觉得在AI的时代,懂一点还是会好一点,所以润去字节了。目前的实习生活呢,除了修一些Tools的问题,还包括对比Claude、Cursor、Trae在某些源码实现思想上的点,看看能不能迁移过来,感觉还是比较有意思。不过目前组内还是主要Follow比较多,希望下一个阶段就做一些更有创新的事情哈哈。这就是一个牛马大学生的最终牧场,希望能好好的吧。说不定下次发的时候,正式AI泡沫结束,然后我又回归传统后端这么一个结局了。欢迎交流👏,有不对的🙅不要骂博主(浅薄的认知),可以私聊交流
码农索隆:和优秀的人,做有挑战的事
点赞 评论 收藏
分享
评论
7
15
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务