面试题简述为什么实时游戏的服务端大多使用UDP？TCP不可以吗？面试官想听的1、是否理解游戏的实时性要求2、理解TCP/UDP的本质区别3、是否能结合游戏场景分析4、为什么游戏宁可接受丢包也不要延迟5、能清晰说明TCP造成的延迟来源面试回答举例在游戏这种对实时性极端敏感的场景里，UDP的优势非常明显。首先，TCP会因为三次握手、丢包重传、拥塞控制、流量控制等机制导致额外的延迟，这些延迟是不可控的。详细请参考：http://xhslink.com/o/8EKzPpTBE5t由浅入深分析1、TCP的问题（1）三次握手耗时（2）丢包后阻塞后续包（3）拥塞控制导致发包速率抖动2、UDP的问题（1）不保...

面试题简述Transformer中用的是LayerNorm，而不是常见的BatchNorm，这是为什么？面试官想听的意识到不是BN不好，而是不适合Transformer的使用场景。面试回答举例Transformer中选择LayerNorm而不是BatchNorm，主要原因和序列建模方式以及训练场景有关。详情请查看：http://xhslink.com/o/8yJohFzKSX6由浅入深分析1、BN 依赖 batch 统计量。2、LN 只依赖特征维度。3、Transformer 的 token 并行与 BN 设计目标维度不一致。4、自回归推理场景下 BN 表现不稳定。面试加分点1、提出推理阶段 ...

面试题简述batch内负采样和随机负采样分别是什么？它们的优缺点是什么？面试官想听的1、是否理解负采样在推荐/对比损失中的意义2、能说清楚两种负采样的来源区别3、能解释为什么batch内负采样通常更有效4、能说出适用场景面试回答举例负采样在推荐场景中主要是为了让模型学会分离正负样本，增强用户向量和不相关物品向量的判别能力。常见的做法有两种：随机负采样和batch内负采样。详情可查看：http://xhslink.com/o/20UsX6RqQyV由浅入深分析1、随机负样本通常太容易 -> 梯度弱2、Batch内负样本本质是无监督信息增益3、技术上 batch 越大，负样本越丰富4、在双塔...

面试题简述现在模型都在追求上下文，你知道业界一般怎么做的吗？比如Qwen是怎么实现超长上下文能力的？面试官想听的1、解释超长上下文的常见技术路线。2、能具体说出 Qwen 的 Attention Sinks。3、能提到 RoPE 插值、多尺度位置编码。面试示例回答业界主流的上下文方案包括：1、位置编码扩展，比如 RoPE 插值。2、注意力稀疏化，比如 Longformer。3、扩展 KV Cache，如 MQA/GQA。4、Attention Sinks 解决模型以往问题。详细内容可跳转该链接查看详情：http://xhslink.com/o/9If4fL2eS0F由浅入深分析1、RoPE插值...

面试题简述训练大模型经常会遇到梯度爆炸和消失，你知道有哪些改善方法吗？softmax会不会导致梯度爆炸或消失？transformer的设计里有哪些方法用于解决这个问题？面试官想听的1、L2 clipping、梯度缩放、初始化模块；2、softmax为什么会导致梯度爆炸；3、了解 DeepNet init、RMSNorm 等提升稳定性的方法。面试回答举例梯度爆炸一般用梯度剪裁解决，梯度消失可以通过残差连接 + 合理初始化 + LayerNorm 减轻。softmax 本质上确实会带来梯度集中到一个token上，从而导致梯度消失，尤其是 logits 非常大时。详细内容可跳转该链接查看详情：htt...

MySQL 1、为什么索引要用 B+ 树？http://xhslink.com/o/e1Fu4WUJnR2、事务隔离级别以及解决什么问题？http://xhslink.com/o/4IBtdqHstuC3、 事务隔离级别、MVCC 原理http://xhslink.com/o/54RpMi4USbc4、锁机制http://xhslink.com/o/A4B4uXoVKNv5、一次慢 SQL 优化的完整过程http://xhslink.com/o/6YaEHDA1Ayk6、大表查询如何优化？http://xhslink.com/o/7RWNsz0qprg7、SQL大表查询优化http://xhs...

系统设计题 1、短链接功能设计实现http://xhslink.com/o/7NrXf77XyCO2、如何设计一个高并发秒杀系统？http://xhslink.com/o/A13H2IZFfS63、设计一个高吞吐的文件分发系统http://xhslink.com/o/9A43RNspejB4、如何保证支付的强一致性？http://xhslink.com/o/8O9aB4CtQDK5、如何设计限流+缓冲组件http://xhslink.com/o/5IyB76YRjsh 智力题 1、两个人轮流拿球如何保证赢？http://xhslink.com/o/1N12iGr31Rb2、n个石头，谁能赢？h...

线上问题排查1、CPU 100% 问题怎么排查？http://xhslink.com/o/5JHeSQRGnEC2、发生内存泄漏时你会如何定位？http://xhslink.com/o/2YqprL0wVHt3、API 接口测试中如果响应慢考虑哪些因素？http://xhslink.com/o/AeQPiUqJbqu 架构能力 1、缓存与数据库如何保证一致性？http://xhslink.com/o/2ulmpLN5iSj2、分布式锁如何设计？http://xhslink.com/o/7HbcJ0jm8nY3、RocketMQ vs Kafka 技术选型http://xhslink.com/o...

TCP / UDP 1、三次握手与四次挥手http://xhslink.com/o/4JdqkiEoH612、TCP 四次挥手细节http://xhslink.com/o/4AnxlSm3Sa23、TCP 拥塞窗口http://xhslink.com/o/Eo9QVjX3b54、TCP滑动窗口http://xhslink.com/o/6ocnGhwr2puHTTP / HTTPS 1、HTTP 请求过程http://xhslink.com/o/1kb10s4Sf2g2、HTTPS 加密原理http://xhslink.com/o/6IRgIB9AqED3、HTTP 1.0 / 1.1 / 2....

面试题简述给你一个长度为 n 的数组，每个元素的值都在 1 到 n-1 之间，至少有一个数字重复。要求空间复杂度为 O(1)，返回重复的数字以及它出现的次数，你怎么做？面试官想听的是否知道 O(1) 解决找重复数字的解法。面试示例回答这个题我会先从暴力和哈希思路讲起，再优化。暴力是 O(n^2)，哈希是 O(n) 空间。但是由于题目要求 O(1) 的空间，因此要用指针思维。详细内容可跳转该链接查看详情：http://xhslink.com/o/9YdrAnTRNgn由浅入深分析1、环检测思想：利用数组值作指针。2、数学保证：由于1~n-1的映射必有重复，因此必有环。3、时间复杂度：O(n)，空...

面试题简述两根质地不均匀的香，各烧完要1小时，如何测出15分钟？面试官想听的1、是否能快速抽象出燃烧不均匀意味着不能按比例计算；2、是否能通过同时点燃和逆推思维解决问题；3、思路是否清晰、有条理。面试示例回答这题的关键点是香燃烧不均匀，不能说烧一半是30分钟。我认为正确的解法是：同时点燃第一根香的两头，第二根香的一头；详细内容可跳转该链接查看详情：http://xhslink.com/o/9kp0qT8dMqB由浅入深分析1、核心思维是并行与速率叠加；2、本质是对时间段切分；3、考察逻辑严密性，不是数学而是过程推理。面试加分点1、能快速找出不均匀的关键；2、语言清晰逻辑表达能力强；3、最后能推...

面试题简述手上有20亿个手机号，现在需要支持高频查询：给定一个手机号，快速判断它是否在集合中。请设计方案。考虑内存、查询速度、误判率、可扩展性，给出具体数据结构、内存估算、以及如何做到分布式处理。面试官想听的1、是否掌握大规模集合存在性检测常用方法。2、是否能做内存、精读、延迟之间的权衡。3、是否能给出可落地的方案。面试示例回答给20亿个手机号，我们先明确目标：是否允许少量误判？是否允许误报但不能漏报？查询QPS环境如何？常用可选方案有三种主流路径：布隆过滤器 + 后备精确存储、磁盘索引、可压缩位图/哈希分桶。下面我说明下我设计的方案：1、首先方案：Blloom Filter + 精确回查2、...

面试题简述假设你现在有10亿个整数，请你找出其中最大的K个数，你会怎么做？如果数据量太大内存放不下，又该怎么办？面试官想听的1、是否能从算法的角度理清思路；2、是否能从工程角度考虑落地实现；3、是否能说清楚时间复杂度和空间复杂度。面试示例回答这个问题我会分两种情况考虑：1、第一种情况，即如果内存能放得下；2、第二种情况，即内存放不下详细内容可跳转该链接查看详情：http://xhslink.com/o/5PabX17k4lE由浅入深分析1、算法核心思想（1）使用最小堆保存当前排序后的前 K 个元素；（2）新元素进来时与堆顶比较，若更大则替换，2、为什么不用排序？主要从复杂度考虑（1）排序的复杂...

面试题简述我们有一个玩家战力排行榜，战力实时变化，访问量巨大。我们想知道两件事：1、当前的 Top 100的战力是多少？2、某玩家的战力大概排在第几？在高并发、高波动情况下，你会怎样设计这个系统？怎么保证高可用和高QPS？面试官想听到的1、明白排行榜查询 = 有序结构查询；2、能讲 Redis Sorted Set 的方案；3、能讲高QPS场景下的分片、缓存、异步等。4、能讲清 Top 100 和个人排名两类查询的差异。面试回答举例排行榜本质上是一个有序集合问题，最合适的结构是Redis Sorted Set。Redis Zset天然支持：1、ZRANGE 0 99：拿 Top 100；2、Z...