后端开发工程师面经

#发面经攒人品##面试问题记录#

一、基础信息与项目背景

请做一个简单的自我介绍，并重点阐述你近期正在开展的工作内容。

你简历上提到的算法竞赛奖项具体是什么？你的英语水平如何？

你目前的实习诉求是什么？为什么想找实习？

你这个项目的来源是什么？是独立完成还是团队合作？你在团队中具体负责哪部分？

你的简历是否是AI生成的？你是如何撰写这份简历的？

你们团队规模多大？这个项目占团队工作量的百分之多少？

二、后端架构与并发控制

请解释 single flight 机制，它在什么经典场景下使用？

在你的项目中，single flight 是如何做到复用相同AI请求以节省 token 的？

为什么使用 Redis Lua 脚本？它解决了什么问题？

为什么分布式锁无法满足你的业务场景需求？

你如何处理请求超时或失败的情况？请说明你的错误分类策略。

当 owner 节点宕机后，你是如何解决"脑裂"导致的状态冲突问题的？

你引入了什么版本校验机制来保障数据一致性？

三、性能压测与极端场景

你展示的 P95 等数据是压测结果吗？如果不是，你的常规化恢复方案的时间成本和数据量是多少？

MongoDB 在你的业务中存储的是什么数据？数据量大概多大？

如果数据量膨胀到几百兆的极端情况，你的方案如何应对？

如果缓存失效，同时触发大量并发恢复请求，你如何处理？

你提出的基于优先级的请求聚合方案具体是如何实现的？聚合条件是什么？

你的请求聚合方案如何避免重复恢复？最终实际会发出几次请求？

并发恢复状态时如果发生冲突，你的快照版本号和幂等机制是如何设计的？

在高并发场景下，你的方案还有哪些防御性设计？

四、线程池与资源管理

你的项目中线程池具体应用在哪些场景？

你是如何通过异步请求与 complete future 等待结果的？心跳机制是如何做续约的？

如果慢请求拖垮线程池，你有什么防范方案？

请说明你的线程池具体配置与优化策略。

当线程池发生堆积时，你的超时中断、拒绝策略和定时回收方案具体如何落地？

AI 长耗时任务极易拖垮线程池导致服务宕机，你如何重点防范？

你提出将 AI 调用隔离至独立线程池并调整参数，这个方案有什么潜在风险？做技术选型时如何评估副作用？

五、数据一致性与多数据源

MySQL、Redis 与 MongoDB 并存时，如何保证答题状态的一致性？

你的查询链路是如何设计的？降级策略是什么？

如果让你在三者的查询链路中去掉一个，你会去掉哪个？去掉后数据恢复怎么做？

如果把 MongoDB 快照迁移至 MySQL，会对恢复速率产生什么影响？你如何权衡？

#牛客AI配图神器#

六、AI Agent 与项目技术栈

你了解 AI Agent 和 RAG 技术吗？请谈谈你的理解。

你听说过 "harness" 这个概念吗？

在你参与的 AI 面试项目中，Agent 调用的完整流程是怎样的？

后台 Agent 设计中，请求是如何经过路由层判断类型并选择执行策略的？

工具是如何注入大模型进行循环调用与观察的？

你的项目中有哪些权限与容错机制？

你们团队使用了什么平台做低代码 Agent 编排？你在其中偏哪个方向？

面试官很有水平,是我自己太菜了[牛泪]