全栈开发一面面经

一、面试整体概况

本次面试为全栈工程师岗位技术一面。面试官围绕项目经历、Java技术栈、数据库能力、后端通用技术、AI应用五大维度开展系统性考察，我只具备C/C++底层开发经验与嵌入式安全项目背景。面试末尾有反问环节，最终面试官明确了后续招聘流程与结果反馈周期，整体面试节奏清晰，考察覆盖全面。

二、面试官提问与应答详情

（一）项目背景与个人经历考察

1. 问题：请做自我介绍，并介绍你最具代表性的项目经历。
2. 问题：你研究生阶段参与的两个项目，是否属于学校承接的导师项目？
3. 问题：你的Java技术掌握程度如何，有没有相关的全栈项目实践？

（二）Java技术栈深度考察

1. 集合框架问题问题：ArrayList和LinkedList的底层实现、适用场景分别是什么？二者是否线程安全？多线程环境下如何保证集合操作的线程安全？ 应答详情：候选人准确答出ArrayList基于数组实现，适合随机存取场景；LinkedList基于链表实现，适合频繁增删场景；二者均为线程不安全。但多线程场景下仅能说出通过synchronized加锁实现线程安全，对并发集合类、其他线程安全方案不了解。
2. JVM相关问题问题：你对JVM有哪些了解？Full GC如何排查？你对G1等垃圾回收器有多少认知？ 应答详情：候选人仅知晓JVM具备跨平台、垃圾回收的基础特性，对Full GC排查手段、G1垃圾回收器的工作原理与适用场景等深入知识点了解较少。
3. 线程池相关问题问题：线程池的核心作用是什么？线程池和队列满员后的拒绝策略有哪些？CPU密集型任务的线程数如何设置？线程池有哪些核心监控指标？ 应答详情：候选人仅了解线程池可复用线程、避免频繁创建销毁带来资源消耗的核心优势；对线程池拒绝策略、CPU密集型任务线程数配置逻辑、线程池监控指标均认知不足，坦言自身线程池使用经验不多。

（三）数据库技术考察

1. 慢查询优化问题问题：单从数据库层面，如何排查并优化SQL慢查询？ 应答详情：候选人提出可通过拆分大表、建立索引的方式优化查询速度，对慢查询日志、执行计划分析等标准排查手段提及较少。
2. 索引相关问题问题：MySQL索引失效的常见场景有哪些？什么是联合索引的最左前缀原则？ 应答详情：候选人对索引失效场景仅能笼统表述，无法列举具体场景；对联合索引最左前缀原则不了解，坦言没有实际使用过联合索引。
3. 高并发存储设计问题问题：面对每日千万级的播放记录，如何设计存储方案支撑高并发写入需求？ 应答详情：候选人提出可通过前端控制并发、事务控制、分布式访问、冗余存储的整体思路；但被追问Java层面具体并发控制实现方式时，表示缺乏相关实践经验，无法给出具体落地方案。

（四）后端通用技术考察

1. 限流与降级问题问题：服务器端限流的主流设计思路有哪些？滑动窗口、令牌桶算法有哪些快捷实现框架？流量高峰下的服务降级是什么概念，有哪些处理措施？ 应答详情：候选人仅能说出滑动窗口、令牌桶两种基础限流算法思路；对对应的开源实现框架、服务降级的概念与落地措施均不了解。
2. 网络链路问题问题：从用户点击播放到歌曲实际播放，底层网络调用的完整流程是怎样的？域名解析的具体查询逻辑是什么？ 应答详情：候选人能梳理出域名解析先查本地hosts、再走DNS递归查询的流程，了解TCP/IP、TLS协议的封装交互逻辑，对完整播放链路的表述基本清晰。
3. 播放加速问题问题：面向全国用户，可通过哪些技术手段优化歌曲播放与下载速度？ 应答详情：候选人提出可改用UDP协议、本地缓存歌曲文件两种优化思路。
4. 线程与协程问题问题：线程和协程的核心区别是什么？ 应答详情：候选人说明线程由进程分配资源，协程属于用户态执行单元，对二者的调度差异、性能对比等深入细节了解较少。
5. CPU飙升排查问题问题：线上服务器CPU飙升，你会如何逐步排查？ 应答详情：候选人提出先通过Grafana、Linux Exporter定位高占用进程，再使用Perf、GDB等性能工具定位异常代码点，同时说明不建议直接使用GDB排查线上问题，排查思路清晰。
6. 监控组件问题问题：Prometheus的指标采集逻辑是什么？它和Grafana之间是如何交互的？ 应答详情：候选人知晓Prometheus通过Exporter采集Linux系统指标，了解Grafana负责前端数据展示；对二者之间的数据流转、存储与查询链路的细节认知不深。
7. 日志与NoSQL问题问题：日志实时采集如何与ELK集成？高并发场景下怎么设计日志防丢失策略？你对NoSQL非关系型存储有多少了解？ 应答详情：候选人表示仅使用过已部署好的ELK上报嵌入式系统错误日志，不了解ELK的具体组件构成；当时项目日志量级每秒不足百条，未设计过日志防丢失策略；仅知晓NoSQL的基础概念，无实际使用经验。
8. 位图权限问题问题：用Java如何实现位图权限管理？ 应答详情：候选人表示受C/C++开发习惯影响，计划直接借助Java支持的位运算符，通过基础变量实现位图管理，未结合Java语言特性做适配性设计。

（五）AI技术与应用考察

1. 问题：近半年你在AI相关技术上有哪些学习积累？LangChain和LangGraph的核心区别是什么？ 应答详情：候选人表示手写过简单的Agent规划层，了解LangGraph是LangChain的升级版本，基于状态机编排实现能力优化；对大模型调用外部工具等深入内容不熟悉。
2. 问题：你日常使用哪些AI生码工具？如何保证生成代码的准确率？ 应答详情：候选人日常使用Qoder、ChatGPT、Cursor等工具；认为代码出错多因提示词不够精准，因此会按照规范格式编写详细的提示词，同时会先让AI生成方案，审核通过后再生成代码，以此保障准确率。

三、候选人反问环节与面试官答复

1. 问题：公司办公地点位于杭州哪个区域？ 答复：公司地处杭州滨江区高新区，周边聚集网易、阿里、华为、海康等多家互联网科技企业，是互联网产业高度集中的办公片区。
2. 问题：公司内部AI工具有没有月度额度限制？是否有强制使用量的要求？ 答复：相关细节不便对外透露；内部提供多款不同类型的大模型可供员工选择，AI使用额度并非无上限，但设置得较为充足，完全可以满足日常工作需求。
3. 问题：面试结果多久会反馈？整体招聘流程一共有几轮？ 答复：面试结果将在57个工作日内由HR统一通知；整体面试流程共设置45轮，包含HR面试环节。同时补充说明：本次招聘的全栈工程师岗位由原前端、后端岗位合并而来，更偏向后端方向；当前行业已很少严格拆分前后端岗位，要求开发者能够同时完成服务端与前端的需求交付。

四、面试整体总结

本次面试为典型的互联网全栈岗技术一面，考察范围覆盖基础功底、工程实践、技术广度三大维度。候选人具备扎实的底层开发功底与嵌入式项目经验，技术思路清晰，在问题排查、AI工具使用方面有自身的实践方法；但在Java生态进阶知识点、高并发工程设计、主流中间件深度应用方面存在短板，与岗位全栈、偏后端的定位尚有补充空间。[摸鱼中]