美团转正失败后续

#腾讯HR部门##腾讯S线#一面：自我介绍32. 最长有效括号 先讲思路，10min做题sql题 查找返回重复的id以及重复次数紧接着这道sql题问如果重复id是因为程序bug导致，你觉得是什么原因？【多线程并发问题】如何避免？【锁，悲观乐观】如果在生产环境出现这个问题你如何解决，要求不改业务代码，只通过数据库层面解决【唯一索引】聚簇非聚簇索引？回表查询？如何避免回表？索引越多越好吗？你了解过索引碎片化吗？【没有】你推测一下索引碎片化是什么？【不会】可以在抽象类中定义构造函数吗？可以在接口中定义构造函数吗？可以new一个抽象类吗？子类实现抽象类要实现所有的方法吗？可以new一个接口吗？抽象类可以定义具体的实现吗？使用过ConccurentHashmap吗？与HashTable的区别？CAS展开讲一下？MVCC机制？用过吗？ThreadLocal解释一下项目里如何使用的ThreadLocal，除此之外还有哪些应用场景会用到为什么会选择JWT和Session机制相比差异在哪里？【不会】系统中系统管理员检测到异常用户直接将异常用户踢出系统，用session机制的话直接删除会话信息就可以实现，那用JWT如何实现【不会】redis用到了哪些数据结构缓存雪崩问题本地搭建过redis吗？设置了多大内存【搭过，默认没设置过】redis内存占满redis会怎么做？【淘汰机制】redis内存满，请求突发导致redis宕机，你能想到什么思路保证高可用【答了几个名称，主从，分片存储，集群，redis自身的持久化】简历的项目都在负责还是只负责后端后端暴露的接口url是http还是https为什么不考虑https【没考虑到】如何将现在的项目改造成https【不会】接触过大模型工具吗你用大模型工具来干什么，你怎么甄别大模型答案的真实性，会使用不同的大模型吗反问二面：自我介绍翻转字符串中的单词 “i love you”-> "you love i"sql题 查询第二大的数据没有返回null俩题没做出来感觉面试官也不想问了，后面就问一些感觉HR面才问的问题职业规划，如何学习新技术，自己的想法和mentor冲突怎么办问了下现在在做的项目，探讨了一下大模型除了老师的项目有额外深入学习别的技术吗【回答了JUC】处理并发的手段，进程通信的方式进来以后做的东西和你现在在做的有区别2-17 一面 50min 2-22二面 44min【2h后流程终止#牛客AI配图神器#】

深挖项目 没408八股 没手撕1、讲讲实习经历做了什么2、项目业务是什么？3、项目用到了mysql 那mysql性能上的调优有了解过吗？有什么性能问题？4、explain的字段有哪些要关注？这些字段有什么内容？5.有遇到需要分库分表的问题吗？怎么做的？什么技术？6.skywalking的底层是？7、有了解数据湖这些东西吗？8、spark有学过吗？9、项目还有什么地方是需要调优的？调优的思路是？10、有了解过其他nosql的数据库吗？11、ES为什么快？缺点是什么？12、Deepseak有接触过吗？怎么部署的？13、谈谈个人优势和缺点14、问了一些职场类的问题15、反问环节 问了部门业务和面...

#腾讯2025实习生招聘# 问一些个人情况(有前端问题是因为我有前端的开发经验，但是没准备八股)1. 项目中缓存穿透和缓存雪崩是如何处理的。2. 一个div垂直居中有几种方式可以实现3. 用户在浏览器中输入一个网址到最后渲染出整个页面的过程 --> https-->tls四次握手4. tls里的三个随机数，为什么是三个，三个随机数的作用是什么？5. html的渲染过程6. java基础、mysql、redis选一个掌握的比较好的7. mysql的事务隔离级别8. 什么叫当前读？什么叫快照读？9. 什么时候会触发当前读10. redolog和undolog分别是什么11. mysql的锁机制，有哪几种锁12. 临键锁和间隙锁有什么区别13. 开启一条事务，insert一条数据，但是还没提交，会加什么锁14. 算法：最长不含重复字符的子符串15. 问一些个人的问题16. jvm启动参数有了解过有哪些？17. Java中常见的垃圾回收器有哪些？18. CMS和G1有什么区别19. 了解过zgc吗？20. 什么是GC root？21. 哪些类是可以作为GC Root的？22. 怎么创建多线程？23. 使用线程池有哪些好处？24. ThreadLocal的内存泄漏是什么原因导致的？25. 了解过InheritableThreadLocal吗？26. 知道父子线程中的ThreadLocal是如何传递的吗？腾讯的一二面的面试官都很好，鼠鼠第一次正式的技术面就是腾子，虽然答得不是很好，但是体验感真嘟很好许愿一个三面#牛客AI配图神器#

Kafka的流量控制机制Kafka 作为一款高吞吐量的消息队列系统，能够在海量数据场景下提供稳定的消息生产和消费能力，其背后的流量控制机制功不可没。我们需要认识到，Kafka 的流量控制并非仅仅是为了防止系统过载或崩溃，它的目标是实现资源的最优分配、保证服务的稳定性，并在高并发场景下提供一致的性能。例如，在生产者端，Kafka 提供了批量发送和消息压缩等手段，减少了网络开销，提高了吞吐效率。而在 Broker 端，通过配额管理和分区负载均衡，Kafka 可以在多租户或大规模部署的情况下，维持整个集群的平衡。与此同时，消费者端的流量控制则注重消费速率的调节与回压机制，确保消费的速率与处理能力匹配...