出发深维智信，拿offer去

💼 岗位职责：

负责SaaS高性能系统的架构设计及研发，研究高稳定性、高可用性的系统架构设计；

协助团队攻克各种数据隔离、系统解耦、效率优化等方面的技术难关。

📋 任职要求：

精通Golang，了解Python，熟悉其它语言如：PHP，JAVA，具备很强的性能调优和线上Trouble Shooting经验；

精通服务端API开发，熟悉微服务架构，有大规模线上系统经验；

熟悉Linux开发环境和命令和线上运维；

精通MySQL数据库、Redis等缓存技术和至少一种消息队列的应用；

学习能力强，抗压能力强，具备很高的团队合作意识。

有ToB业务架构经验。

加分项

从事过人工智能或大数据领域研发者优先

了解或实践过 RAG、AI Agent等 LLM 技术者优先

✨ 面试问题回顾：

1. 自我介绍

自我介绍是面试的开场环节，要简洁明了地介绍自己的姓名、工作经验、擅长的技术领域以及个人优势。

2. 说一下项目的业务，怎么做的，难点在哪，如何解决？

消息队列：

项目业务中，消息队列主要用于异步处理任务和系统间的通信。

实现方式通常是选择一款合适的消息队列中间件，如 RabbitMQ 或 Kafka，进行配置和集成。在代码中，通过生产者将任务发送到消息队列，消费者从队列中获取任务并进行处理。

难点主要是数据倾斜问题、数据不丢以及重复消费。对于数据倾斜，我们通过分析消息的分布情况，调整消费者的分配策略，确保负载均衡。为保证数据不丢，我们采用了消息确认机制，消费者在处理完消息后向消息队列发送确认信号，若未收到确认，则消息队列会重新发送该消息。对于重复消费问题，我们在消费者端对消息进行去重处理，通过记录已处理消息的标识来避免重复消费。

Redis：

在项目中，Redis 主要用于缓存热点数据和加速数据访问。我们使用 hash 结构来存储复杂的数据对象，通过 Pipline 技术批量处理命令，提高性能。对于 bigkey 问题，我们进行拆解，将大键值拆分为小的键值对，避免对内存的过度占用。

难点在于如何选择合适的数据结构和优化 Redis 的使用方式，以提高性能和降低内存占用。通过对业务数据的分析和性能测试，我们不断调整 Redis 的配置和使用策略。

数据库：

我们通过性能优化来提高数据库的查询和写入速度，满足业务需求。性能优化的方法包括分库分表、索引优化、查询语句优化等。

实现方式是根据业务数据的特点和访问模式，设计合理的数据库架构。例如，对于数据量大的表进行分库分表，将数据分散到多个数据库或表中，提高查询性能。同时，对经常查询的字段建立索引，优化查询语句，避免全表扫描。难点在于如何确定最优的分库分表策略和索引设计，以及如何在不影响业务的情况下进行数据库优化。我们通过对业务数据的分析和性能测试，不断调整优化策略，确保数据库的性能和稳定性。

3. 多个数据库怎么连的

通常使用数据库连接池来连接多个数据库。连接池可以管理数据库连接的创建、复用和释放，提高连接的效率和性能。

4. zoomkeeper了解吗

ZooKeeper 是一个分布式协调服务，主要用于解决分布式系统中的一致性问题。它提供了数据存储、通知机制、分布式锁等功能，可以帮助分布式系统中的各个节点进行协调和通信。

5. consul和etcd知道吗

它们都是分布式键值存储系统，主要用于服务发现、配置管理和分布式协调等方面。

Consul 提供了服务发现、健康检查、键值存储、多数据中心支持等功能。它可以自动发现和注册服务，并且可以对服务进行健康检查，确保服务的可用性。同时，Consul 还提供了强大的键值存储功能，可以用于存储配置信息和分布式锁等。

ETCD 是一个高可靠的分布式键值存储系统，主要用于存储关键数据和配置信息。它提供了强一致性的保证，并且支持分布式事务和多版本并发控制。etcd 通常被用于 Kubernetes 等容器编排系统中，用于存储集群的状态信息和配置信息。

6. 什么是CSP理论

它强调通过通信来实现并发进程之间的协作和同步。

7. 消息队列消息积压怎么解决

消息队列消息积压可以通过以下几种方式解决：

增加消费能力：可以增加消费者的数量，或者优化消费者的处理逻辑，提高消费速度。例如，可以使用多线程或分布式消费者来并行处理消息。

用新 topic 解决：如果消息积压严重，可以考虑将积压的消息转移到一个新的 topic 中，然后使用专门的消费者来处理这些积压的消息。这样可以避免影响正常的业务处理。

优化生产端：检查生产端是否存在发送消息过快的情况，如果有，可以调整生产端的发送速度，避免消息积压。

监控和预警：建立消息队列的监控系统，及时发现消息积压的情况，并发出预警，以便及时采取措施。

8. 知道大语言模型吗，他们可以做什么

大语言模型是一种基于深度学习的自然语言处理技术，它可以通过大量的文本数据进行训练，学习语言的规律和模式，从而实现自然语言的理解和生成。

大语言模型可以做很多事情

自然语言生成：可以生成文本内容，如文章、故事、对话等。

问答系统：可以回答用户的问题，提供准确的答案。

机器翻译：可以将一种语言翻译成另一种语言。

情感分析：可以分析文本的情感倾向，如积极、消极、中性等。

文本分类：可以将文本分类到不同的类别中，如新闻、科技、娱乐等。

对话系统：可以与用户进行对话，提供智能的交互服务。

9. 数组和切片有什么区别

长度：数组的长度是固定的，在声明时就必须确定。而切片的长度可以动态变化，可以根据需要进行扩容。

传递方式：数组是值传递，当将数组作为参数传递给函数时，会复制整个数组。而切片是引用传递，当将切片作为参数传递给函数时，只会传递切片的引用，不会复制整个切片。

内存分配：数组在声明时就会分配固定大小的内存空间。而切片是基于数组实现的，它只包含一个指向底层数组的指针、长度和容量。切片的内存分配是动态的，可以根据需要进行扩容。

10. 写代码

//strSlice := []string{"1", "3", "a", "2"}//将其转化成整数的切片package mainimport (    "fmt"    "strconv")func strSliceToIntSlice(strSlice []string) ([]int, error) {    intSlice := make([]int, 0, len(strSlice))    for _, str := range strSlice {        num, err := strconv.Atoi(str)        if err!= nil {            return nil, err        }        intSlice = append(intSlice, num)    }    return intSlice, nil}func main() {    strSlice := []string{"1", "3", "a", "2"}    intSlice, err := strSliceToIntSlice(strSlice)    if err!= nil {        fmt.Println(err)    } else {        fmt.Println(intSlice)    }}

11. 反问

1.业务是什么

2.上班时间