真心给放寒假的26届一些建议

寒假时间规划(以45天时间来规划)

第一阶段:基础巩固与自我评估(寒假两周)

  • 每日学习时间:8小时
  • 上午(预计3小时): 技术知识复习或新知识学习(如算法、数据结构、操作系统等),可以选择在线课程平台(如牛客等)进行系统学习。
  • 中午休息(预计1小时)
  • 下午(预计3小时): 编程实践,通过牛客刷题页面,练习算法题目,每天至少完成5道不同难度级别的题目。
  • 晚上(预计2小时): 自我评估与总结,回顾当天的学习内容,记录遇到的问题和解决方案;更新简历和个人项目文档,可参考满分简历撰写标准、手把手教你怎么撰写简历,牛客特意整理了10000+字保姆级校招资料,包含简历/笔试/面试等全流程,集合成这本《26届校招宝典》,手机端点击领取:https://www.nowcoder.com/link/campus_2025xzbd3

第二阶段:项目实战与模拟面试(寒假中间两周)

  • 每日学习时间:预计8小时
  • 上午(预计4小时): 开始个人项目或参与开源项目,选择一个感兴趣的领域深入研究并实现具体功能模块。
  • 下午(预计4小时): 模拟面试训练,可以使用牛客平台进行模拟面试,重点练习如何回答常见的技术问题和技术沟通能力。
  • 晚上(灵活安排): 观看技术讲座视频或阅读相关书籍,拓宽视野,了解行业最新动态和技术趋势。

第三阶段:实习申请与准备(寒假后两周)

  • 每日学习时间:预计7小时
  • 上午(预计3小时): 继续完善个人项目或开源贡献,确保项目质量,并准备好展示给潜在雇主。
  • 中午休息(预计1小时)
  • 下午(预计3小时): 针对目标公司的招聘要求优化简历和求职信,制作作品集网页;开始向心仪的公司投递简历,注意跟踪进度。
  • 晚上(预计1小时): 准备面试技巧,包括行为面试和文化契合度方面的问题;保持良好的作息习惯,以最佳状态迎接即将到来的面试机会。

为了帮助大家更好更快收获offer,牛客特意整理了10000+字保姆级校招资料,包含简历/笔试/面试等全流程,集合成这本《26届校招宝典》

不收费,3人组团即可免费领取!已经发出20000份,涵盖校招全阶段的求职资料,解决以上所有卡点

资料包含:

✅ 26届校招流程超全梳理

✅ 手把手教学满分简历撰写

✅ 高效刷题技巧及攻略分享

✅ 牛客独家面试经验整理

手机端点击领取:https://www.nowcoder.com/link/campus_2025xzbd3

电脑端请扫描领取:

以下是资料部分内容的截图,持续更新中,专栏售价是69元,但是参与3人组团就可免费领取!

全部评论

相关推荐

java语言方面常规八股要熟,那些java的集合,重点背hashmap八股吧,jvm类加载机制,运行时分区,垃圾回收算法,垃圾回收器CMS、G1这些,各种乐观锁悲观锁,线程安全,threadlocal这些。在进阶一些的比如jvm参数,内存溢出泄漏排查,jvm调优。mysql、redis可以去看小林coding,底层b+树、索引结构、innodb、mvcc、undo log、redo log、行级锁表级锁,这些东西高频出现。消息队列rabbitmq也好kafka也好,学一种就行,什么分区啊副本啊确认机制啊怎么保证不重复消费、怎么保证消息不丢失这些基本的一定要会,进阶一点的比如LEO、高水位线、kafka和rocketmq底层零拷贝的区别等等。计算机网络和操作系统#牛客AI配图神器#去看小林coding这两块吧,深度够了。spring boot的八股好好看看吧,一般字节腾讯不这么问,其他的java大厂挺爱问的,什么循环依赖啥的去网上看看。数据结构的话科班应该问题不大,多去**集中突击刷题吧。项目的话其实说白了还是结合八股来,想一想你写的这些技术会给你挖什么坑。除此之外,还有场景题、rpc、设计模式、linux命令、ddd等。不会的就别往简历上写了,虽然技术栈很多的话好看些,但背起来确实累。总结一下,多去实习吧,多跳槽,直到跳到一个不错的中厂做跳板,这是一条可行的进大厂的路线。另外,只想找个小厂的工作的话,没必要全都照这些准备,太累了,重点放在框架的使用和一些基础八股。
点赞 评论 收藏
分享
系统设计题回答思路:1、先提出需求分析和非需求分析2、提出数据库表设计和存储方案,一般选择关系数据库+nosql3、针对数据量大的场景选取合适的分库分表思路,根据某个id哈希或者一致性哈希4、针对高并发场景的缓存优化,缓存和数据库一致性或者增加消息队列mq进行解耦5、详细接口设计,接口访问时的读写数据库和缓存的顺序6、性能优化——异步操作、批量处理、热点数据优化设计一个类似抖音的点赞系统1、需求分析和非需求分析需求分析:点赞/取消点赞视频+查看视频点赞数量+查看用户点赞的所有视频+点赞状态查询非需求分析:高性能,高可用,大数据量,数据一致性根据实际情境扩充2、库表设计点赞关系(Like Relationship):存储用户对视频的点赞关系。user_id  video_id create_time视频点赞统计(Like Count):存储每个视频的点赞总数。video_id count update_time3、分库分表思路分片策略:按照用户 ID 或视频 ID 进行分片。使用一致性哈希或取模的方式进行分库分表。考虑到点赞数量大,对于点赞关系表,可按 user_id 模 N 取余,将数据分散到 N 个库或表中。4、缓存操作点赞/取消点赞操作先更新数据库:执行点赞或取消点赞的数据库操作。更新缓存:更新 Redis 中的点赞状态和点赞计数。避免缓存不一致消息队列异步更新:将更新操作发送到消息队列,异步更新缓存,确保最终一致性。5、接口详细处理以点赞和取消点赞为例处理流程:参数校验:检查用户和视频是否存在,验证参数合法性。数据库操作:点赞:插入一条点赞关系记录,更新视频点赞统计表的计数。取消点赞:删除点赞关系记录,更新视频点赞统计表的计数。更新缓存:更新 Redis 中的点赞状态和点赞计数缓存。6、优化思路1.异步处理异步写入:将点赞/取消点赞操作通过消息队列(如 Kafka、RabbitMQ)异步写入数据库和更新缓存,减少请求的响应时间。异步更新缓存:在数据库操作完成后,将缓存更新操作放入消息队列异步处理,避免缓存与数据库不一致。2.批量操作批量查询:当需要获取多个视频的点赞数量时,提供批量接口,减少网络请求次数。批量写入:对于一些批量的点赞操作,可以批量写入数据库,减少数据库压力。3.热点数据优化热点缓存:对于热门视频,可能会频繁访问其点赞计数,可以在缓存中设置热点数据,确保其始终在内存中。数据分片:将热点视频的数据分散到不同的缓存和数据库节点上,避免单节点压力过大。在面试中,场景设计题往往是重头戏!这些问题不仅深度考察你的技术功底,更全面衡量你的工程综合能力。精彩的回答,将成为你脱颖而出的关键加分项。本文将首先概述通用的答题思路,然后以点赞系统为例,深入解析如何细致全面地回答这类问题。后续我将持续收集更多的设计题,不断更新和完善本文的内容,帮助你在面试中斩获佳绩。#牛客AI配图神器##牛客激励计划#
点赞 评论 收藏
分享
评论
4
16
分享

创作者周榜

更多
牛客网
牛客企业服务