上周三面的，目前还是没动静，估计凉了。个人问题很大，最近忙着改论文很多细节都没复习到，被狠狠拷打了IO子系统：介绍一下 pwrite 的整个流程顺序读场景下 direct io 和 buffer io 性能对比分析page cache 的 prefetch 机制有了解吗page cache 的大小是由谁决定的数据拷贝过程，从磁盘到 cpu 的 l1 cache异步 io 用过吗同步 io 的情况下，cpu 的使用情况，介绍一下 DMAio_uring 相比 aio 性能好在哪里，主要是哪方面减少了开销io_uring 的 polling 模式和 spdk 比较说一下项目中的性能测试部分，SSD 中的 cache 会对性能产生影响吗，这一块是怎么处理的存储引擎：介绍一下 B+Tree 和 LSM-TreeB+Tree 并发控制，介绍一下 latch_crabbing二者各自的读写放大情况LSM-Tree 的 delete 操作，墓碑什么时候能被删除大量的 delete 对性能的影响，解决方案说一下 LSM-Tree 的 KV 分离KV 分离的负面影响，有什么解决方案KV 分离导致 Scan 性能下降的问题，目前学术界有什么解决的方案RocksDB 的 WriteBatch，如何保证原子性，项目当中又是如何保证原子性的RocksDB 的一致性读，memtable 当中如何保证一致性读分布式：Raft 大论文中的 PreVoteRaft 需要持久化的信息，voteFor 丢失会怎么样Joint consensusc++std::move，给了一个场景题c++ share_ptr 的线程安全是怎么实现的介绍一下内存序都有哪些，对于 release-acquire，happens-before 是如何建立的算法：二分搜索数的范围

#牛客AI配图神器#一、场景题：一个存储IP地址的100G 的文件, 找出现次数最多的 IP ？和大文件中存id，然后要求排序问题一样的处理思路使用MapReduce的思想解决，加上哈希分割，先将大文件中的IP地址按照哈希函数进行分割，存到多个文件上，接着每个分片单独处理，用Hashmap统计IP出现频次，记录当前分片最大值。最后归并处理，找出所有候选IP中的最大出现次数的IP。1.哈希分割（预处理阶段）① 使用高效哈希函数计算每个IP的哈希值② 按哈希值取模分片：hash(ip) % N → 生成N个分片文件分片数计算：假设可用内存1G，每个分片限制为50MB → N=2000分片2.分块统...

1. 自我介绍2. 项目介绍3. 详细介绍一下抽奖项目的流程（穿插一些八股，分布式锁……定时任务……缓存数据库一致性……防止超卖……ThreadLocal如何从父线程传递到子线程……）（有些忘了）共计十分钟场景共计35分钟，基本都是连续追问问道无法回答为止，问答顺序记不清楚了场景题1：4.线程池的实现原理（八股）5.有一千个任务在线程池内，任务的执行时间各不相同（大数据场景），我们希望同时解决多个问题包括    (1) 长任务超时会保留数据，不会重来，不能重新发任务    (2) 多个执行的任务中，有的时间长有的时间短，我们不希望长任务的长时间执行导致短任务的饥饿    (3) 短任务的结果能优先看到场景题2：6.看你是图数据的科研方向，如果一张日活用户图上有4000w个用户点，点赞/关注都可以都可以作为边，考虑如何评价前二十(top 20) 的高质量用户并予以奖励？以什么作为评价指标？如何计算？如何让偏差率收敛到1-5%之内？7.单机无法计算的情况下，如何拆分？拆分原则是什么？如果分多台机器，那些会被分到哪些机器上？如何判定边界？如果判定了边界导致南北方人，或者不同文化背景的人所处的图不同，违反了b站的原则（不分具体的人只看质量，不能用相似类型评判质量）怎么办？你的划分还有效吗？(最后提示去看google的pagerank论文)8. 了解大数据相关内容吗(不了解)结束反问：1.使用语言？业务前景？服务对象？2. 4000w的具体场景？问实习时间实习时长等发面经求好运

面试官问亮点怎么回答呀？gid分片，是否可以改成用短链接分片？最不理解的是，一个线程更新短链接表，一个线程更新统计表，为什么加了个读写锁啊 晕 #短链接#