蚂蚁-国际-一面

1. 拷打项目2. 实习编码过程中遇到了哪些技术问题，如何解决的3. 线上环境如何确保代码是没有异常的，有异常如何处理4. 需要设计一个监控平台，你会采购现有的还是自主设计，如果需要你去调研，哪些特征会让你选择它5. 你在项目过程中有了解大模型相关的内容吗6. 你是否学习过 Spring 及业界常用的分布式组件7. Spring 和 Spring Boot 的核心区别，Spring Boot 提供了哪些新的特征8. 学习 Spring 和 Spring Boot 过程中遇到过哪些复杂的技术问题9. 分布式缓存了解吗10. Redis的关键机制，如何实现缓存，有哪些关键的特征11. 为什么Redis要使用单线程12. Redis持久化机制13. Redis持久化有哪些缺陷14. 如何设计支付的幂等性机制15. 大促场景下，支付的qps非常高，如何保证支付系统的安全性16. 例如对于5000qps，我如何知道应该部署多少台实例支持大促的洪峰17. 如何预估一个系统的处理能力是怎么样的18. 了解过mysql的优化机制吗，是否做过mysql的慢优化19. 有没有经验，哪些类型的sql语句更容易出现慢sql20. 有哪些典型的慢SQL，哪些写法可能天然就是一个慢SQL21. 请以你了解的一种RPC框架，解释系统间通讯基于RPC和基于HTTP的异同点是什么22. 为什么企业要包装一层使用RPC，而不是直接使用HTTP，有哪些好处23. 你有使用过哪些RPC24. 找实习你更关注哪些方面，希望获得哪些东西25. 除了技术更看重哪些方面26. 你在个人学习中是如何学习技术的，大概保持什么样的频率

一、LLM 与传统推荐系统的区别推荐系统的核心目标是为用户提供个性化的内容或产品推荐。传统推荐系统和 LLM 推荐系统在方法和实现上存在显著区别，主要体现在以下几个方面：对比项传统推荐系统LLM 推荐系统推荐方式基于规则、协同过滤、矩阵分解等方法通过自然语言理解和生成能力进行智能化推荐数据处理主要依赖结构化数据（用户行为、商品特征）能够处理文本、图片等多模态数据泛化能力依赖手工特征设计，泛化能力有限理解上下文语义，适应更多场景可解释性规则明确，易于解释生成式推荐可能解释性较弱，但能提供个性化解读个性化能力基于历史行为数据，存在冷启动问题（在系统中没有足够的行为数据，导致难以捕捉其兴趣偏好）通过...

面试官迟到五分钟，进来道歉并主动介绍自己1.自我介绍2.手机欠费突然断网没热点了，赶紧蹭了个wifi重新回面试间，耽误了十分钟，疯狂道歉3.为什么投递蚂蚁？ 阿里腾讯这种比较有名，加上研究生学长推荐巴拉巴拉…4.什么是软件工程？忘记了，全程瞎说5.怎么学的java？学校选修课6.面向对象是什么？有什么好处，解决了什么问题？balabala全程瞎说7.讲讲小厂实习，遇到了什么困难？ 疯狂输出，讲做的一个数据同步的抽象组件，自己怎么解决同步过程的锁竞争激烈问题。8.并发安全相关的几个问题，锁，jmm等等。9.看到简历写了元空间OOM 讲一下？10.项目开发遇到过什么问题？ 讲了沟通问题，前后端对照问题。11.前后端对接应该注意什么？ 瞎讲balabala12.反问 这次面试表现怎样？ 技术方面没什么问题，第一个软件工程和最后一个前后端的问题答的不对，建议下去看看软件工程相关的内容，沟通表达需要加强，讲话要先总后分有逻辑。13.业务是什么？ 蚂蚁暑期是统一一个大池子，面完随机分配的。#牛客AI配图神器# 总结：面试官很和蔼，讲话让人感觉很厉害，面试体验最好的一次。

1.简单问了下实习，为啥之前有段测试的实习，现在来投后端？（测试实习+垃圾项目，debuff拉满）2.介绍下锁，有什么缺点？业界的解决方案3.CAS4.无锁编程技术了解吗5.死锁怎么出现的6.死锁怎么避免7.java的锁讲下8.reentranlock和synchronized区别，为什么要设计这两种？9.为什么不在synchronized里实现condition，和公平锁，是实现不了吗10.tcp服务器在创建过程中有哪些socket相关的系统调用11.整个流程都说一下12.应用层怎么解决UDP的错包问题13.IO多路复用14.epoll工作模式15.epoll用红黑树为什么就没有FD2048...