今年11月的时候，脉脉发布了一份「以人为本：互联网职场新人流动趋势2025」的报告，其中有一列是校招生最想去的公司排行榜Top 10。
图源脉脉
排名依次为：字节跳动、腾讯、阿里巴巴、小红书、网易、百度、美团、携程、快手、新浪，排名分先后。
这个排名可能出乎很多人的意料，比如不是说新人都想去大厂吗？为什么美团还在百度和网易的后面？、前三名无可厚非，是公认的三个一线大厂，但为什么小红书能排在第四名这么靠前的位置上?、新浪为什么能出现在这个榜单上？、京东去哪了？小米去哪了？
前三甲中，"有鹅选鹅"也不灵了，反而是字节排名第一，腾讯排名第二，阿里第三。
有一说一，与腾讯、阿里相比，你在各种社交媒体上能看到字节员工晒"福利"（下午茶、三餐、各种小礼物）的概率绝对大于另外两家公司的员工，尤其是小红书上，这类帖子简直不要太多，这些对于还没出校门的校招生来说确实有很大吸引力。
加之字节一直宣传的"用人看本质，看潜力不看资历"、"培养制度完善"、"新人也能被授权"等，有时候你听得多了看得多了很容易就主观带入了。
咱也不知道脉脉这个榜单是怎么调查的
？感觉有些公司的排名有失偏颇啊。。。。有跟我感觉一样的同学吗？
这里分享一份粉丝的秋招二面面经投稿，这位粉丝投递的正是字节跳动，岗位则是后端开发岗位，主要考察内容包括实习经历、编程语言、计算机网络、数据库、操作系统、情景题以及算法，整体难度中等。
1、自我介绍一下
balabalba
2、介绍一下你在货拉拉的这段实习
这是去年寒假期间找到的一个实习，主要是做页面广告投放的，在实习期间主要跟进了四个版本balabbalba。
看得出来面试官很感兴趣，后来又问了一些广告转化为收益的链路，其实我也不太清楚具体的转化过程，毕竟我只是个实习大头兵，好在提前做了功课，糊弄过去了
。。。
3、介绍一下虚拟技术？
虚拟技术把一个物理实体转换为多个逻辑实体，主要有两种虚拟技术：时（时间）分复用技术和空（空间）分复用技术。
多进程与多线程：多个进程能在同一个处理器上并发执行使用了时分复用技术，让每个进程轮流占用处理器，每次只执行一小个时间片并快速切换。
虚拟内存使用了空分复用技术，它将物理内存抽象为地址空间，每个进程都有各自的地址空间。
地址空间的页被映射到物理内存，地址空间的页并不需要全部在物理内存中，当使用到一个没有在物理内存的页时，执行页面置换算法，将该页置换到内存中。
4、外中断和异常有什么区别？
外中断是指由 CPU 执行指令以外的事件引起，如 I/O 完成中断，表示设备输入/输出处理已经完成，处理器能够发送下一个输入/输出请求。此外还有时钟中断、控制台中断等。
而异常时由 CPU 执行指令的内部事件引起，如非法操作码、地址越界、算术溢出等。
5、内部碎片与外部碎片有什么区别？
内碎片
分配给某些进程的内存区域中有些部分没用上，常见于固定分配方式。假如内存总量相同即100M：
固定分配：将100M分割成10块，每块10M，一个程序需要45M，那么需要分配5块，第五块只用了5M，剩下的5M就是内部碎片；
分段式分配：按需分配，一个程序需要45M，就给分片45MB，剩下的55M供其它程序使用，不存在内部碎片。
外碎片
内存中某些空闲区因为比较小，而难以利用上，一般出现在内存动态分配方式。
分段式分配：内存总量相同（100M），比如内存分配依次5M、15M、50M、25M。程序运行一段时间之后，5M、15M的程序运行完毕，释放内存，其他程序还在运行。再次分配一个10M的内存供其它程序使用，只能从头开始分片，这样就会存在10M+5M的外部碎片。
6、OSI 的七层模型的主要功能？
物理层：利用传输介质为数据链路层提供物理连接，实现比特流的透明传输。
数据链路层：接收来自物理层的位流形式的数据，并封装成帧，传送到上一层
网络层：将网络地址翻译成对应的物理地址，并通过路由选择算法为分组通过通信子网选择最适当的路径。
传输层：在源端与目的端之间提供可靠的透明数据传输。
会话层：负责在网络中的两节点之间建立、维持和终止通信。
表示层：处理用户信息的表示问题，数据的编码，压缩和解压缩，数据的加密和解密。
应用层：为用户的应用进程提供网络通信服务
7、Go协程的的通讯有哪些方式？
共享内存：协程通过共享内存来交换数据，这种方式简单直接，但需要考虑同步和互斥问题，否则会出现数据竞争等问题。 消息传递：协程通过消息队列等方式来传递数据，这种方式可以避免数据竞争等问题，但需要考虑消息的发送和接收顺序等问题。 信号量：协程通过信号量等方式来实现同步和互斥，这种方式需要考虑好信号量的数量和使用顺序，否则会出现死锁等问题。
8、go接口有什么特性，应用场景是怎样的？
接口是一种类型，它是由一组方法签名组成的抽象集合。接口定义了对象应该具有的行为，而不关心对象的具体实现。
特性：实现接口需要提供一组方法签名，这些方法签名必须与接口中定义的方法签名完全相同。如果一个对象实现了某个接口，那么这个对象就必须提供该接口中所有方法的实现 。
场景
它被广泛应用于各种领域，比如网络编程、并发编程、测试等。比如：
-
网络编程中，接口可以用于定义各种网络协议的通信方式。
-
并发编程中，接口可以用于定义各种并发模式的接口。
-
测试中，接口可以用于定义各种测试框架的接口。
9、谈一下你理解的binlog？
binlog是二进制日志文件。他主要用来做主从同步，有statement格式和row格式。
statement记录了执行的SQL语句，Row 格式保存哪条记录被修改。binlog事务提交的时候才写入的，也可以用来做归档。
补充
binlog日志是MySQL数据库的一种日志记录机制，用于记录数据库的修改操作（如插入、更新、删除等），以便在需要时进行数据恢复、数据复制和数据同步等操作。
binlog日志的实现以下功能：
-
数据恢复：binlog日志可以用于回滚到之前的某个时间点，从而恢复数据。
-
数据复制：binlog日志可以用于在主从数据库之间复制数据，从而实现数据的高可用和负载均衡等功能。 MySQL的binlog日志有三种格式，分别是Statement格式、Row格式和Mixed格式。它们之间的区别如下：
-
STATEMENT：每一条修改数据的 SQL 都会被记录到 binlog 中（相当于记录了逻辑操作，所以针对这种格式， binlog 可以称为逻辑日志），主从复制中 slave 端再根据 SQL 语句重现。但 STATEMENT 有动态函数的问题，比如你用了 uuid 或者 now 这些函数，你在主库上执行的结果并不是你在从库执行的结果，这种随时在变的函数会导致复制的数据不一致；
-
ROW：记录行数据最终被修改成什么样了（这种格式的日志，就不能称为逻辑日志了），不会出现 STATEMENT 下动态函数的问题。但 ROW 的缺点是每行数据的变化结果都会被记录，比如执行批量 update 语句，更新多少行数据就会产生多少条记录，使 binlog 文件过大，而在 STATEMENT 格式下只会记录一个 update 语句而已；
-
MIXED：包含了 STATEMENT 和 ROW 模式，它会根据不同的情况自动使用 ROW 模式和 STATEMENT 模式；
10、Redis 为什么是单线程的而不采用多线程方案？
因为Redis是基于内存的操作，CPU不是Redis的瓶颈，Redis的瓶颈最有可能是机器内存的大小或者网络带宽。
既然单线程容易实现，而且CPU不会成为瓶颈，那就顺理成章地采用单线程的方案了（毕竟采用多线程会有很多麻烦！）
11、Redis设置过期时间的两种方案是什么？
Redis中有个设置时间过期的功能，即对存储在 Redis 数据库中的值可以设置一个过期时间。
作为一个缓存数据库， 这是非常实用的，比如一些 token 或者登录信息，尤其是短信验证码都是有时间限制的，按照传统的数据库处理方式，一般都是自己判断过期，这样无疑会严重影响项目性能。
我们 set key 的时候，都可以给一个 expire time，就是过期时间，通过过期时间我们可以指定这个 key 可以存活的时间，主要可采用定期删除和惰性删除两种方案。
定期删除
Redis默认是每隔 100ms 就随机抽取一些设置了过期时间的key，检查其是否过期，如果过期就删 除。注意这里是随机抽取的。
为什么要随机呢？你想一想假如 Redis 存了几十万个 key ，每隔100ms就遍历所 有的设置过期时间的 key 的话，就会给 CPU 带来很大的负载！
惰性删除
定期删除可能会导致很多过期 key 到了时间并没有被删除掉，所以就有了惰性删除。
它是指某个键值过期后，此键值不会马上被删除，而是等到下次被使用的时候，才会被检查到过期，此时才能得到删除，惰性删除的缺点很明显是浪费内存。
除非你的系统去查一下那个 key，才会被Redis给删除掉，这就是所谓的惰性删除！
12、数据库索引采用B+树而不是B树，主要原因是什么？
主要原因：B+树只要遍历叶子节点就可以实现整棵树的遍历，而且在数据库中基于范围的查询是非常频繁的，而B树只能中序遍历所有节点，效率太低。
13、假设你是一名服务端开发人员，现在出现了高并发，你有哪些解决方案？
应用数据与静态资源分离：将静态资源（图片，视频，js，css等）单独保存到专门的静态资源服务器中，在客户端访问的时候从静态资源服务器中返回静态资源，从主服务器中返回应用数据。
客户端缓存：因为效率最高、消耗资源最小的就是纯静态的html页面，所以可以把网站上的页面尽可能用静态的来实现，在页面过期或者有数据更新之后再将页面重新缓存。或者先生成静态页面，然后用ajax异步请求获取动态数据。
反向代理：在访问服务器的时候，服务器通过别的服务器获取资源或结果返回给客户端。
集群和分布式
集群是所有的服务器都有相同的功能，请求哪台都可以，主要起分流作用。
分布式是将不同的业务放到不同的服务器中，处理一个请求可能需要使用到多台服务器，起到加快请求处理的速度。 可以使用服务器集群和分布式架构，使得原本属于一个服务器的计算压力分散到多个服务器上。同时加快请求处理的速度。
14、情景题：找出前500的数
有 20 个数组，每个数组有 500 个元素，并且有序排列。如何在这 20*500 个数中找出前 500 的数？
解答思路
对于 TopK 问题，最常用的方法是使用堆排序。对本题而言，假设数组降序排列，可以采用以下方法：
首先建立大顶堆，堆的大小为数组的个数，即为 20，把每个数组最大的值存到堆中。
接着删除堆顶元素，保存到另一个大小为 500 的数组中，然后向大顶堆插入删除的元素所在数组的下一个元素。
重复上面的步骤，直到删除完第 500 个元素，也即找出了最大的前 500 个数。
为了在堆中取出一个数据后，能知道它是从哪个数组中取出的，从而可以从这个数组中取下一个值，可以把数组的指针存放到堆中，对这个指针提供比较大小的方法。
算法参考
import lombok.Data;
import java.util.Arrays;
import java.util.PriorityQueue;
publicclass DataWithSource implements Comparable<DataWithSource> {
/**
* 数值
*/
privateint value;
/**
* 记录数值来源的数组
*/
privateint source;
/**
* 记录数值在数组中的索引
*/
privateint index;
public DataWithSource(int value， int source， int index) {
this.value = value;
this.source = source;
this.index = index;
}
/**
*
* 由于 PriorityQueue 使用小顶堆来实现，这里通过修改
* 两个整数的比较逻辑来让 PriorityQueue 变成大顶堆
*/
@Override
public int compareTo(DataWithSource o) {
return Integer.compare(o.getValue()， this.value);
}
}
class Test {
publicstaticint[] getTop(int[][] data) {
int rowSize = data.length;
int columnSize = data[0].length;
// 创建一个columnSize大小的数组，存放结果
int[] result = newint[columnSize];
PriorityQueue<DataWithSource> maxHeap = new PriorityQueue<>();
for (int i = 0; i < rowSize; ++i) {
// 将每个数组的最大一个元素放入堆中
DataWithSource d = new DataWithSource(data[i][0]， i， 0);
maxHeap.add(d);
}
int num = 0;
while (num < columnSize) {
// 删除堆顶元素
DataWithSource d = maxHeap.poll();
result[num++] = d.getValue();
if (num >= columnSize) {
break;
}
d.setValue(data[d.getSource()][d.getIndex() + 1]);
d.setIndex(d.getIndex() + 1);
maxHeap.add(d);
}
return result;
}
public static void main(String[] args) {
int[][] data = {
{29， 17， 14， 2， 1}，
{19， 17， 16， 15， 6}，
{30， 25， 20， 14， 5}，
};
int[] top = getTop(data);
System.out.println(Arrays.toString(top)); // [30， 29， 25， 20， 19]
}
}
15、算法题
盛最多水的容器：力扣原题，接雨水的变形题 https://leetcode.cn/problems/container-with-most-water/
扫一扫
1054
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
