十面阿里——菜鸟,天猫,蚂蚁金服面试后的题目总汇

虽然天猫,蚂蚁金,菜鸟都归属阿里旗下,但每个面试官问的问题都不一样,相同点主要在流程方面。面试开始会让自我介绍,主要业务架构和技术架构两部分。业务架构一般不会深究,但要面试官听明白,并且一般面试官会顺着问是如何根据这些业务去设计技术架构的。

面试试题

其他

什么是幂等?什么情况下需要考虑幂等?你怎么解决幂等的问题?

Java

多个线程同时读写,读线程的数量远远大于写线程,你认为应该如何解决并发的问题?你会选择加什么样的锁?
JAVA的AQS是否了了解,它是干嘛的?
除了synchronized关键字之外,你是怎么来保障线程安全的?
什么时候需要加volatile关键字?它能保证线程安全吗?
线程池内的线程如果全部忙,提交一个新的任务,会发生什什么?队列全部塞满了之后,还是忙,再提交会发生什么?
Tomcat本身的参数你⼀一般会怎么调整?
synchronized关键字锁住的是什么东西?在字节码中是怎么表示的?在内存中的对象上表现为什么?
wait/notify/notifyAll方法需不需要被包含在synchronized块中?这是为什么?
ExecutorService你一般是怎么用的?是每个service放一个还是一个项目里面放一个?有什么好处?

Spring

你有没有⽤用过Spring的AOP? 是用来干嘛的? 大概会怎么使用?
如果⼀一个接口有2个不同的实现, 那么怎么来Autowire一个指定的实现?
Spring的声明式事务 @Transaction注解一般写在什么位置? 抛出了异常会自动回滚吗?有没有办法控制不触发回滚?
如果想在某个Bean生成并装配完毕后执行自己的逻辑,可以什么方式实现?
SpringBoot没有放到web容器里为什么能跑HTTP服务?
SpringBoot中如果你想使用自定义的配置文件而不仅仅是application.properties,应该怎么弄?
SpringMVC中RequestMapping可以指定GET, POST方法么?怎么指定?
SpringMVC如果希望把输出的Object(例如XXResult或者XXResponse)这种包装为JSON输出, 应该怎么处理?
怎样拦截SpringMVC的异常,然后做自定义的处理,比如打日志或者包装成JSON

MySQL

如果有很多数据插入MYSQL 你会选择什么方式?
如果查询很慢,你会想到的第一个方式是什么?索引是干嘛的?
如果建了一个单列索引,查询的时候查出2列,会用到这个单列索引吗?
如果建了一个包含多个列的索引,查询的时候只用了第一列,能不能用上这个索引?查三列呢?
接上题,如果where条件后面带有一个 i + 5 < 100 会使用到这个索引吗?
怎么看是否用到了了某个索引?
like %aaa%会使用索引吗? like aaa%呢?
drop、truncate、delete的区别?
平时你们是怎么监控数据库的? 慢SQL是怎么排查的?
你们数据库是否支持emoji表情,如果不支持,如何操作?
你们的数据库单表数据量是多少?一般多大的时候开始出现查询性能急剧下降?
查询死掉了,想要找出执行的查询进程用什么命令?找出来之后一般你会干嘛?
读写分离是怎么做的?你认为中间件会怎么来操作?这样操作跟事务有什么关系?
分库分表有没有做过?线上的迁移过程是怎么样的?如何确定数据是正确的?

JVM

你知道哪些或者你们线上使用什么GC策略? 它有什么优势,适用于什么场景?
JAVA类加载器包括几种?它们之间的父子关系是怎么样的?双亲委派机制是什么意思?有什么好处?
如何自定义一个类加载器?你使用过哪些或者你在什么场景下需要一个自定义的类加载器吗?
堆内存设置的参数是什么?
Perm Space中保存什么数据? 会引起OutOfMemory吗?
做gc时,一个对象在内存各个Space中被移动的顺序是什么?
你有没有遇到过OutOfMemory问题?你是怎么来处理这个问题的?处理过程中有哪些收获?
1.8之后Perm Space有哪些变动? MetaSpace大小默认是无限的么? 还是你们会通过什么方式来指定大小?
Jstack是干什么的? Jstat呢? 如果线上程序周期性地出现卡顿,你怀疑可能是gc导致的,你会怎么来排查这个问题?线程日志一般你会看其中的什么部分?
StackOverFlow异常有没有遇到过?一般你猜测会在什么情况下被触发?如何指定一个线程的堆栈大小?一般你们写多少?
针对这些面试题的答案,我找了几个一线互联网资深架构师朋友把这些面试相关内容录制成视频放在群:725219329中分享给有需要的朋友免费获取;不仅如此,还包括一些目前互联网最主流的架构技术:分布式,微服务,等热门话题的底层实现原理正在录制中,感兴趣的朋友可以进来看看。希望每一个进来的人都有收货。

Linux命令

日志特别大只想看最后100行怎么弄弄? 如果想一直看日志的持续输出,用什么命令?
如果日志一边输出,一边想实时看到有没有某个关键字应该怎么弄?
grep如果忽略大小写应该怎么弄? 正则表达式呢?
vim往下一行是什么键?往下30行呢? 跳到文件末尾一行是什么? 跳回来是什么? 向后搜索是什么?
如果有个文本文件,按空格作为列的分隔符,如果想统计第三列里面的每个单词的出现次数应该怎么弄?
如果把上面的出现次数排个序应该怎么弄? 想按照数字本身的顺序而不是字符串的顺序排列怎么弄?
Linux环境变量是以什么作为分隔符的?环境变量通过什么命令设置?
给某个文件权设置限比如设置为64 是用什么命令?这个6是什么意思?
Linux下面如果想看某个进程的资源占用情况是怎么看的?系统load大概指的什么意思?你们线上系统load一般多少?如果一个4核机器,你认为多少load是比较正常的?top命令里面按一下1会发生什么?
top命令里面,有时候所有进程的CPU使用率加起来超过100%是怎么回事?
还有哪些查看系统性能或者供你发现问题的命令?你一般是看哪个参数?
想看某个进程打开了哪些网络连接是什么命令?里面连接的状态你比较关心哪几种? -- 偏题
有没有做过Linux系统参数方面的优化,大概优化过什么?
系统参数里面有个叫做backlog的可以用来干什么?
查看网络连接发现好多TIMEWAIT 可能是什么原因?对你的应用会有什么影响?你会选择什么样的方式来减少这些TIMEWAIT
可否介绍一下TCP三次握手的过程,如果现在有个网络程序,你用第三方的library来发送数据,你怀疑这个library发送的数据有问题,那么怎么来验证?tcpdump导出的文件你一般是怎么分析的?
KeepAlive是用来干什么的?这样的好处是什么?

Redis -- 开发

缓存穿透可以介绍一下么?你认为应该如何解决这个问题
你是怎么触发缓存更新的?(比如设置超时时间(被动方式), 比如更新的时候主动update)?如果是被动的方式如何控制多个入口同时触发某个缓存更新?
你们用Redis来做什么?为什么不用其他的KV存储例例如Memcached,Cassandra等?
你们用什么Redis客户端? Redis高性能的原因大概可以讲一些?
你熟悉哪些Redis的数据结构? zset是干什么的? 和set有什么区别?
Redis的hash, 存储和获取的具体命令叫什么名字?
LPOP和BLPOP的区别?
Redis的有一些包含SCAN关键字的命令是干嘛的? SCAN返回的数据量是固定的吗?
Redis中的Lua有没有使用过? 可以用来做什么? 为什么可以这么用?
Redis的Pipeline是用来干什么的? -- 运维
Redis持久化大概有几种方式? aof和rdb的区别是什么? AOF有什么优缺点吗?
Redis Replication的大致流程是什么? bgsave这个命令的执行过程? -- 偏题
如果有很多 KV数据要存储到Redis, 但是内存不足, 通过什么方式可以缩减内存? 为什么这样可以缩小内存?
Redis中List, HashTable都用到了ZipList, 为什么会选择它

监控、稳定性

业务日志是通过什么方式来收集的?
线上机器如何监控?采用什么开源产品或者自研的产品?它是分钟级的还是秒级的?
如果让你来想办法收集一个JAVA后端应用的性能数据,你会在意哪些方面? 你会选择什么样的工具、思路来收集?
一般你调用第三方的时候会不会监控调用情况?
针对这些面试题的答案,我找了几个一线互联网资深架构师朋友把这些面试相关内容录制成视频放在群:725219329中分享给有需要的朋友免费获取;不仅如此,还包括一些目前互联网最主流的架构技术:分布式,微服务,等热门话题的底层实现原理正在录制中,感兴趣的朋友可以进来看看。希望每一个进来的人都有收货。

转载于:https://www.cnblogs.com/xueSpring/p/9023687.html

标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
Foodpanda 的全面记录,包含 6000 条精心整理的记录,涵盖了从客户人口统计信息到订单、支付、评价和配送细节的各个方面。它为数据分析师和研究人员提供了一个丰富的资源,可用于深入分析和洞察 Foodpanda 的业务运营和客户行为。 数据集内容客户人口统计信息:数据集详细记录了客户的年龄、性别、收入水平、地理位置等基本信息。这些信息有助于了解不同客户群体的特征,为精准营销和客户细分提供数据支持。 订单信息:每条记录都包含了订单的日期、时间、金额以及购买的商品或服务。通过分析这些数据,可以发现客户的购买习惯和偏好,例如哪些时间段是订单高峰期,哪些菜品最受欢迎。 支付信息:数据集中还包含了支付方式、支付状态和支付金额等信息。这些数据可以帮助分析不同支付方式的使用频率,以及支付成功率等关键指标。 评价信息:客户对订单、服务或产品的评分和评论也被记录在数据集中。这些评价数据对于情感分析和客户满意度研究至关重要,能够帮助 Foodpanda 了解客户的真实反馈,从而改进服务质量。 配送细节:数据集还详细记录了配送时间、配送地址和配送状态等信息。通过分析这些数据,可以优化配送路线和时间,提高客户满意度。 数据集的应用场景:客户行为分析:通过分析客户的购买习惯、偏好和评价,可以更好地了解客户需求,从而提供更个性化的服务。 客户流失预测:利用数据集中的客户行为和评价数据,可以构建模型预测哪些客户可能会流失,以便提前采取措施挽留。 客户细分:根据客户的人口统计信息和购买行为,可以将客户划分为不同的群体,为每个群体提供定制化的服务和营销策略。 销售趋势分析:通过分析订单数据,可以发现销售的增长或下降趋势,为业务决策提供依据。 情感洞察:通过分析客户的评价和评论,可以了解客户对产品或服务的情感倾向,及时发现潜在问题并加以改进。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值