博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
6面蚂蚁,面试官被我唬住,居然开36K,面试怎么突然简单起来
阅读量:2144 次
发布时间:2019-04-30

本文共 5055 字,大约阅读时间需要 16 分钟。

蚂蚁金服-面试前

蚂蚁的面试挺独特,每轮面试都没有 HR 约时间,一般是晚上 8 点左右面试官来一个电话,问是否能面试,能的话开始面,不能就约一个其它时间。

全程 6 面,前五面技术面,电话面试,最后一面是 HR 面,现场面。大佬说技术这方面肯定要掌握好,其实面试题也可以背一背,要是他提前有时间就看一下面试题说不定有些问题就可以回答得更好,可以起个抱佛脚的作用。

一面

  • 介绍一下自己
  • 问项目经历, 聊"数据同步"
  • 接着聊上了 K8S 的项目
  • 有没有什么钻研得比较深得技术?(大佬:kubernetes, golang, prometheus, java)
  • kubernetes 的架构是怎么样的?
  • 这个问题很大,拆成 apiserver、controller、kubelet、scheduler 讲了一下
  • golang 与 java 的比较
  • 这个问题又很大,当时主要对比了 vm、协程支持、面向对象和泛型的区别、以及自己对各自使用场景的一些理解
  • golang 的 gc 算法
  • 知道是三色标记,不过细节说不上来
  • 从无限的字符流中, 随机选出 10 个字符
  • 没见过也没想出来,查了一下是蓄水池采样算法,经典面试题,没刷题吃亏了
  • 怎么扩展 kubernetes scheduler, 让它能 handle 大规模的节点调度
  • 单节点提速:优选阶段随机取部分节点进行优选;水平扩展 scheduler 节点,pod 做一致性 hash 来决定由哪个scheduler 调度
  • 你有什么想问我的?

一面其实有点僵,大佬自己完全没放开,面试官对大佬的回答没有什么反馈和深入,都是"哦好的"然后就过了。所以大佬当时面完觉得自己其实已经挂了(要是对候选人不感兴趣,有时候也就问完问题走个过场溜了),后来收到二面电话着实吃惊了一下。

二面

  • 先聊了聊项目
  • 给 Prometheus 做了哪些改动?
  • 自研配置中心, 具体做了哪些内容?
  • 有用过 MySQL 的什么高级特性吗?
  • 这不太理解,我问什么算高级特性,面试官就切换到了下一个问题
  • 配置中心的核心数据表是怎么设计的?
  • 为什么在业务里用 Redis, Redis 有什么优点?
  • 单线程:并发安全;高性能;原语与数据结构丰富;采用广泛,踩坑成本低
  • 对 Redis 里数据结构的实现熟悉吗?
  • 说了一个 zset 跳表
  • 用过 Redis 的哪些数据结构, 分别用在什么场景?
  • Java 初始化一个线程池有哪些参数可以配置, 分别是什么作用?
  • 自己写的 Java 应用调优过哪些 JVM 参数, 为什么这么调优?(这个问住了,大佬只知道最大堆最小堆,开 G1,开 GC 日志以及 OOM dumper 这些基本的)
  • 用 Jetty 的时候有没有配什么参数, 为什么这么配?
  • Jetty QTP 等待队列配置成无限的话, 你觉得好吗? 会有什么问题吗?
  • 用过 Linux Bash 里的哪些命令, 分别用它们干嘛?

一道笔试题: 需要在给的链接中作答, 不能 google, 不能跳出, 不能用 IDE:
题目是这样的:
启动两个线程, 一个输出 1,3,5,7…99, 另一个输出 2,4,6,8…100 最后 STDOUT 中按序输出 1,2,3,4,5…100
大佬:用 Go 实现吧 面试官:不可以,用 Java 的 notify 机制实现 大佬::(还没意识到问题的严峻) 那用 Java BlockingQueue 面试官:说不可以, 要求用 Java 的 wait + notify 机制来实现
因为完全没写过 wait + notify,只能表示不会, 面试官说那行吧你可以用 go 写
最后用 go channel 实现了一版, 不过给的网页上不能运行代码,也不知道写得对不对,然后面试结束。
这一轮面试官延续了一面的风格,问完一题就赶忙下一题了,似乎没有表现出对我的回答有兴趣或认可。因此这轮面完,他觉得自己可能又挂了…

三面

  • 依然先聊项目
  • 对监控警报的项目很感兴趣, 问了挺多细节,。最后问了一个问题::现在要你实现一个语义不弱于 PromQL 的查询语言, 你能实现吗?(这里虽然看过一些 Prometheus 的代码,但其实对 PromQL 的 lexer 和 parser 部分没有细看,还好之前因为数据同步项目里想写声明式 Stream SQL 研究过一点 ANTLR,用 ANTLR 写语法 + AST 遍历塞查询逻辑给糊弄过去了。)
  • 觉得做得最深入的项目是什么(当然是数据同步)
  • 聊数据同步项目
  • 问 Linux 掌握得怎么样?(没有系统学习过,基本上是自己运维踩坑积累的)
  • 问 Golang 掌握得怎么样?(用了半年, 看过 effective go)
  • 问算法掌握得怎么样?(到图为止都可以)
  • 问最短路算法(只记得 dijkstra 了,描述了代码流程)
  • k8s 掌握得怎么样?(没有自己写过 controller 和 scheduler,但是对概念都很熟悉,看过 xxx 这几部分的源码)
  • k8s 的 exec 是怎么实现的?(这个问题正中下怀,之前写了 PingCAP 的小作业正好对这块特别熟悉)

这轮聊得顺畅多了。同时发现蚂蚁的面试官似乎挺喜欢让你自己评价:“你觉得自己 xxx 掌握得怎么样?”(只有五位面试官,样本不够大,不能作数哦),这类问题其实我慌得要死,怕吹过头了答不上来,面试挂了事小,丢了面子事大。早知道就预习一下怎么吹嘘了。

四面

  • 介绍一下自己
  • 觉得自己基础知识掌握怎么样
  • 平时一般会用到哪些数据结构?
  • 链表和数组相比, 有什么优劣?
  • 如何判断两个无环单链表有没有交叉点
  • 如何判断两个有环单链表有没有交叉点
  • 如何判断一个单链表有没有环, 并找出入环点
  • TCP 和 UDP 有什么区别?
  • 描述一下 TCP 四次挥手的过程中
  • TCP 有哪些状态
  • TCP 的 LISTEN 状态是什么
  • TCP 的 CLOSE_WAIT 状态是什么
  • 建立一个 socket 连接要经过哪些步骤
  • 常见的 HTTP 状态码有哪些
  • 301和302有什么区别
  • 504和500有什么区别
  • HTTPS 和 HTTP 有什么区别
  • 写一个算法题: 手写快排

这一轮全程问的基础知识,基础扎实的话就没问题了,不过大佬感觉有一点像校招的问法。

五面

  • 介绍一下自己
  • 在 k8s 上做过哪些二次开发?
  • 自己用 Helm 构建过 chart 吗?有哪些?
  • 有没有考虑过自己封装一个面向研发的 PaaS 平台?
  • 配置中心做了什么?
  • 为什么不用 zookeeper?
  • 配置中心如何保证一致性?
  • Spring 里用了单例 Bean, 怎么保证访问 Bean 字段时的并发安全?
  • 用并发安全的数据结构,比如 ConcurrentHashMap;或者加互斥锁
  • 假如我还想隔离两个线程的数据, 怎么办?
  • ThreadLocal,然后举了个例子
  • Golang 里的逃逸分析是什么?怎么避免内存逃逸?
  • 这个不知道,认怂了
  • 对比一下 Golang 和 Java 的 GC
  • 答了一下 CMS、G1和三色标记,我对比的点是 JVM 有分代回收,Go 的 Runtime 没有,没能深入地讲
  • Golang 的 GC 触发时机是什么
  • 阈值触发;主动触发;两分钟定时触发;
  • 有没有写过 k8s 的 Operator 或 Controller?(大佬:没有写过)
  • 谈一谈你对微服务架构的理解
  • 大体思路"微服务本质是人员组织架构演进与关注点分离"
  • 谈一谈你对 Serveless 的理解
  • 大体思路"Serveless 是继 docker 与容器编排之后的又一次应用开发与基础设施提供方之间的边界划分"
  • 你认为 Serveless 是未来吗? 为什么?
  • 大体思路"是云服务的未来,把蛋糕从企业的IT、运维与中间件部门切走,形成规模效应,做得越多赚得越多;公司内的话 servless能够帮助加速前台业务迭代,但对中后台的收益还看不到,未来可能会有比 servless 更适合中后台的架构"

面试官:最后你有什么要问我的?
大佬:为什么足足安排了五轮技术面,而且其中有两轮似乎和 k8s 没有关系啊?
面试官:我们觉得你做过的东西挺多的,各个方向都想让你尝试一下
我:那这轮是最后一轮技术面吗?
面试官:不一定
后续还问了面试官一些业务相关的问题,就不赘述了
五面最后的三个吹水问题大佬说还挺感兴趣,可惜面试官只是听他讲,没有跟他讨论。还有就是问了面试官才知道,二面四面的面试官是 PaaS 平台那边的,因此主要问 Java 没有涉及到 k8s 和 go。

六面(HR 面)

  • 之前听说过阿里系的 HR 是来"闻味道的"(看你是否适合阿里的风格),而且有一票否决权。所以还是挺有压力的。
  • 问经历
  • 为什么要考虑出来看看呢?
  • 金句:“现在自己的技术成长有点碰到瓶颈,加上一直对您公司钦慕有加relaxed”"
  • 现在公司的主营业务是什么?(这块往技术上问了很多,感觉是想考察我解释复杂问题的能力)
  • 现在带人吗?report 层级是怎样的?
  • 对自己这几年的经历满意吗?
  • 觉得自己有什么缺点?
  • 碰到过什么很挫败的事情吗?
  • 未来的职业规划是怎样的?
  • 看机会的时候,主要考虑的是待遇、平台、人员还是什么其他因素?
  • 现在的待遇如何
  • 有什么想问我的?

整体聊了 40 多分钟,话题挺广的,面试官也说了系统部这边压力挺大的,优秀的人才才能留下来。
大佬觉得 HR 面里除了谈薪酬的部分没有什么可准备的,想说什么直说就行。因为到了 HR 面至少证明你的技术没什么问题,直说出来方便 HR 判断两边的价值观是否合拍,假如真的不合拍,那其实在 HR 这一面挂了比起进去之后再后悔又跳槽要好很多,毕竟大家都不喜欢频繁跳槽的简历。

小结

完事后问了一些主观评价:

面试难度:正常
面试体验:还不错,感觉没这么难。(反正我是酸了)
问题偏向:基础知识,开发常识,技术见解
蚂蚁的面试风格比较"高冷",面试官给大佬的一致感受就是很强,卧虎藏龙。面试内容上在基础知识部分相对考察得多一些,没有偏门和猎奇的问题,基础知识扎实的同学可以大胆投投看蚂蚁。

以上就是蚂蚁技术四面和HR面试题目,以下最新总结的最全,范围包含最全MySQL、Spring、Redis、JVM等最全面试题和答案,仅用于参考

我是如何备战蚂蚁面试的?

第一步:准备简历

准备简历,并不是指可以在网络上下载一份简历模板,然后修修改改就可以使用了。简历的精心准备,需要注意三个要点:

注意区分:了解,熟悉,精通,不要乱写,面试官很多问题都是根据简历描述来进行的;

专业知识和项目经验在精不在多,尤其是项目经验一定要写自己熟悉的且有内容可说的,不要认为写得越多越好

要熟悉自己的简历内容,准确掌握,最好是多阅读自己的简历。

如果还是不知道怎么准备自己的简历,我这边可以分享一下我搜集到的简历模板,给大家一个参考,希望能够在给大家一个合格的敲门砖。

含泪拿下腾讯60W Offer 五轮面试 灵魂拷问。最新一线JAVA真题

含泪拿下腾讯60W Offer 五轮面试 灵魂拷问。最新一线JAVA真题

第二步:复习+总结

离面试期越来越近也越来越焦虑,这个时候更需要去调整好自己的心态,沉入到复习当中,对各个知识点要学会查漏补缺,学着多去做做总结。

关于复习和总结,我自己也整理了不少资料,均是我的收获,有需要的也可以进行分享。

如:

含泪拿下腾讯60W Offer 五轮面试 灵魂拷问。最新一线JAVA真题

含泪拿下腾讯60W Offer 五轮面试 灵魂拷问。最新一线JAVA真题

含泪拿下腾讯60W Offer 五轮面试 灵魂拷问。最新一线JAVA真题

第三步:刷题

Java筑基系列:Tomcat+Mysql+设计模式+并发+Netty+JVM

开源框架系列:Spring+SpringMVC+MyBatis

微服务架构:Dubbo+SpringBoot+SpringCloud

分布式数据库系列:Memcached+Redis+MongoDB

分布式通讯系列:ActiveMQ+RabbitMQ+Kafka

分布式限流系统:Nginx+zookeeper

一线互联网大厂历年真题系列

算法宝典

含泪拿下腾讯60W Offer 五轮面试 灵魂拷问。最新一线JAVA真题

面试专题

含泪拿下腾讯60W Offer 五轮面试 灵魂拷问。最新一线JAVA真题

含泪拿下腾讯60W Offer 五轮面试 灵魂拷问。最新一线JAVA真题

总结

无论是哪家公司,都很重视基础,尤其是对于应届生来说,所以在面试前基础一定要打扎实。面试是一个双向选择的过程,不要抱着畏惧的心态去面试,不利于自己的发挥。同时看中的应该不止薪资,还要看你是不是真的喜欢这家公司,是不是能真的得到锻炼。其实我写了这么多,只是我自己的总结,并不一定适用于所有人,相信经过一些面试,大家都会有这些感触。

针对以上面试技术点,我在这里也做一些资料分享,希望能更好的帮助到大家。需要以上资料的朋友可以点赞+转发 私信回复面试领取即可!

含泪拿下腾讯60W Offer 五轮面试 灵魂拷问。最新一线JAVA真题

转载地址:http://hshgf.baihongyu.com/

你可能感兴趣的文章
PCA 的数学原理和可视化效果
查看>>
机器学习中常用评估指标汇总
查看>>
什么是 ROC AUC
查看>>
Bagging 简述
查看>>
详解 Stacking 的 python 实现
查看>>
简述极大似然估计
查看>>
用线性判别分析 LDA 降维
查看>>
用 Doc2Vec 得到文档/段落/句子的向量表达
查看>>
使聊天机器人具有个性
查看>>
使聊天机器人的对话更有营养
查看>>
一个 tflearn 情感分析小例子
查看>>
attention 机制入门
查看>>
手把手用 IntelliJ IDEA 和 SBT 创建 scala 项目
查看>>
双向 LSTM
查看>>
GAN 的 keras 实现
查看>>
AI 在 marketing 上的应用
查看>>
Logistic regression 为什么用 sigmoid ?
查看>>
Logistic Regression 为什么用极大似然函数
查看>>
SVM 的核函数选择和调参
查看>>
LightGBM 如何调参
查看>>