面灵AI→

白龙马云行 AI 后端一面:RAG 多模态、Transformer 与 G1 回收器

白龙马云行 AI后端开发 一面

白龙马云行 AI 后端开发一面 50 分钟、20 个问题:从笔试题现场完善、研究生课题与模型全流程,到 AI 后端与普通后端的区别、AI 编码占比、skill 质量保障,再进入 RAG 的多模态支持与文档切片、Transformer 原理与上下文限制、KV Cache、temperature,最后是 G1 回收过程、MySQL 回滚与 B+ 树。帖主一面通过、二面拒绝。

2026-11

北京小公司后端一面:ES 深分页、MySQL 事务隔离与 RAG、MCP 追问

北京某小公司 Java 后端开发 一面

北京一家小公司的后端一面,一个多小时:从 OPPO 项目切入,问 ES 的理解与优化(深分页改滚动、refresh 流程)、MySQL 四大隔离级别与可重复读的快照实现、B+ 树索引、RAG 完整流程、MCP 与 function calling 的区别、HashMap 底层与线程不安全、内存泄漏与内存溢出、G1 的 STW,最后问离职原因与日常 AI 工具的使用。

2026-11

G1 回收器怎么答:Region、Mixed GC 与 Humongous 对象的线上坑

某公司 后端开发(Java)

按「内存布局—回收流程—关键机制—线上坑」组织回答:G1 把堆切成等大 Region、按回收收益挑选 Mixed GC 的批次、用 SATB 与写屏障换并发标记的稳定;线上把 MaxGCPauseMillis 照抄成 100 导致 Young GC 频繁并出现 to-space exhausted,以及 3MB 大对象触发 Humongous 分配、碎片化最终 Full GC 的两个案例。

2026-11

JVM 调优的四步法:观测、定位、验证、回滚

某公司 后端开发(Java)

被问「JVM 调优怎么做」时张口就是「堆调大、年轻代调大、上 G1」,帖主复盘后发现这种回答等于没说。真正的方法是四步:先确认 SLA 与问题类型、看 GC 日志与堆直方图定位、再小步改参数、最后按完整业务周期验证并留回滚;两个案例说明调大年轻代与压低停顿目标都可能让情况更糟。

2026-11

JVM 调优参数怎么答:-Xms 等于 -Xmx、容器感知与 GC 日志验证

某公司 后端开发(Java)

背完一串 -Xms/-Xmx/-Xmn/UseG1GC 后被追问「-Xms 为什么一定要等于 -Xmx、不相等会怎样、扩容有什么具体开销」。帖主复盘了堆反复伸缩引发的多余 Full GC、容器里 JVM 未感知 cgroup 导致 OOMKilled 的事故,以及 MaxGCPauseMillis 只是期望而非承诺。

2026-11

同程旅行 Java 后端 一面:G1、联合索引与 Redis ZSet 限流

同程旅行 Java 后端 一面

同程旅行 Java 后端一面 20 分钟:== 与 equals、线程安全、线程池参数与拒绝策略、G1 原理、最左前缀、JOIN 优化、Full GC 排查,以及用 Redis ZSet 设计滑动窗口限流。

2026-11

BIGO Java 开发(大数据)一面:慢查询、G1 与线程池

BIGO Java开发(大数据) 一面

BIGO Java 开发(大数据方向)一面面经,主线是数据库与 JVM:慢查询的排查顺序、联合索引的字段顺序、有索引却走全表扫描的原因、深分页的压力控制、InnoDB 更新的内部过程、EXPLAIN 该看什么、G1 的堆管理与大堆适配性、频繁 Full GC 的定位、CMS 与 G1 的停顿策略差异,最后落到线程池的任务分配规则、无界队列的风险与 CompletableFuture 的超时异常传播。

2026-10

去哪儿 AI 面试问题清单(AI 应用)

去哪儿 AI 应用开发

去哪儿 AI 应用岗的面试问题清单:覆盖进程与线程的区别、共享变量并发问题、HTTP 接口耗时突增的排查思路与代码层定位、锁竞争的观测指标、G1 与 CMS 的对比与停顿时间实现、多子线程同步的工具选择与异常处理,以及 Redis 做前置缓存时的一致性方案。

2026-10