满帮 面试题
共 8 篇真实面经 · 涵盖 满帮 / 满帮集团 等 2 家公司
满帮全栈一面:会话锁与幂等、文件上传一致性、Redis 与数据库怎么保证一致
满帮全栈一面:自我介绍后先追问实习里多少代码是 AI 写的、遇到的最大困难、平时用什么 AI 工具,再深挖项目中的会话锁与幂等、文件上传会不会不一致、数据库怎么设计、用户文件与物理文件分离的好处;基础部分覆盖接口与抽象类、JVM GC、MySQL 索引与 B+ 树、乐观锁悲观锁、Redis 为什么快、设计模式、索引失效、ES 多条件查询、Redis 与数据库一致性,最后是 9 个小球找最重的一个。
满帮 AI 全栈一面:Agent 流程、推理延迟优化与 MySQL 慢查询排查
满帮 AI 全栈岗位一面面经,面试围绕实习 Agent 流程、端到端延迟与大模型推理速度优化、用户无反馈时如何判断不满意,以及 MySQL 慢查询、explain 字段、索引命中仍慢和深分页排查展开。
10.23 满帮笔试:AUC 手算、染色连通块与环上最短路边数概率
满帮 10.23 笔试:选择题以 Java 为主,三道编程题分别是按公式手算 AUC、每次染色后输出红色四连通块数量、以及环上查询两点最短路边数被破坏导致耗时变大的概率。
满帮经营分析师三面全过程:笔试到主管面的时间线与考点
满帮集团经营分析师面经:9.10 笔试、9.21 一面、10.8 二面、10.14 三面。一面是技术面,围绕简历深挖对经营分析的理解,面试官讲解了经营分析师的业务范围(搭建指标、取数搭看板、用户留存、策略输出)与校招生培养计划;二面是常规 HR 面,问意向城市与行业规划;三面是主管面,自我介绍加深挖产出,最后是反问。三轮都没有 SQL 手撕。
满帮数据分析面经:数仓分层、Spark 调优、两道 SQL 与决策树
满帮数据分析面试:数仓分层与 ODS 产出、Spark SQL 与原生 Spark 的区别、MapReduce 原理、数据倾斜与 Spark 调优,两道现场 SQL(分组取 Top1、按 10 分钟间隔切 session),再往机器学习问决策树、GBDT 和大模型 RAG 的落地。反问环节透露岗位在风控方向,做货运资金链路的黑产识别。
满帮全栈一面:ConcurrentHashMap、Redis 与下单幂等设计
满帮全栈开发一面面经,全程约四十分钟:自我介绍后挑实习项目的亮点做浅层追问,八股集中在 ConcurrentHashMap 底层原理、Redis 数据结构与适用场景、消息队列、线程池和常用 API,另有两道开放题——实习中用 AI 如何保证需求实现的准确性,以及电商下单模块的幂等与防重复下单设计。
满帮全栈开发一面:意图识别、Dify 与索引幂等八股
满帮全栈开发一面:开场先聊为什么没有实习、第一个小程序项目为什么取这个名字,随后问意图识别与大模型的实现、Dify 怎么落地,再考聚簇索引与非聚簇索引、幂等、慢 SQL,最后是一道没写完的算法题和地区意向,结尾反问全栈岗位的日常职责。
满帮全栈一面:Kafka 异常与幂等、冷热归档跨查询、联合索引最左匹配
满帮全栈一面 45 分钟:先确认 base 地、绩点与未来打算,再问笔试为什么简历写 Java 却用 C++ 作答、Java 与 C++ 的区别;实习部分深挖系统上下游与数据来源、Kafka 异常消息与 DLQ、如何保证消息投递、幂等实现、消息队列与 RPC 的取舍、Kafka/RocketMQ/RabbitMQ 对比、冷热数据为什么以 3 个月为界及跨冷热查询怎么处理;数据库问慢 SQL 定位、EXPLAIN 怎么看、索引失效与最左匹配;最后问 Java 8/17/21 的差异与升级。