面试相关

简历模版：https://www.polebrief.com/

面试考察点

考察点：技能、能力、价值观、匹配度。

技能：

• Java基础，开源框架，中间件，代码设计，项目实战等。

能力：

• 工作年限和职级越高，对能力的要求越大，对技能的要求反而没那么大。

• 学习能力：

  • 具备快速学习的能力，能够迅速掌握并应用新的知识。

• 沟通能力：

  • 能够清晰、准确地表达自己的想法和观点，并理解他人的意见和观点，以进行有效的沟通和交流。

价值观：

• 是否与公司的价值观一致？
• 是否具备以公司事务为己任的Owner意识？

匹配度:

• 面试官的目的是找到适合职位要求的候选人。
  • 这里所说的是适合的人选，而不是最好的人选。
  • 这不仅考虑到用人成本，还考虑到员工的职业发展和工作质量。
• 许多面试官不会选择经验和技能过剩的应聘者，而是选择经验和技能匹配，甚至稍微差一些，但是具备潜力和动机的应聘者。
• 这样的人选会更加珍惜这个机会，对工作充满兴趣，更有动力去接受挑战，主动学习并将工作做好。

面试表达技巧

金字塔法则：

• 先把我们最重要的优势先提出来，然后按照时间顺序从近到远讲解自己的工作经历。
• 用实际做的事来印证我们的优势。

STAR法则：

• STAR法则是一种在面试中有效回答问题的方法。
• 包括以下几个步骤：
  • Situation（情境）：描述你所面临的具体情境或挑战。
  • Task（任务）：解释你在该情境下的任务或目标。
  • Action（行动）：详细说明你采取的具体行动步骤。
  • Result（结果）：阐述你的行动带来的具体结果和成就。
• 使用STAR法则可以帮助你在面试中清晰、有条理地回答问题，展示自己的能力和经验。
• 我们讲解做过的项目的时候非常适合使用STAR法则。
  • 先介绍我们项目的业务背景技术背景，再说明当前要做一个什么事。
  • 然后说明具体的技术方案以及如何落地。
  • 最后说明我们这个项目取得了什么结果。

学会倾听：

• 面试官问一个问题，一定不要抢答。
• 面试官就是你的未来同事，可以把面试官当成你的工作搭档去沟通，方便去做双向筛选。

海量数据场景题

假如有一个1G大小的文件，文件里每一行是一个词，每个词的大小不超过16byte，要求返回出现频率最高的100个词。

• 内存大小限制是10M。

由于内存限制，无法直接将大文件的所有词一次性读到内存中。

可以采用分治策略，把一个大文件分解成多个小文件，保证每个文件的大小小于10M。

• 进而直接将单个小文件读取到内存中进行处理。

第一步

首先遍历大文件，对遍历到的每个词x，执行 hash(x) % 500。

将结果为i的词存放到文件f(i)中，遍历结束后，可以得到500个小文件，每个小文件的大小为2M左右。

第二步

接着统计每个小文件中出现频数最高的100个词，可以使用HashMap来实现，其中key为词，value为该词出现的频率。

• 对于遍历到的词x，如果在map中不存在，则执行 map.put(x, 1)。

• 若存在，则执行 map.put(x, map.get(x)+1)，将该词出现的次数加1。

第三步

在第二步中找出了每个文件出现频率最高的100个词之后，通过维护一个小顶堆来找出所有小文件中出现频率最高的100个词。

• 遍历第一个文件，把第一个文件中出现频率最高的100个词构建成一个小顶堆。

• 如果第一个文件中词的个数小于100，可以继续遍历第二个文件，直到构建好有100个结点的小顶堆为止。

• 继续遍历其他小文件，如果遍历到的词的出现次数大于堆顶上词的出现次数。

  • 可以用新遍历到的词替换堆顶的词，然后重新调整这个堆为小顶堆。

• 当遍历完所有小文件后，这个小顶堆中的词就是出现频率最高的100个词。

主要思路如下：

• 采用分治的思想，进行哈希取余。

• 使用HashMap统计每个小文件单词出现的次数。

• 使用小顶堆，遍历步骤2中的小文件，找出词频Top100的单词。

找出相同的URL

给定a、b两个文件，各存放50亿个url，每个url各占64字节，内存限制是4G，找出a、b文件共同的url？

分治法+哈希取模：

将a、b 两个文件，用相同的哈希函数（把url换成数字的话，哈希函数更容易构造），分解为1000个独立哈希值相同的小文件。

哈希值相同的url必然在序号对应的文件中，因此只要在序号对应的两个文件中进行url的相互匹配即可。

比较每对序号对应的小文件时，可以使用hash_set。