面灵AI→

字节后端开发日常实习 一面(已挂)

轮次
一面
时间
2026-10
来源
牛客网

《面试题目》

  1. 从你的项目里挑一个精妙的设计来讲讲。
  2. 你的 RAG 用了什么算法?(向量算法、向量召回)
  3. 知识问答系统调用 LLM 时有哪些参数?输入输出分别大概有什么?
  4. 给定一个整数和一个数组,输出用数组中的数字组成的、小于给定整数的最大数。
  5. 给定一个数组,求出最小子数组和。
  6. Redis 写超容量后会怎么样?
  7. Redis 的淘汰机制是什么?
  8. Redis 的持久化机制是什么?

《参考解析》

「精妙的设计」要讲取舍,不要讲功能:挑一个有约束条件的决策——为什么这样分片、为什么用这个数据结构、为什么把某段逻辑异步化,说清「当时的约束(数据量、延迟、成本)→ 备选方案 → 为什么选它 → 结果指标」。面试官不关心你做了多少功能,关心你能不能解释清楚设计背后的判断。

RAG 的检索方案要能报出具体参数:向量模型是什么、向量维度、切分策略(按标题层级还是固定长度、重叠多少)、索引类型(HNSW 的 M 与 efConstruction)、召回 top-k、有没有加关键词检索做混合、rerank 用什么。答「用了向量召回」等于没答,报出参数并说明为什么这么设才有信息量。

调用 LLM 的参数与输入输出:参数包括 model、messages(system/user/assistant)、temperature、top_p、max_tokens、stop、stream、以及工具相关的 tools 与 tool_choice;输入是消息数组(可能带图片或多模态内容),输出是 choices 里的 message(content 或 tool_calls)加 usage(prompt/completion tokens)。工程上要额外关注超时、重试、限流、以及流式下 usage 需要显式开启。

算法一:用数组数字组成小于给定整数的最大数。思路是构造长度为 k 的最大数并让它严格小于目标:可以用回溯/DFS 逐位构造,每位从 9 到 0 尝试,记录是否已经比目标前缀小(tight 标记),一旦小于前缀后续位可以全填最大数字;也可以从右往左找第一个可以减小的位置,把它减一(若该位已在数组里),右侧全部填数组最大值。边界要处理:结果不能有前导零(除非结果就是 0)、长度不足时可以补前导零但要去掉、无解返回空。

算法二:最小子数组和。如果允许空子数组,答案是 0(这也是很多题目的隐含约定,作答前要问清)。如果要求非空,就是经典的最大子段和取负:维护「以当前元素结尾的最小和」cur = min(a[i], cur + a[i]),全局取最小,O(n) 时间 O(1) 空间。如果题目其实是最小「长度」子数组达到某目标和,那就是滑动窗口/前缀和 + 单调队列,别混。

Redis 写超容量:受 maxmemory 约束,写入导致内存超限时按 maxmemory-policy 处理——noeviction 直接对写命令返回 OOM 错误(读仍可用),其他策略会先淘汰键再写入;如果淘汰后仍不够,同样报错。要注意主从与持久化场景下,从库的 maxmemory 检查行为、以及淘汰会触发 DEL 传播。

淘汰策略分两大类:只淘汰设置了过期时间的键(volatile-lru、volatile-lfu、volatile-random、volatile-ttl),和淘汰所有键(allkeys-lru、allkeys-lfu、allkeys-random)。LRU 在 Redis 里是近似实现(采样若干个键挑最久未用的),LFU 按访问频率并有衰减;选择依据是「缓存是不是可以全丢」——纯缓存用 allkeys-lru/lfu,Redis 里同时存了不能丢的数据就必须用 volatile 系列并且不能和持久化数据混部。

持久化两种:RDB 是某一时刻的全量快照(fork 子进程写,copy-on-write),文件小、恢复快,但会丢最后一次快照之后的写;AOF 追加写命令,appendfsync 有 always(每次刷盘,最安全最慢)、everysec(每秒,最多丢约 1 秒)、no(交给操作系统)。生产上常见组合是 RDB + AOF 混合(4.0 起的混合持久化),并从库做持久化、主库专注服务。