面灵AI→

得物客户端秋招三面:并发拖拽、丢包重试幂等、RN 低端机卡顿与 AI 工作流

轮次
三面
时间
2026-10
来源
牛客网

《面试题目》

  1. 自我介绍,并按简历项目逐条追问:你们自研的算法是怎么做的?
  2. 两个用户同时拖拽修改数据,怎么处理并发?
  3. 后端数据库已处理完但响应丢了,怎么处理?重试该怎么区分不同场景?
  4. 上传链路怎么优化失败率和耗时?
  5. 前端发请求修改数据库,如果丢包失败重试,怎么避免重复操作?
  6. 你有写 React Native,在低端机上列表滑动卡顿有什么优化想法?
  7. 性能指标你是怎么排查的?
  8. 平时如何运用 AI?AI 产出逻辑混乱、不符合预期时怎么解决?
  9. 除了 SDD 相关的,你平时最常用哪些 skills?有没有自己写过 skills,写了哪些方面?
  10. 未来的职业规划是什么?

《参考解析》

并发拖拽这类协同编辑题,核心是「冲突检测 + 合并策略」:最轻的是字段级锁或乐观锁版本号(提交时带上读到的 version,不匹配就拒绝并让前端提示重试),中等是操作变换 OT / CRDT(每个操作可交换、最终收敛),重的是分段锁住被编辑的实体。答的时候要说清「谁赢」的规则对用户是否可解释——比如「后提交覆盖」会在拖拽场景明显丢操作,所以通常按操作粒度合并而不是整行覆盖。

「数据库已处理但响应丢失」是分布式经典题:客户端无法区分「没收到」和「服务端没处理」,所以服务端必须让重复请求安全——客户端给每个业务请求带幂等键(或客户端生成的 requestId),服务端按 key 记录处理结果,重复请求直接返回首次结果(幂等表 / Redis 缓存响应);写操作落库时用唯一约束兜底。重试策略要区分场景:网络超时、5xx 可重试(指数退避 + 抖动 + 上限),4xx 不重试(尤其 409 冲突要交给人处理),非幂等接口(支付、下单)必须先把幂等做掉再谈自动重试。

上传链路降失败率与耗时:分片 + 断点续传(失败只重传该片)、并发度控制(3~5 并发,避免占满带宽)、弱网重试与降级(切小片、降低压缩质量)、走就近接入点与 CDN 加速、上传前压缩与格式选择、失败原因分级上报(网络 / 鉴权 / 服务端)便于定位。指标上要区分「首次成功率」和「最终成功率」,后者才反映用户真实体验。

RN 低端机列表卡顿:先定位是 JS 线程还是原生渲染——用 Flipper / Systrace / 自带 profiler 看帧耗时与 JS FPS;常见手段是 FlatList 的 removeClippedSubviews、windowSize / initialNumToRender 调小、getItemLayout 免测量、React.memo + 稳定 key 减少重渲染、图片降采样与占位、复杂动画交给原生驱动(useNativeDriver)、长列表换 FlashList / RecyclerListView。低端机额外要注意内存与主线程阻塞,避免在 onScroll 里做重计算。

AI 产出「逻辑混乱」的处理是这类面试的加分题:把任务拆小、给它明确的输入输出与验收标准(schema、示例)、要求它先给计划再动手、每步产出可运行可验证;自己 review diff 而不是整段接受;反复出错就换模型或换方案,而不是在同一段 prompt 上加更多规矩。