其域创新软测一面:大文件分片、秒杀防超卖怎么测,AI code review 怎么做
- 轮次
- 一面
- 时间
- 2026-10
- 来源
- 牛客网
《面试题目》
- 实习过程中,测试的具体工作是什么?除了功能测试和回归测试,还有哪些需要测试?
- 有没有做过幂等的校验?怎么测试?
- 大文件分片上传,你会设计哪些测试场景?
- 秒杀防超卖,如果要测高并发,怎么验证?
- 高并发场景下,怎么保障它的质量稳定?
- AI code review:设计提示词识别代码缺陷,你是怎么做的?
- 开发代码有缺陷,你怎么样给开发提 bug?
- 对我们公司了解多少?
《参考解析》
除功能与回归还要测什么:性能(并发、响应时间、资源占用)、兼容性(浏览器/机型/系统版本矩阵)、安全(越权、注入、敏感信息泄露)、稳定性(长时间运行、内存泄漏、断网重连)、以及数据一致性(对账、幂等、并发写)。测试类型要能对应到风险,而不是罗列名词。
幂等怎么测:同一请求重复提交(相同 requestId / 相同业务唯一键)应得到同一结果且只产生一次副作用。验证手段:并发发两个相同请求(用脚本同时打),查库确认只有一条记录、余额只扣一次;再测「超时重试」场景(客户端超时但服务端已处理),确认重试不会重复扣款。断言的落点在数据库与账务,而不是接口返回。
大文件分片上传的测试场景:正常分片上传与合并、分片顺序乱序、分片重复上传(幂等)、分片丢失后重传、单片失败重试、上传中断后断点续传、秒传(相同文件 hash 已存在)、超大文件与超小文件、文件名与类型异常、并发上传同一文件、磁盘满与网络抖动、以及合并后文件的完整性校验(MD5 对比)。还要测边界:分片大小刚好整除、最后一片不足一片大小。
秒杀防超卖的验证:压测工具发 N 倍于库存的并发请求(JMeter / wrk / 自写脚本),断言成功下单数恰好等于库存、无负库存、无重复订单;同时看响应时间与错误率。进阶要测「库存回补」链路(未支付超时释放)与「缓存与 DB 一致性」(对账脚本比对)。用 DB 的 WHERE stock > 0 与 Redis 的原子扣减各测一遍,确认两层都拦住。
高并发下的质量保障:压测基线(容量与拐点)、限流与降级的验证(触发限流后是否优雅拒绝)、故障注入(依赖超时、Redis 挂掉)、数据一致性巡检(定时对账)、以及监控告警的可用性(告警能不能真的发出来)。
AI code review 的提示词设计:把任务拆细比一次问「找 bug」有效——按类别分别提问(空指针与边界、并发与线程安全、资源泄漏、SQL 注入与越权、异常吞掉、日志与敏感信息),每次只给一段 diff 与上下文(调用方约定、接口定义),要求输出「问题位置 + 风险 + 复现条件 + 建议」,并明确「没有问题就回答没有,不要凑数」。落地时把结果当候选清单,人工确认后再提,统计准确率迭代提示词。
怎么提 bug:标题写现象(不写猜测),正文给环境、复现步骤、期望与实际、日志与截图、影响范围与严重级别;能稳定复现的给最小复现用例。提之前自己先验证一次,避免浪费开发时间——这是测试在团队里建立信任的关键。