面灵AI→

深圳瑞意博 Android 一面:三人面试,从内存泄漏问到 AI 写功能

轮次
一面
时间
2026-11
来源
牛客网

《面试题目》

  1. 自我介绍。
  2. 离职原因。
  3. 自己在深圳租房吗?
  4. 之前在广州工作时有遇到什么问题吗?
  5. 在深圳这边,你这个项目中做了什么?
  6. 有遇到性能问题吗,怎么解决的?
  7. 多线程下载视频的时候有遇到风控吗,怎么解决?
  8. 在广州这边,做性能优化主要是什么?
  9. 内存泄漏如何排查的,最终有解决吗,是从源头解决吗?
  10. 你们录像回放功能怎么实现的?
  11. 有没有遇到回放卡顿问题?
  12. UI 加载慢的问题有遇到吗(数据请求后展示 UI,如何优化)?
  13. AI 使用的情况,有尝试过使用 AI 直接完成一个功能吗?
  14. 深圳的项目上线多久了?
  15. 什么时候离职的?
  16. 之前找工作情况怎么样?

《参考解析》

内存泄漏的排查与根治:先用工具定位再用代码修复。Android 上用 LeakCanary 在 debug 包自动检测,拿到引用链;也可以用 Android Studio Profiler 抓 heap dump,看某个类实例数是否随操作持续增长,再用支配树找持有者。常见泄漏源:静态变量持有 Activity 或 Context、非静态内部类与匿名类(Handler、Runnable、回调)隐式持有外部类、未注销的监听器与广播、线程池中的长任务持有 View、Bitmap 未回收、WebView 未销毁。根治要改持有关系:用 ApplicationContext、用 WeakReference、在生命周期结束时注销与取消、把回调改为弱引用或生命周期感知组件。修完要能证明有效:同一操作重复二十次后实例数稳定、LeakCanary 不再报。

录像回放与卡顿:回放一般是「拉流 → 解封装 → 解码 → 渲染」四段。卡顿要分段定位:看缓冲水位与网络抖动(丢包、带宽不足)、看解码耗时(分辨率与编码格式是否超出设备能力,硬解是否启用)、看渲染帧率(是否掉帧、是否有主线程阻塞)。优化手段:预缓冲与自适应码率、按需 seek 而非全量下载、硬解码、把解码放到独立线程、复用 Surface、减少每帧的内存拷贝。若回放是本地文件,还要看 IO 与索引是否支持快速定位。

多线程下载与风控:分片下载(Range 请求)能提升吞吐,但并发过高会被服务端限流或判定异常。做法是限制并发分片数、加随机退避重试、按服务端返回的限流头调整、对同一域名的请求做全局速率控制、必要时改用单连接或降低分片数。要能说明「风控」在客户端侧的可观测信号:429、403、连接被重置、响应变慢。服务端策略不可控,客户端能做的是可控速率与失败退避。

UI 加载慢的优化:数据请求到展示的链路要拆开看:请求耗时、解析耗时、布局耗时、绘制耗时。手段包括:骨架屏与占位先出结构、分页与懒加载、列表用 RecyclerView 加 DiffUtil 局部刷新、图片按需加载与缓存、把解析放到子线程、减少布局层级(ConstraintLayout)、避免在 onBindViewHolder 里做耗时操作、用 systrace 或 Profiler 找主线程阻塞。指标上要给出优化前后的帧率或首屏时间。

用 AI 直接完成一个功能:答这题要给具体流程:先让模型给出方案与接口设计,再让它生成骨架代码,自己审查边界与异常处理,补测试,最后在真机验证。要说明哪些部分不能交给模型(涉及权限、支付、隐私的处理),以及怎么验证生成代码的正确性。三人同场的面试里,经理与人力关注的是沟通与稳定性,技术关注实现细节,回答时注意分配时间。