TME 测试开发一面:权限越权、知识库切分与 100 分片上传 md5 缺失的测试点
- 轮次
- 一面
- 结果
- 已挂
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
- 做一下自我介绍。
- 测试中对系统有权限、跨区域等要求,如何验证权限系统且不造成数据泄露?
- 知识库中存在很多类型的数据,比如模块地图,如何切分?(图结构、结构化元数据、差异化切分策略)
- 处理文档抽象出来的元数据包含哪些模块?
- 使用的检索策略是什么?
- BM25 适合召回什么内容?
- Embedding 适合什么类型的检索?
- 使用知识库系统对比生成结果,人工发现漏了一条,你该如何排查?
- 怎么确定重排权重设计?
- 原始文档量有多少?量化一下文档量级。
- RAG 跟普通 MySQL 的存储区别是什么?
- 召回率指标怎么定义和计算?
- 你跟了五次版本发布,整体测试流程是什么?
- 给一个印象深刻的 bug 例子。
- 测试场景:针对文件分片上传,100 个分片上传成功,但 md5 后端发现缺失,有哪些测试点?
- MD5 是什么?
- 测试场景:有一个方法可以随机均匀分流,输入用户 ID 列表,放到 100 个桶,如何设计测试用例?
- 数据库:两个线程同时扣减库存为 1 的商品,有什么手段解决?
- 加锁解决,具体加什么锁,具体用法?
- 手撕:一道 SQL 题、一道 JSON 读取。
- 反问。
《参考解析》
权限测试要建矩阵,不只看接口能不能调。 维度包括角色(普通用户、管理员、跨区域管理员)、资源归属(本人、同租户、跨租户)、操作(读、写、删、导出)、入口(页面、API、批量任务)。每条用例验证四件事:无权限时被拒绝、有权限时成功、越权访问不泄露数据(响应体、错误信息、日志、导出文件都不能带出)、拒绝行为被审计。水平越权(改 ID 访问他人资源)与垂直越权(低权限调用高权限接口)要分别覆盖;批量接口、分页、搜索、缓存与消息队列都是常见绕过点。自动化上用不同角色令牌跑同一组请求,断言状态码与响应内容。
知识库切分按结构而非固定字数。 模块地图这类图结构数据应保留节点、边、层级路径,转成「节点 + 关系 + 描述」的文本并附元数据;结构化元数据包括文档 ID、标题路径、版本、生效时间、适用区域、权限标签、来源。差异化策略:说明文档按标题层级切,表格按行或整表保留,代码按函数切,FAQ 按问答对切;长文档用父子块,子块检索、父块补上下文。切分质量用「能否独立回答一个问题」检验。
BM25 与 embedding 各有所长。 BM25 适合精确词、型号、错误码、专有名词,对词形变化与同义表达不敏感;embedding 适合口语化描述、语义相近但用词不同的查询,对精确数字与罕见实体可能失灵。混合检索分别召回再融合,按业务查询类型调权重。
漏召回按链路排查。 先确认文档是否入库、版本是否最新、权限过滤是否把文档排除;再看切分是否丢了关键段、索引是否包含该段;然后看查询改写、召回数量、融合与重排是否把它挤掉;最后看生成是否忽略了已召回的证据。每一步都用同一条查询与文档做可复现的实验,定位后再改参数。重排权重不要凭感觉,用标注集做网格搜索或学习排序,目标看 NDCG 与业务指标,并监控不同查询类型的表现。
RAG 与 MySQL 的存储差异。 MySQL 存结构化行,按主键与索引精确查询,强一致、支持事务;RAG 存文本块与向量,按语义相似度检索,最终一致性、需要 embedding 与索引构建。两者不是替代关系:结构化字段、权限、订单状态仍放数据库,RAG 负责非结构化知识的召回。
分片上传 md5 缺失的测试点。 正常路径:全部分片上传后合并,md5 与本地一致。异常路径:缺片(少传一个分片、分片序号跳号)、重复分片(同一序号传两次)、乱序到达、分片内容被篡改、分片大小不一致(最后一片除外)、并发上传同一文件、断点续传后继续、上传中断后重试、合并时超时或失败、合并后文件大小与分片总和不一致、秒传命中但内容不同、空文件与超大文件、文件名特殊字符、存储层写入失败。校验点包括:后端是否在合并前校验分片数量与序号连续性、是否对每个分片校验 md5、合并后是否整体校验、失败是否清理临时分片、错误信息是否可定位。MD5 是 128 位摘要,用于校验完整性,不是加密;抗碰撞要求高时用 SHA-256。
随机均匀分流的测试。 功能上验证同一用户多次调用落在同一桶(如果要求稳定)、不同用户分布均匀、输入为空或重复 ID 时的行为;统计上用卡方检验比较 100 个桶的观测频数与期望频数,样本量要足够(每桶至少几十个),并重复多轮看是否稳定;边界上验证 ID 哈希冲突、负数与超长 ID、列表顺序变化不影响结果。若分流用于实验,还要验证桶与实验组的映射一致、扩缩容时不会大面积重排。
库存扣减的并发控制。 数据库层面用 UPDATE stock SET count = count - 1 WHERE id = ? AND count > 0,受影响行数为 0 说明库存不足,这是乐观锁;也可以用 SELECT ... FOR UPDATE 悲观锁,或分布式锁;高并发下用 Redis 预扣减加消息队列串行化,数据库最终对账。要点是「判断与扣减在同一原子操作里」,先查再改会有竞态;还要处理超卖回补、幂等与失败重试。