面灵AI→

药明生物 Java 一面:三段实习逐段拷打 32 问

轮次
一面
时间
2026-11
来源
牛客网

《面试题目》

  1. 自我介绍。
  2. 你自我介绍说大二就去实习了,大二的专业课学完了吗?
  3. 你成绩写的是前 10%,这是专业课排名还是所有课的排名?
  4. 你每门课的平均分能折算一下吗?
  5. 你现在是在学校上课还是在外面的公司实习?
  6. 你为什么要自学,而不是跟着学校课程走?
  7. 你自学是怎么自学的,去外面机构报班还是在网上自学?
  8. 实习的时候遇到过什么问题?这三段实习分别遇到过什么问题?
  9. 你为什么选择药明生物?我们是药企大厂,不是那种做软件开发的互联网公司。
  10. 你说你都是自学的,那具体自学了哪些课程、怎么学的?
  11. 第一段实习:你写了把查询时间从 800ms 降到 100ms,怎么做到的?SQL 语句怎么写的、索引怎么建的,详细讲一下。
  12. 第三段实习:采集的指标有多少个?数据量多大?采集频率多少?
  13. 第三段实习:讲一下古树板块的业务逻辑。
  14. 第三段实习:讲一下虫害板块的业务逻辑。
  15. 第三段实习:运维工单的生成是怎么识别出有虫害的?
  16. 第三段实习:图像算法是你做的吗?怎么做的?
  17. 第三段实习:你提到去重,为什么用 UUID 去重,别的方法不行吗?
  18. 第三段实习:关水阀的时候如何避免任务丢失或者重复?怎么保证后续关水能正常停止?
  19. 你每段实习平均干了四个月左右,离职之后做了一个 Agent 项目,为什么每段只干四个月、七月之后就没再实习了?
  20. 你专业技能里写了一些 AI 开发工具,平时工作中使用 AI 的比例有多重?
  21. 你说用 AI 几乎百分之百了,那代码质量怎么保证?
  22. 你简历上做开发主要用 Java 和 Python,如果让你做其他语言的开发,你愿意学吗?
  23. 第一段实习:优化这个项目性能的时候具体怎么做?用了哪些工具?
  24. 第三段实习:虫害板块聚合了 11 张表,多表关联时怎么优化 SQL、提高性能?数据库层面怎么做的?
  25. HashMap 和 ConcurrentHashMap 有什么区别?
  26. 第一段实习:你用到了阿里的 TTL,为什么 ThreadLocal 在线程池里会失效?怎么解决的,详细说一下。
  27. 第二段实习:你用了用友自己封装的线程池,线程池参数怎么设置的?为什么这么设?
  28. 第三段实习:你做了一个脱敏注解,为什么要用 Jackson 的 ContextualSerializer?
  29. 如果给你发 offer,你能不能提前过来上班?什么时候能来?
  30. 反问:一共几轮面试?
  31. 反问:岗位是直接签三方还是实习转正?
  32. 反问:岗位具体做什么?部门业务是什么?

《参考解析》

800ms 到 100ms 的 SQL 优化,要讲成一条因果链。 先定位慢在哪:EXPLAIN 看 type 是不是 ALL、rows 扫了多少、有没有 Using filesort / Using temporary,再结合慢日志确认是单次慢还是高频调用累积。常见三类手段——索引(按查询条件的顺序建联合索引,遵守最左前缀,尽量做成覆盖索引避免回表)、改 SQL(去掉 SELECT *、子查询改 JOIN、别在索引列上套函数或做隐式类型转换、深分页改游标)、结构(高频聚合落汇总表)。回答时把「原来扫描多少行、加了哪个索引、降到多少毫秒」这三点说清,比背优化清单可信得多。

11 张表聚合的优化顺序:先把统计口径和最小粒度问清楚,能过滤的条件全部下推到最内层;大表先做预聚合再 JOIN,避免 11 张表直接连成一张宽表后行数爆炸;用小表驱动、确认连接列都有索引;注意 JOIN 后被放大的 COUNT,该用 COUNT(DISTINCT) 或先按主键去重再统计;离线场景直接建按天/按板块的汇总表,把 11 表关联从查询期挪到写入期。

ThreadLocal 在线程池里为什么失效。 值存在 Thread 对象的 ThreadLocalMap 里,线程池复用线程就复用了这张 map:上一个请求 set 的值会残留给下一个请求(脏数据),key 是弱引用、value 是强引用,线程不死则 value 不回收(内存泄漏)。三层解法:业务代码 finally 里 remove();用 TaskDecorator 或包装 Runnable,在提交时捕获、执行前设置、执行后清理;直接上阿里 TTL——TransmittableThreadLocal 在任务提交那一刻把父线程的值快照进 holder,子线程执行时 replay、结束后 restore,配合 TtlRunnable / TtlExecutors(或 agent 修饰线程池)覆盖 submit 与定时任务。

为什么要 ContextualSerializer。 普通 JsonSerializer 是全局单例,拿不到「这个字段」上的注解参数;脱敏规则往往按字段不同(手机号留前三后四、身份证留前六后四、姓名只留姓),必须让序列化器知道自己在给哪个字段干活。实现 ContextualSerializer 的 createContextual,从 BeanProperty 上读出注解里的保留位数与掩码字符,为每个字段创建一个专属实例并缓存,这样一套注解就能覆盖所有字段,不用为每种脱敏写一个类。

AI 编码占比接近 100% 时怎么答质量。 把「生成」和「负责」分开:AI 出草稿(样板代码、单测、不熟的语法、日志与文档),人负责正确性——逐行读 diff、跑静态检查与单测、核心链路(计费、权限、数据写入)自己写。可以补具体做法:提示词里带项目规范与上下文、让 AI 先输出方案再写码、用 AI 反向 review 自己的改动、把重复出错的点固化成规则。面试官真正想确认的是你会不会盲信生成结果。

两个容易被问穿的地方:简历上的排名与平均分要能当场对上成绩单,写「前 10%」就得知道是按什么口径算的;「每段实习只干四个月」要有一个一致的解释(学期节奏、项目制实习、想换方向),不要每段给不同理由。