字节跳动后端开发社招一面面经
《面试题目》
- 项目经历深度挖掘
- Spark如何解决数据倾斜，有哪些方式？
- 有没有排查过JVM异常和调优？
- Spark调优有哪些策略？
- Kafka如何保证数据不丢失？
- Redis数据存储多少key，满了如何处理，过期时间如何淘汰数据？
- Java并发编程了解哪些，线程池原理？
- 死锁条件，以及乐观锁和悲观锁的区别？
- 手撕代码：最长公共子串（要求动态规划优化）。
《参考解析》
- Spark数据倾斜：通过加盐（Salting）分散Key、广播Join（Broadcast Join）避免Shuffle、调整并行度或过滤倾斜Key解决。
- Kafka不丢失：生产者设置acks=all，开启重试；Broker端保证副本数，关闭自动提交，手动确认Offset。
- Redis过期淘汰：淘汰策略包括LRU、LFU、TTL过期删除；内存满了则通过配置maxmemory-policy（如allkeys-lru）进行清理。
- 死锁条件：互斥条件、请求与保持条件、不可剥夺条件、循环等待条件。破坏任意一个即可打破死锁。
- 最长公共子串：标准DP空间复杂度O(N*M)，优化空间可通过滚动数组或空间压缩将空间复杂度降低至O(min(N,M))。