字节跳动后端开发一面面经
面试题目
- Guava Cache 和 Caffeine 分别使用了什么缓存淘汰算法？
- 实际项目里本地缓存命中率大概多少？
- 引入缓存带来的风险和解决方案？
- 缓存的读写策略？
- 如何保证缓存和数据库一致性？
- “先写缓存，再异步批量刷库”方案，除一致性外还有哪些潜在风险？
- 如何拦截恶意请求，设计防护手段避免缓存被恶意利用？
- 布隆过滤器原理，如何解决缓存穿透？
- 布隆过滤器误判概率大概多少，如何估计？
- 定时任务 5 分钟一轮询，任务执行超 5 分钟时，如何保证状态不丢失、不阻塞调度？
- 分布式 RPC 为什么要自定义协议，而不用 HTTP？
- 单机 QPS 1w+ 这个数据是怎么统计/得到的？
- RPC 项目目前瓶颈在哪？
- 了解哪些 HTTP 版本，各版本特性？
- HTTP 队头阻塞是什么？
- 队头阻塞是否只存在于 HTTP 层面？
- TCP 会不会存在对应阻塞问题？
- HTTP3 如何解决 HTTP2 在 TCP 上的队头阻塞？
- 为什么 HTTP3 基于 QUIC，而不继续在 TCP 上优化？
- TCP 如何实现可靠传输和流量控制？
- TCP 发送窗口如何根据接收窗口和拥塞情况动态调整，窗口结构如何维护变化？
- TCP 如何判断报文丢失，什么条件触发重传？
- TCP 除重传计时器外还有哪些计时器？
- AI 项目中降低大模型幻觉的具体优化方法？
- 大模型产生幻觉的底层技术原因？
- 算法题：Java 原生数组实现栈，实现常用操作。
参考解析
- 缓存淘汰算法：Guava 使用 LRU（最近最少使用）；Caffeine 使用 W-TinyLFU（结合了频率和新鲜度，性能优于 LRU）。
- 缓存一致性：常用策略有先更新库再删除缓存、延时双删或使用 Canal 等中间件通过 binlog 异步更新缓存。
- 队头阻塞解决：HTTP2 的队头阻塞源于 TCP 的有序性要求；HTTP3 使用 QUIC 协议（基于 UDP），多个 Stream 独立传输，单个丢包不影响其他流。
- 大模型幻觉：产生原因主要是训练数据噪声及模型对长尾知识的不确定性。优化方法包括 RAG（检索增强生成）、Prompt Engineering 约束及强化学习（RLHF）。
- TCP 拥塞控制：通过慢启动、拥塞避免、快重传和快恢复算法，利用滑动窗口动态调整传输速度以适应网络负载。