华为OD Python 后端 社招面经：机考、技术面与主管面复盘

《面试题目》

1. 机考三道算法题分别考什么？时间怎么分配？
2. GIL 是什么？对 Python 多线程有什么实际影响？什么场景下多线程其实是假并行？
3. 深拷贝和浅拷贝有什么区别？项目里有没有踩过坑？
4. 装饰器的原理是什么？带参数的装饰器怎么写？
5. 生成器和迭代器有什么区别？yield 做了什么？
6. list 和 dict 的底层实现是什么？dict 查询为什么快，什么时候会扩容？
7. Python 的内存管理和垃圾回收机制是什么？循环引用怎么产生？
8. 多线程、多进程、协程怎么选？asyncio 有没有实际用过？
9. 项目里用的什么框架？遇到过什么性能问题，怎么定位的？
10. 主管面：为什么离开上一家？被鸽这件事现在怎么看？未来三年怎么规划？

《参考解析》

GIL 与并发选型：CPython 的 GIL 让同一时刻只有一个线程执行 Python 字节码，所以 CPU 密集任务用多线程拿不到多核并行，适合用多进程；I/O 密集任务在等待网络或磁盘时会释放 GIL，多线程仍然有效；协程适合大量高并发 I/O 且代码可改造为 async 的场景。答题时补一句：GIL 不等于线程安全，共享可变状态仍然要加锁。

Python 对象与语法：浅拷贝只复制最外层容器，内部元素还是同一对象；深拷贝递归复制，循环引用会用 memo 处理。装饰器本质是接收函数并返回新函数的高阶函数，带参数的装饰器是「先接收参数，再返回真正的装饰器」的三层结构。生成器是惰性产出，yield 把函数变成生成器并在每次产出后暂停，适合大文件流式处理。list 是动态数组，扩容时按比例申请新数组并搬迁；dict 是哈希表，查询平均 O(1)，装载因子过高或冲突严重时扩容并重新散列。

内存与回收：CPython 以引用计数为主，计数归零立即回收；分代回收负责处理循环引用，把对象按存活时间分成三代，越老的对象扫描频率越低。循环引用常见于对象互相持有、闭包引用、异常栈帧等。排查内存问题可以用 tracemalloc、gc.get_objects()、objgraph，先确认是泄漏还是缓存没设上限。

性能定位：先看监控和日志确认瓶颈在 CPU、内存、I/O 还是下游依赖，再用 cProfile、py-spy 采样，必要时看数据库慢查询和连接池。优化顺序是先减少无效调用和 N+1 查询，再考虑缓存、批处理、异步化，最后才是换语言或加机器。面试官追问「工作两年算法是不是不用练」，这题的正确态度是承认机考需要单独准备，工作经验不能替代刷题手感。

主管面：被鸽的经历不要只讲情绪，要讲复盘和稳定性：当时把所有希望押在一个 offer 上，后来调整为并行推进、保留保底，并且没有因为一次挫折影响交付。未来三年可以按「先把业务做深—补齐工程能力—能独立负责一个模块」来答，避免空泛的「成为技术专家」。