嘉为科技武汉分公司 Python 后端线上一面

《面试题目》

1. 自我介绍
2. 可变对象和不可变对象有什么区别？
3. 装饰器
4. 列表推导式和生成器
5. 数据库用过哪些？
6. 慢查询怎么定位、怎么优化？
7. 怎么做覆盖索引？
8. Redis 数据结构（结合项目问）
9. 缓存击穿、穿透、雪崩
10. 哈希冲突的解决方式
11. 栈和队列
12. Redis 的 pipeline 概念
13. 怎样判断链表是否成环？
14. 近半年自学的东西里面最有收获的是什么？
15. LangChain、Dify 这些你怎样验证自己真的学会了？
16. AI 写代码哪些可以交给 AI、哪些不能？AI 写代码最大的问题是什么？会带来哪些困扰？AI 防御性编程怎么解决？
17. 情景设计题（Celery worker / Celery beat）
18. 职业规划
19. 近期压力最大的经历？怎么解决的？
20. 反问环节

《参考解析》

Python 语言特性：可变对象、装饰器与生成器：不可变对象（int、str、tuple、frozenset）创建后值不可改，任何「修改」都产生新对象；可变对象（list、dict、set）能原地改，函数传参传的是引用，所以就地修改会影响调用方。由此衍生出高频追问：为什么可变对象不能当 dict 的 key（哈希值必须稳定）；def f(x=[]) 为什么是坑（默认值在定义时求值一次、被所有调用共享）；以及浅拷贝与深拷贝的区别。装饰器本质是「接收函数、返回函数」的高阶函数，@wraps 保留原函数元信息，带参数的装饰器是多一层闭包，常用于日志、计时、鉴权、重试、缓存；生成器用 yield 惰性产出，内存占用恒定但只能遍历一次，适合大数据流；列表推导式一次性把结果装进内存。选哪个，答「数据量级与是否需要多次遍历」就抓住了点。

慢查询定位与覆盖索引是一套标准动作：先开慢查询日志（slow_query_log、long_query_time）或用性能视图找出具体 SQL，再用 EXPLAIN 看执行计划——关注 type（全表扫描 ALL 最差）、key 是否命中、rows 估算行数，Extra 里出现 Using filesort／Using temporary 就是排序或临时表开销。优化按顺序来：补或调整索引让查询走覆盖索引（Extra: Using index，需要列全在索引里、不用回表），避免在索引列上做函数运算或隐式类型转换，减少 SELECT *，大分页改成游标（WHERE id > ? LIMIT n），必要时冷热分离或加缓存。别忘了说清「索引不是免费的」——写入变慢、占用空间，要按真实查询模式权衡。

Redis 数据结构与三大缓存问题要连成一条线：常用结构是 String、Hash、List、Set、ZSet，加 Bitmap、HyperLogLog、Stream；选型看访问模式，排行榜用 ZSet、对象字段部分更新用 Hash、去重计数看精度要求。缓存穿透是查不存在的数据绕过缓存直打数据库，解法是空值缓存加布隆过滤器并在入口校验参数；缓存击穿是热点 key 过期瞬间被并发打穿，解法是互斥重建（分布式锁）或逻辑过期不删 key；缓存雪崩是大量 key 同时失效或实例宕机，解法是过期时间加随机抖动、多级缓存、限流降级。pipeline 是把多条命令打包一次发给 Redis 再一起收结果，省掉逐条网络往返，但它不是事务、中间某条失败不会回滚，这点要主动说清。

基础数据结构题别只背结论：哈希冲突的解法是链地址法（拉链）与开放寻址法（线性探测、平方探测、再哈希），工程上还要考虑负载因子、扩容时机，以及 Java 8 之后链表转红黑树的原因。栈后进先出、队列先进先出，考察点通常在应用：括号匹配、表达式求值、单调栈、BFS 用队列、任务缓冲用队列。判断链表是否成环的标准答案是快慢指针（Floyd 判圈），追问「怎么找入环点」「环长怎么算」要能推导——相遇后一个指针回到头部同速前进即入环点；也可以用哈希表记录访问过的节点，代价是 O(n) 额外空间。

情景设计题与 AI 编程边界，考的是工程判断：Celery 的情景题通常给「定时任务与异步任务混在一起、任务重复执行或堆积」的场景，答题要落到 worker／beat 的职责划分（beat 只按点投递、worker 执行，别让 beat 做重活）、任务幂等（自带业务唯一键、重复投递不产生副作用）、可见性超时与 acks_late 的取舍、队列隔离（定时与实时分队列避免互相饿死）、监控（队列长度、失败重试、死信）。AI 写代码的边界同理：样板与单测可以交给它，资金、权限、并发一致性不行；最大困扰是「看起来对」，防御性编程靠类型注解、参数校验、边界单测和 review 清单补回来，而不是再问 AI 一遍。

软性问题要有真实素材：问自学收获、怎么验证学会了、职业规划、压力经历，考的是自驱力与复盘能力。验证「真的学会」最好的证据是产出——写过的项目、跑通的 demo、解决过的具体故障，而不是看完多少教程；技术规划要落到方向（后端深度、与 AI 应用的结合点），而不是职级口号。压力题用 STAR 讲清「压力源—我的判断—具体动作—结果与反思」，敢于说出当时做得不好的地方，比一味强调抗压强更可信。