面灵AI→

猫眼前端一面:从 Flex 与 Grid、HTTP 缓存问到 SSE 同源连接上限与虚拟列表

轮次
一面
时间
2026-11
来源
牛客网

《面试题目》

自我介绍与项目经历

  1. 请简单自我介绍一下,并介绍你的技术方向和主要实习经历。

CSS 与布局适配

  1. 我们常用的布局模式有哪些?
  2. Flex 和 Grid 有什么区别,差异点在哪里?
  3. 有没有做过 2C 的开发?
  4. 你了解哪些页面适配或兼容性上经常遇到的问题?

HTTP 缓存

  1. 强缓存和协商缓存的原理分别是什么?

事件循环

  1. 什么是浏览器的事件循环?
  2. 看左侧这段计时器代码,以注释形式写出打印顺序,并说明为什么是这个顺序。

React

  1. React 的虚拟 DOM 和 Diff 算法原理是什么?Diff 的优化策略是什么?
  2. React Window 的虚拟列表核心原理是什么?可视区渲染是怎么计算需要渲染的?

SSE 与 WebSocket

  1. 讲一下 SSE 的原理。
  2. SSE 和 WebSocket 有什么区别?
  3. SSE 在浏览器 Tab 里的连接生命周期是什么样的?
  4. 每个 Tab 是独立的连接实例吗?
  5. 同源情况下浏览器最多可以建立几个连接?

前端能力与 AI

  1. 你觉得目前前端工程师的核心竞争力会往哪些方向转移?
  2. 你觉得需要建立哪些能力(比如表达能力),才不容易被替代?
  3. 你怎么保证 AI 生成代码的准确性?

手撕

  1. 手写深拷贝。
  2. 另有一道手写题,题面较难复述,帖主判断是按简历交给 AI 生成的。

反问

  1. 反问环节:业务方向与转正情况。

《参考解析》

布局模式与 Flex、Grid 的取舍:常用布局包括普通文档流、浮动、定位、Flex、Grid 与多列布局。Flex 是一维布局,沿主轴分配空间,靠 flex-grow / flex-shrink / flex-basis 控制伸缩,justify-content 与 align-items 分别管主轴与交叉轴,适合导航栏、居中对齐、等高列、间距均分的工具条。Grid 是二维布局,同时定义行与列,fr 单位按比例分配剩余空间,grid-template-areas 可以直接描述页面骨架,minmax() 配合 auto-fit 能写出不依赖媒体查询的自适应卡片墙。区别的实质是「一维分配」与「二维定位」:只需要一个方向的伸缩用 Flex,需要行列同时对齐、或要让子项跨行跨列用 Grid;两者可以嵌套,页面骨架用 Grid、内部组件用 Flex 是常见组合。

2C 页面的适配与兼容:移动端要先设 viewport,尺寸单位在 rem、vw、百分比之间选一套并统一;安全区用 env(safe-area-inset-*) 处理刘海与底部横条;iOS 上 100vh 包含地址栏高度导致内容被截,改用 100dvh 或 JS 计算;position: fixed 在软键盘弹出时会错位;1px 边框在高 DPR 屏上要用 transform: scale 或 box-shadow 模拟;低端安卓与微信内置浏览器的内核版本偏旧,gap 在旧版 Flex、:has()、容器查询等特性需要查兼容表或做降级。2C 还要考虑弱网下的图片体积、首屏骨架与字体加载,以及不同系统字体渲染造成的行高差异。

强缓存与协商缓存:强缓存命中时浏览器直接使用本地副本,不发请求,由 Cache-Control: max-age(s-maxage 针对共享缓存)或更早的 Expires 控制,no-store 完全禁止缓存、no-cache 表示可以缓存但每次必须校验、immutable 表示在有效期内不校验。协商缓存每次带校验字段询问服务端:If-Modified-Since 对应 Last-Modified(秒级精度,文件内容未变但修改时间变化会误判失效),If-None-Match 对应 ETag(内容指纹,更准确,弱 ETag 允许语义等价)。未变更时返回 304 且不带响应体。优先级上 Cache-Control 高于 Expires、ETag 高于 Last-Modified。工程做法是静态资源用内容哈希命名,配 max-age 一年加 immutable;HTML 入口用 no-cache,保证发版后能立刻拿到新的资源引用。

事件循环与打印顺序:调用栈同步执行,遇到异步任务按类型入队:宏任务包括整段 script、setTimeout、setInterval、I/O 与 UI 事件回调,微任务包括 Promise.then、queueMicrotask、MutationObserver。每轮取出一个宏任务执行,执行完立即清空微任务队列(清空过程中新产生的微任务也一并执行),然后进行渲染,再进入下一轮。因此 Promise.then 总是先于同层的 setTimeout,async 函数中 await 之后的代码等价于 then 的回调,进入微任务。计时器题还要注意 setTimeout(fn, 0) 的延时是最小值而非精确值,嵌套层级超过五层时浏览器会把最小间隔钳到 4 毫秒,所以两个同延时定时器的先后只由注册顺序决定。

React 虚拟 DOM 与 Diff:虚拟 DOM 是用普通对象描述 UI 结构,状态变化时生成新树并与旧树比较,把差异合并成一次提交,减少直接操作真实 DOM 的次数。Diff 采用启发式规则把复杂度压到 O(n):只做同层比较,不跨层级移动节点(跨层视为删除后重建);元素类型不同则整棵子树替换;同层子节点靠 key 匹配,没有 key 时按位置对比。优化策略包括保持 key 稳定(不要用数组下标,否则插入会导致后续节点全部重渲染)、用 React.memo、PureComponent、shouldComponentUpdate 阻断无效更新、把大列表拆成子组件、以及 Fiber 架构把渲染拆成可中断的小单元以优先响应交互。需要说明的是虚拟 DOM 并不比精心手写的 DOM 操作更快,它的价值在于声明式写法、可维护性与跨端渲染。

虚拟列表的可视区计算:核心是只渲染可视区加上下若干条缓冲(overscan),其余用占位高度撑开滚动条。定高场景下,startIndex = floor(scrollTop / itemHeight),可视条数为 ceil(viewportHeight / itemHeight),结束下标再加上缓冲条数;列表总高为 itemCount * itemHeight,渲染出的列表用 transform: translateY(startIndex * itemHeight) 或等高的 padding 顶到正确位置。不定高场景先按预估高度铺满,实际渲染后测量并缓存真实高度,维护一份位置前缀和数组,滚动时用二分查找定位起始下标,测量结果变化时修正总高度。React Window 的 FixedSizeList 与 VariableSizeList 就是这两种实现,难点集中在滚动时的抖动控制与动态高度回填。

SSE、WebSocket 与同源连接上限:SSE 基于普通 HTTP,响应头为 Content-Type: text/event-stream,服务端以 data:、event:、id:、retry: 等字段持续写入文本,浏览器用 EventSource 接收,断线后自动重连并带上 Last-Event-ID 以便续传。它是单向的(服务端到客户端),客户端要发消息需另开接口;协议简单、能走 HTTP/2、天然支持重连与文本流,适合通知、进度、行情这类推送。WebSocket 通过 Upgrade 握手升级为全双工连接,支持二进制帧,延迟更低,但心跳、重连、鉴权都要自行实现。连接生命周期上,new EventSource(url) 时建立,页面卸载或 Tab 关闭时连接随之关闭,网络中断后按 retry: 指定的间隔自动重连;每个 Tab 各自持有一个 EventSource 实例,即独立的连接。同源并发连接数在 HTTP/1.1 下每个域名通常为 6 个(Chrome、Firefox 均如此),多个 Tab 同时开 SSE 很容易把配额占满,导致同域的其他请求排队;HTTP/2 下多路复用,上限由 SETTINGS_MAX_CONCURRENT_STREAMS 决定,常见为 100 以上,因此生产环境应把 SSE 部署在 HTTP/2 上,或让多 Tab 通过 SharedWorker / BroadcastChannel 共享一条连接。

深拷贝:基本类型直接返回;对象用递归加 WeakMap 记录已拷贝的引用,解决循环引用与重复引用;Date、RegExp、Map、Set、ArrayBuffer 等内建类型需要单独分支处理;数组与普通对象递归拷贝自身可枚举属性,函数通常直接引用而不复制。要保留原型与属性描述符时,用 Object.create(Object.getPrototypeOf(obj)) 配合 Object.getOwnPropertyDescriptors 定义属性,这样 getter / setter 与不可枚举属性不会丢失。structuredClone 是原生方案,支持循环引用与多数内建类型,但不支持函数、Symbol 与 DOM 节点。JSON.parse(JSON.stringify()) 会丢掉 undefined、函数与 Symbol,把 Date 变成字符串,遇到循环引用直接抛错,不能作为通用实现。

前端竞争力与 AI 生成代码的准确性:能力重心从「写得出」转向「定义得准、判断得对」:能否把模糊需求拆成可验证的边界、能否在性能、可访问性、兼容性之间做取舍、能否读懂并改造已有系统。保证 AI 生成代码的准确性,靠流程而非信任:给足上下文与接口契约,一次只生成一个可验证的小块;用类型检查、lint 与单元测试把低级错误挡在提交前;对关键路径用真实数据跑一遍,而不是只看代码是否通顺;遇到不熟悉的 API 查官方文档核对签名与边界;把反复出现的写法沉淀为项目内的模板与规范,让生成结果落在既有约定里。