腾讯AI后台开发一面面经分享

面试题目

1. MySQL 的数据查询如何做到高并发？事务是怎么处理的？
2. 点赞业务表是怎么设计的？表结构如何设计索引？
3. 如果用 Redis 存点赞数据，用的是什么数据结构？数据是怎么存的？
4. 如何实现查看最近点赞的人这个功能？
5. Redis 的 zset 底层结构是什么？
6. Redis 的数据有没有落到 MySQL？是怎么保证数据一致性的？
7. 当前项目整体架构是什么？
8. Redis 提升了 MySQL 50% 的效率，这个结论是怎么得出的？
9. 之前实习用过 Python 开发工具，Python 和 Java 的区别是什么？
10. Python 开发的工具是如何提升效率的？
11. 你是怎么了解 AI 的？
12. AI Agent 大概有哪些模型或类型？
13. 介绍一下常见的排序算法。
14. 归并排序和快速排序的时间复杂度、空间复杂度分别是多少？

参考解析

1. MySQL高并发：可通过读写分离（主从复制）、分库分表、引入缓存（Redis）、优化SQL索引及使用连接池实现。事务处理依赖ACID特性，通过MVCC实现非阻塞读。
2. 点赞设计：表结构包含user_id, target_id, status等。索引应覆盖常用查询字段，通常建立(target_id, user_id)联合索引。
3. Redis数据结构：常用Hash存储点赞数，Set存储点赞用户ID列表。高并发下建议异步批量写入数据库。
4. 查看最近点赞：利用Redis的List（LPUSH/LRANGE）或ZSet（以时间戳为score）实现，取前N条数据。
5. ZSet底层：Redis 7.0前采用压缩列表（ziplist）+ 跳表（skiplist）；7.0后采用listpack + 跳表。
6. 数据一致性：采用延时双删或订阅Binlog（如Canal）进行异步更新，确保最终一致性。
7. Redis效率提升：基于监控数据对比（QPS/RT）或使用压力测试工具（JMeter/Benchmark）对比引入Redis前后的读写性能。
8. 排序复杂度：
   • 快速排序：平均O(n log n)，最坏O(n²)，空间O(log n)；
   • 归并排序：始终O(n log n)，空间O(n)。