20260303面试总结（全栈）

介绍

一个初创公司，重点考察全栈能力，结合腾讯的ai笔记做分析，如下

面试题目总结与参考答案

一、自我介绍类

题目： 请进行自我介绍

考察点： 表达能力、履历梳理、重点突出

参考答案要点：

教育背景（xx大学本科+xx大学硕士）
工作经历三段式：xxx（数据分析）→ xxx（OpenStack私有云）→ xxx（混合云平台）
技术栈：Python/Go + OpenStack/K8S/Docker + Angular/React
个人特质：持续学习、乐观合作

二、离职动机类

题目： 为什么想看机会？

考察点： 职业规划、稳定性判断

参考答案：

"主要是个人发展受限。目前公司发展方向比较固定，个人技术成长空间和业务挑战都有所减少，希望能找到更有技术深度和发展空间的平台。"

三、技术深度类

1. OpenStack相关

题目： 你在xx和xxx做的OpenStack工作有什么区别？底层定制多吗？

参考答案：

xx：做私有云平台openstackStack的定制开发（卖给运营商/政府），前后端全栈，底层+平台都做
xx：基于OpenStack的IStack做二次开发，但底层主要用阿里云/社区版本，重点做上层云平台开发
做过的工作：裸金属+POD部署、性能调优（并发创建1000台裸金属优化）、高可用架构

2. 全栈能力确认

题目： 前后端都能做吗？前端如果切成Vue能不能接受？

参考答案：

"可以。之前在xx用Angular做过完整云平台前端，React也用过。Vue自学写过demo，上手没问题。技术栈切换的关键是理解框架设计思想，具体API可以边做边查。"

3. K8S经验

题目： K8S做过哪些操作？

参考答案：

"xstack基于K8S部署，日常操作包括：Pod/Deployment/Service的创建运维、资源配额管理、HPA自动扩缩容、节点调度与设备管理。"

4. 数据库优化

题目： MySQL用什么存储引擎？为什么？做过哪些优化？

参考答案：

"主要用InnoDB，支持事务、行级锁、MVCC，适合高并发场景。

优化经验：

用EXPLAIN分析慢查询，检查是否走索引

数据量大的表排查索引缺失问题

针对特定查询场景做索引优化和SQL改写"

四、AI/工具应用类

1. AI Agent经验

题目： 介绍一下AI智能体开发经验

参考答案：

"工作中主要使用公司提供的AI能力集成到平台。个人业余时间有研究：用Ollama管理开源大模型（Llama等），配合LangChain做编排，开发过聊天机器人和一些自动化工具demo。"

2. AI Coding工具

题目： 写代码用什么AI辅助工具？背后的模型是什么？

参考答案：

"工作中用通义灵码，个人用过Cursor、GitHub Copilot。目前主流模型用MiniMax、GPT-4、Claude等。使用方式是：自己明确需求和架构，让AI生成代码，再人工review和验证。"

五、项目挑战类

题目： 哪段工作经历挑战最大？遇到什么棘手问题？

参考答案（重点）：

xx的xStack性能调优项目挑战最大：

背景：需要支持1000+裸金属节点并发创建问题：初期并发只能创建16台，成功率极低 解决过程：

深入OpenStack源码（Nova/Neutron等组件）进行debug

分析消息队列、数据库瓶颈、并发锁机制

逐步优化配置和代码逻辑结果：耗时1个月，最终实现1000台并发创建建议从高性能跟高可用两方面来分析

对比：xx节奏较慢，有充足时间适应；xxx要求快速交付，倒排期压力大，需要自主解决问题。

六、系统设计类（未完成）

题目： 设计一个抖音风格的推荐系统工程架构

答题思路（因手机面试未完成，建议准备以下要点）：

scss 复制代码

┌─────────────────────────────────────────┐
│              客户端层                    │
│   (Flutter/React Native/小程序等)        │
└─────────────────────────────────────────┘
                   ↓
┌─────────────────────────────────────────┐
│              接入层                      │
│    CDN + LVS/Nginx负载均衡 + API Gateway │
└─────────────────────────────────────────┘
                   ↓
┌─────────────────────────────────────────┐
│              服务层                      │
│  ┌─────────┐ ┌─────────┐ ┌───────────┐ │
│  │ 用户服务 │ │ 内容服务 │ │ 推荐服务   │ │
│  └─────────┘ └─────────┘ └───────────┘ │
│  ┌─────────┐ ┌─────────┐ ┌───────────┐ │
│  │ 互动服务 │ │ 搜索服务 │ │ 消息服务   │ │
│  └─────────┘ └─────────┘ └───────────┘ │
└─────────────────────────────────────────┘
                   ↓
┌─────────────────────────────────────────┐
│              数据层                      │
│  ┌─────────┐ ┌─────────┐ ┌───────────┐ │
│  │ MySQL   │ │ Redis   │ │ Kafka     │ │  ← 实时/准实时
│  │ (用户/内容│ │ (缓存)  │ │ (消息队列) │ │
│  │  元数据) │ │         │ │           │ │
│  └─────────┘ └─────────┘ └───────────┘ │
│  ┌─────────┐ ┌─────────┐ ┌───────────┐ │
│  │ HBase   │ │ ES      │ │ Flink     │ │  ← 大数据
│  │ (Feed流)│ │ (搜索)  │ │ (实时计算) │ │
│  └─────────┘ └─────────┘ └───────────┘ │
└─────────────────────────────────────────┘
                   ↓
┌─────────────────────────────────────────┐
│           算法/推荐引擎层                │
│    召回层 → 排序层 → 重排层 → 多样性策略  │
│   (协同过滤/向量检索/深度学习模型等)      │
└─────────────────────────────────────────┘

关键组件说明：

消息队列：Kafka处理用户行为日志，Flink实时计算特征
缓存策略：Redis缓存热门内容、用户画像
推荐流程：多路召回（热门、关注、协同过滤、向量相似）→ 精排模型 → 业务规则过滤

七、薪资期望类

题目： 目前薪资和期望？

参考答案策略：

当前：xxK（税前）
期望：有涨幅即可（可具体说10-20%或根据岗位级别定）
话术："我更看重技术成长空间，薪资方面有一定涨幅就可以接受"

八、笔试

力扣2两数相加思路分析+word手写

后续建议

准备电脑面试：面试官明确提到要考察"基础的东西"，建议准备：
- Python基础（GIL、装饰器、生成器、并发）
- 网络/操作系统基础
- 算法题（LeetCode中等难度）
系统设计深化：把抖音推荐系统的数据流、一致性、高可用方案想透彻
项目细节复盘：那个"1000台裸金属并发创建"的技术细节要准备充分（具体改了哪些配置、源码哪部分、瓶颈在哪里）