百度面经整理(2024最新)

百度

面经1

  • shiro的组件
  • 分布式一致性算法
  • zookeeper那些能参与投票,leader能投票吗?
  • netty零拷贝实现
  • volatile,如何感知到变量变化的
  • redis高可用
  • http如何跨域?
  • tcp如何长链接。
  • http如何操作浏览器缓存。
  • 用过消息队列吗?
  • 怎么自己扩展validator(参数校验)
  • jwt组成 header payload 签名加密算法那些。
  • rsa如何运用到jwt中
  • synchronized和volatile的区别
  • 什么是上下文切换,URL解析过程
  • http有那些方法,get那些
  • 进程和线程的区别。
  • 和别人协作出现冲突怎么办
  • 如何学一个新语言
  • 怎么自学的

面经2

  • 说说IO多路复用
  • 你刚刚说的多路复用针对的是各个请求(比如set,get),那返回值Redis是怎么处理的(愣住)
  • MySQL B+树一般几层,怎么算的
  • 数据库隔离级别
  • 脏读、不可重复读、幻读(结合具体场景来讲)
  • MySQL隔离级别分别怎么实现的
  • MVCC
  • redo log、undo log
  • 刷脏页的流程
  • 算法题:平方根

分享一份大彬精心整理的大厂面试手册,包含计算机基础、Java基础、多线程、JVM、数据库、Redis、Spring、Mybatis、SpringMVC、SpringBoot、分布式、微服务、设计模式、架构、校招社招分享等高频面试题,非常实用,有小伙伴靠着这份手册拿过字节offer~

需要的小伙伴可以自行下载

链接:https://pan.xunlei.com/s/VNgU60NQQNSDaEy9z955oufbA1?pwd=y9fy#

备用链接:https://pan.quark.cn/s/cbbb681e7c19

面经3

  • 自我介绍
  • 项目是自己练手的项目吗,怎么找的
  • 项目是从0开始搭建的,还是有用开源的脚手架
  • 秒杀大概用到哪些东西,怎么实现的
  • MQ幂等性和消息积压问题
  • 缓存与数据库数据一致性
  • 唯一ID
  • Java里怎么保证多个线程的互斥性
  • 一个线程有哪些状态
  • AQS怎么理解的
  • Spring IOC容器创建Bean的流程
  • 创建的Bean是单例还是多例的
  • SpringCloud config是怎么在Bean创建后更新Bean的值的
  • SpringBoot自动配置原理
  • SpringMVC执行流程
  • 使用Spring和直接使用Java语言面向对象开发,有哪些好处
  • 怎么理解面向对象
  • 了解哪些设计模式
  • 策略模式描述一下
  • JVM由哪些模块组成
  • 框架里打破双亲委派机制的SPI大概怎么实现的
  • 那说说双亲委派
  • 垃圾回收主要回收哪些区域
  • 怎么识别哪些是垃圾
  • 哪些是根节点
  • 什么时候会出现Full GC
  • 不同垃圾收集器的区别
  • TCP为什么要握三次手,为什么要挥四次手,大概什么流程
  • 实现环形队列(数组,增加和删除功能)
  • 反转链表(迭代)

面经4

  • 专业是偏向硬件吗
  • 对百度了解多少
  • 有什么兴趣爱好
  • 经常打球吗
  • 喜欢听什么音乐
  • 经常听音乐吗,什么时候开始喜欢听音乐的
  • 你说两个具体的歌名我听听
  • 平时是怎样的一个人,有什么特点
  • 有做过什么有成就感的事吗
  • 后面选择百度的概率有多少
  • 想过自己5年后、10年后是怎样的吗

面经5

  1. 面试官介绍自己,然后自我介绍
  2. java中的线程池有哪些?为什么使用线程池?你在哪里使用过或是见过?
  3. Mysql底层是怎么实现的?从内存布局,磁盘布局说起?
  4. Mysql有哪些索引?B树和B+树的区别,分别解决了什么问题?
  5. try catch finally机制讲解一下?
  6. 为什么要使用SpringBoot做开发?与传统的开发有什么不一样的?
  7. 什么是微服务?微服务是如何实现服务的注册与发现的?
  8. java中的集合分类有哪些?知道Queue吗?她下面有哪些实现类?重点说说HashMap?
  9. 在集合中哪些集合类是线程安全的?
  10. 什么是数字签名,作用是什么?使用的是什么算法?
  11. 常见的网络攻击有哪些?
  12. 在表单提交的时候,容易发起什么样的攻击?
  13. 在进行服务调用的时候如何进行身份验证,如何防止网络攻击?
  14. 你见过哪些安全框架?具体怎么使用的?(shiro)
  15. 两道算法题:1)普通的二分查找,问了其中的一些细节,二分查找存在的问题? 2)判断S1中是不是有S2的排列,找到返回true,否则返回false
  16. Cookie和session 的使用场景,他们之间的关系?
  17. String,StringBuilder,StringBuffer的区别,String的两种初始化的区别?

最后给大家分享200多本计算机经典书籍PDF电子书,包括C语言、C++、Java、Python、前端、数据库、操作系统、计算机网络、数据结构和算法、机器学习、编程人生等,感兴趣的小伙伴可以自取:

200多本计算机经典书籍PDF电子书:https://pan.xunlei.com/s/VNlmlh9jBl42w0QH2l4AJaWGA1?pwd=j8eq#

备用链接:https://pan.quark.cn/s/3f1321952a16

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/309709.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

vue前端开发自学demo-input标签数据双向绑定

vue前端开发自学demo-input标签数据双向绑定!今天为大家 展示的内容是,前端开发常见的,form表单里面的,一些输入数据的元素,动态绑定数据的案例。比如input,以及checkbox的状态绑定案例。 首先,老规矩&…

Unity WebView 中文输入支持

使用版本:Vuplex 3D WebView for Windows v4.4; 测试环境:unity editor 2020.3.40f1c1、Windows; 1、打开脚本CanvasWebVie!wPrefab 2、找到_initCanvasPrefab方法,约略在459行附近 3、添加一行代码: …

大创项目推荐 深度学习手势检测与识别算法 - opencv python

文章目录 0 前言1 实现效果2 技术原理2.1 手部检测2.1.1 基于肤色空间的手势检测方法2.1.2 基于运动的手势检测方法2.1.3 基于边缘的手势检测方法2.1.4 基于模板的手势检测方法2.1.5 基于机器学习的手势检测方法 3 手部识别3.1 SSD网络3.2 数据集3.3 最终改进的网络结构 4 最后…

设计模式-策略模式+单例模式+工厂模式 减少 if else

目录 一. 需求一. 区分entity二. 接口三. 邮件发送类四. 邮件发送的聚合工厂类五. 模拟邮件发送 一. 需求 根据前台传入的code,后台发送不同平台的邮件,发送QQ邮件,163邮件,Gmail邮件等。 一. 区分entity public class MailKbn…

使用懒加载 + 零拷贝后,程序的秒开率提升至99.99%

目录 一、5秒钟加载一个页面的真相二、优化四步走1、“懒加载”2、线上显示 就读取一个文件,为什么会慢呢? 三、先从上帝视角,了解一下啥子是IO流四、写个栗子,测试一下1、通过字符输入流FileReader读取2、通过缓冲流BufferedRea…

Qt QPushButton按钮控件

文章目录 1 属性和方法1.1 文本1.2 图标1.3 样式表1.4 信号 2 实例2.1 布局2.2 添加图标2.3 添加样式表2.4 代码实现 1 属性和方法 按钮除了可以设置显示文本之外,还可以设置图标 1.1 文本 可以获取和设置按钮上显示的文本 // 获取和设置按钮的文本 QString tex…

Apache ActiveMQ RCE CNVD-2023-69477 CVE-2023-46604

漏洞简介 Apache ActiveMQ官方发布新版本,修复了一个远程代码执行漏洞,攻击者可构造恶意请求通过Apache ActiveMQ的61616端口发送恶意数据导致远程代码执行,从而完全控制Apache ActiveMQ服务器。 影响版本 Apache ActiveMQ 5.18.0 before 5.1…

四次挥手的详细过程以及个人见解

SYN同步SYN表示进行一个连接请求 ACK确认位ACK1确认有效ACKO确认无效 ack确认号,客户端的序列号(seq)1 seq序列号,序列号是随机生成的随机数 FIN表示断开连接并且会停止向服务端发数据 详细过程如图: 第一次:客户端向服务器发出关闭请求…

构建中国人自己的私人GPT

创作不易,请大家多鼓励支持。 在现实生活中,很多人的资料是不愿意公布在互联网上的,但是我们又要使用人工智能的能力帮我们处理文件、做决策、执行命令那怎么办呢?于是我们构建自己或公司的私人GPT变得非常重要。 先看效果 一、…

YOLOv8改进 | 检测头篇 | 利用DynamicHead增加辅助检测头针对性检测(四头版本)

一、本文介绍 本文给大家带来的改进机制是针对性的改进,针对于小目标检测增加P2层,针对于大目标检测增加P6层利用DynamicHead(原版本一比一复现,全网独一份,不同于网上魔改版本)进行检测,其中我们增加P2层其拥有更高的分辨率,这使得模型能够更好地捕捉到小尺寸目标的细节…

element ui el-table展示列表,结合分页+过滤功能

vueelement-ui实现的列表展示&#xff0c;列表分页&#xff0c;列表筛选功能 1&#xff0c;分页器 el-table模块下面是分页器代码 <el-pagination></el-pagination> <el-table></el-table> <!-- 分页器 --><div class"block" st…

IO进程线程day5

1.实现互斥机制 #include <head.h>char buf[128]; //全局数组&#xff0c;临界资源//1、创建一个互斥锁 pthread_mutex_t mutex;//定义分支线程 void *task(void *arg) {while(1){//3、获取锁资源pthread_mutex_lock(&mutex);printf("分支线程中&…

论文阅读《Generalizing Face Forgery Detection with High-frequency Features》

高频噪声分析会过滤掉图像的颜色内容信息。 本文设计了三个模块来充分利用高频特征&#xff0c; 1.多尺度高频特征提取模块 2.双跨模态注意模块 3.残差引导空间注意模块&#xff08;也在一定程度上体现了两个模态的交互&#xff09; SRM是用于过滤图像的高频噪声 输入的图…

AlexNet论文精读

1:该论文解决了什么问题&#xff1f; 图像分类问题 2&#xff1a;该论文的创新点&#xff1f; 使用了大的深的卷积神经网络进行图像分类&#xff1b;采用了两块GPU进行分布式训练&#xff1b;采用了Relu进行训练加速&#xff1b;采用局部归一化提高模型泛化能力&#xff1b;…

Linux 基于 rsync 实现集群分发脚本 xsync

一、rsync 简介 rsync&#xff08;remote synchronize&#xff09;是 Liunx/Unix 下的一个远程数据同步工具。它可以通过 LAN/WAN 快速同步多台主机间的文件和目录&#xff0c;并适当利用 rsync 算法&#xff08;差分编码&#xff09;以减少数据的传输。 rsync 算法并不是每一次…

Explain详解与索引最佳实践

听课问题(听完课自己查资料) type中常用类型详细解释 null <- system <- const <- er_ref <- ref <- range <- index <- all Explain 各列解释 EXPLAIN SELECT* FROMactorLEFT JOIN film_actor ON actor_id actor.id; 1. id 代表执行的先后顺序 比如…

如何对制作好的查询进行编辑和导出?

发布者已经创建好了查询&#xff0c;如发现数据有误&#xff0c;想要进行修改&#xff0c;或者想要将收集好的表格进行导出&#xff0c;应该如何操作&#xff1f;本次就来介绍如何使用此功能。 &#x1f4d6;案例&#xff1a;教师荣誉核对系统 在开启可修改列功能的教师荣誉核对…

Laravel 使用rdkafka_laravel详细教程(实操避坑)

一、选择rdkafka 首先要看版本兼容问题&#xff0c;我的是Laravel5.6&#xff0c;PHP是7.3.13&#xff0c;所以需要下载兼容此的rdkafka&#xff0c;去 Packagist 搜索 kafka &#xff0c;我用的是 Packagist选择里面0.10.5版本&#xff0c; 二、安装rdkafka 在 Laravel 项目…

宋仕强论道之华强北精神和文化(二十一)

华强北的精神会内化再提炼和升华成为华强北文化&#xff0c;在外部会流传下去和传播开来。在事实上的行动层面&#xff0c;就是华强北人的思维方式和行为习惯&#xff0c;即见到机会就奋不顾身敢闯敢赌&#xff0c;在看似没有机会的时候拼出机会&#xff0c;和经济学家哈耶克企…

RT-DETR 更换主干网络之 ShuffleNetv2 | 《ShuffleNet v2:高效卷积神经网络架构设计的实用指南》

目前,神经网络架构设计多以计算复杂度的间接度量——FLOPs为指导。然而,直接的度量,如速度,也取决于其他因素,如内存访问成本和平台特性。因此,这项工作建议评估目标平台上的直接度量,而不仅仅是考虑失败。在一系列控制实验的基础上,本文得出了一些有效设计网络的实用指…
最新文章