哭晕，腾讯的面试太难了。。。

国庆假期刚结束，马上就收到了一位粉丝分享的腾讯音乐面试经历。这是一场质量很高的面试，大厂面试官确实实力强劲。

但是由于一直忙于交接和工作，他完全裸面，所以在面试后直呼：“想哭，面试中全程被面试官牵着走，没有掌握主动权将话题引向自己擅长的方向”。

所以我建议大家在面试前一定要充分准备，特别是项目相关内容要深入理解每个决策背后的逻辑。

下面看一下他分享的内容吧：

面试内容

（一）开场

1. 面试官介绍岗位

• 岗位为腾讯音乐 - 全民K歌 - 国际版 - 直播歌房后台研发工程师，主要负责直播相关功能，开发语言为Go和C++。

2. 关于求职者基本情况

• 要求5分钟以内的自我介绍。
• 被问到所在公司技术团队裁撤后为何会留下自己。
• 岗位base深圳能否接受。

（二）项目相关

1. 系统重构 - 数据迁移项目

• 微服务相关
• 如何理解微服务，为什么微服务能提升系统可拓展性。
• 微服务相比于单体服务的缺点。
• 服务间通信成本指的是什么，成本体现在哪。
• 数据库迁移原因与成本评估
• 把数据库从MongoDB迁移到MySQL的原因。
• 如何评估迁移异构数据库（MongoDB到MySQL）的成本，是否仅考虑成熟度和被接受程度，因为迁移涉及数据同步工作量巨大。
• 技术选型相关
• 如果采用最终一致性方案，MySQL支持事务而MongoDB不支持事务，有什么原因不使用最终一致性方案。
• 数据同步与异常处理
• 迁移过程中数据同步怎么做（新数据库写MySQL，写脚本迁移Mongo数据到MySQL）。
• 业务要读写新旧数据时怎么办。
• 迁移比较暴力，如何发现数据异常，异构数据库迁移时如何保证每条数据正常迁移到MySQL。
• 唯一键场景下（Mongo已有数据，切换到MySQL写时可能重复写入）的处理。

2. 优化服务器项目

• 分布式缓存实现
• 优化服务器引入分布式缓存技术（具体是Redis），如何实现的。
• 缓存与数据库一致性
• 如何保证Redis缓存和数据库的数据一致性（回答缓存先写数据库后写存在问题）。
• 写缓存成功数据库失败时缓存是否为脏数据。
• 先写数据库成功再写Redis，缓存更新失败怎么办，如何知道何时将数据库数据同步到缓存及同步的做法。
• 缓存是否有过期时间机制，有没有不过期一直生效的情况，有过期的话多久过期。
• 缓存同时过期会有什么问题以及如何解决。

3. 数据抓取业务项目

• Kafka相关
• Kafka在业务中的角色。
• 业务为什么要经过Kafka这一层，账号量有多大。
• 定时任务可分散执行时间，Kafka在这种情况下削峰意义不大，是否有其他考虑使用Kafka的因素。
• 防止账号丢失已有确认机制，当作下游处理失败重新触发即可，为何还需要Kafka。

4. 抖音微信小游戏归因业务项目

• Token缓存相关
• 微信小游戏的token存于sync.map（服务内存），为何使用服务内存而不使用Redis或其他外部缓存方案。
• 用户量相关，当有一定数量实例和用户量时这种方案是否有缺陷（此处存在理解偏差导致回答失误）。

（三）Go和MySQL

1. MySQL相关

1. MySQL中索引如何实现，为什么MySQL里不使用B树。

在MySQL中，索引的实现主要依赖于特定的数据结构，以提高数据检索的速度。其中最常见的索引类型是基于B+树（B+Tree）的数据结构。

MySQL中的索引实现

1. B+树索引：

   • MySQL中的大多数存储引擎（如InnoDB和MyISAM）默认使用B+树作为索引的数据结构。
   • B+树的所有叶子节点都处于同一层，且相互之间有指针相连，这样可以方便地进行范围查询。
   • 叶子节点包含了指向记录的指针，而非内部节点，这使得B+树更适合用于全键值、范围或排序操作。

2. B树索引：

   • 虽然B树也可以用作索引，但在MySQL中使用较少。
   • B树的每个节点都可以存储数据，包括内部节点，这可能导致更多的磁盘I/O操作，因为每次查询可能需要遍历更多的节点。

为什么MySQL里不使用B树

尽管B树在理论上可以用来实现索引，但在MySQL中更倾向于使用B+树，主要原因包括：

1. 磁盘I/O优化：

   • B+树的所有数据都在叶子节点上，这意味着对于非叶子节点来说，只需要存储键值和指向下一层节点的指针，这使得每个节点可以容纳更多的键值，进一步降低了树的高度，减少了磁盘I/O次数。

2. 范围查询优化：

   • B+树的叶子节点之间有链接，这使得范围查询更加高效。执行范围查询时，可以从第一个满足条件的叶子节点开始，沿着节点间的链接快速访问后续节点，无需返回上层节点重新寻找下一个满足条件的节点。

3. 插入删除效率：

   • 在B+树中，插入和删除操作通常只影响叶子节点，不会影响非叶子节点，这简化了树的维护过程，提高了操作效率。

4. Go相关

2. 切片如何实现

一个切片实际上是一个包含三个字段的结构体：

• 指针（Pointer）：指向底层数组的一个指针。
• 长度（Length）：表示切片当前包含的元素个数。
• 容量（Capacity）：表示从切片指向的数组起始位置到数组末尾的元素个数。

底层结构：

type slice struct {
    array uintptr  // 指向底层数组的指针
    len  int      // 切片的长度
    cap  int      // 切片的容量
}

3. Go里并发读写map会出现问题，如何解决

1. 使用互斥锁（Mutex）

使用 sync.Mutex 或 sync.RWMutex 对 map 的读写操作进行同步控制。这种方法适用于读写操作都较频繁的场景，示例：

import (
    "sync"
)

type SafeMap struct {
    mu sync.Mutex
    m  map[string]int
}

func (sm *SafeMap) Set(key string, value int) {
    sm.mu.Lock()
    defer sm.mu.Unlock()
    sm.m[key] = value
}

func (sm *SafeMap) Get(key string) (int, bool) {
    sm.mu.Lock()
    defer sm.mu.Unlock()
    value, ok := sm.m[key]
    return value, ok
}

2. 使用 sync.Map：

Go 1.9 版本引入了 sync.Map，这是一个并发安全的 map 实现。sync.Map 适用于读多写少的场景，因为它在读取时不加锁，而在写入时才加锁，从而减少了锁的竞争，示例：

import (
    "sync"
)

var sm sync.Map

func Set(key, value interface{}) {
    sm.Store(key, value)
}

func Get(key interface{}) (interface{}, bool) {
    return sm.Load(key)
}

3. 使用通道（Channel）：

通过通道协调对 map 的访问，确保同一时间只有一个goroutine可以读写 map。

4. Go里的sort排序如何实现

sort 包提供了多种排序功能，可以对不同类型的切片和自定义集合进行排序。sort 包的核心思想是通过实现 sort.Interface 接口来提供排序功能：

sort.Interface 是一个接口，定义了排序所需的三个方法：

1. Len() ：返回要排序的元素个数。
2. Less(i, j int) ：如果第 i 个元素应该排在第 j 个元素之前，则返回 true。
3. Swap(i, j int) ：交换第 i 个元素和第 j 个元素的位置。

type Interface interface {
    Len() int
    Less(i, j int) bool
    Swap(i, j int)
}

常见类型的排序：

sort 包提供了对常见类型的切片进行排序的便捷函数：

1. Ints ：对 []int 类型的切片进行升序排序。
2. Float64s ：对 []float64 类型的切片进行升序排序。
3. Strings ：对 []string 类型的切片进行升序排序。

5. 协程和线程的区别，线程开销大的原因，协程有上下文切换为何线程消耗更多CPU资源

协程和线程的区别

1. 资源消耗：

   • 线程：每个线程有自己的栈空间（几十KB到几MB），内存消耗大。
   • 协程：栈空间较小（几KB），动态调整，内存消耗小。

2. 调度方式：

   • 线程：由操作系统控制，抢占式调度，涉及内核态切换。
   • 协程：由应用程序控制，协作式调度，在用户态进行。

3. 上下文切换：

   • 线程：涉及内核态和用户态切换，开销大。
   • 协程：只在用户态进行，开销小。

4. 并发粒度：

   • 线程：适用于处理多个相对独立的任务。
   • 协程：适用于在单个线程内实现多个任务的协作和切换。

线程开销大的原因

1. 内存分配：

   • 每个线程需要固定大小的栈空间，占用大量内存。

2. 上下文切换：

   • 涉及内核态和用户态切换，需要保存和恢复大量寄存器状态和栈指针。

3. 调度开销：

   • 操作系统维护复杂的调度算法和数据结构，增加系统开销。

4. 同步机制：

   • 使用锁、信号量等机制，高并发场景下可能导致性能瓶颈。

协程消耗更少CPU资源的原因

1. 上下文切换简单：

   • 只在用户态进行，不需要内核态介入，开销小。

2. 调度灵活：

   • 开发者控制调度，按需切换，减少不必要的上下文切换。

3. 内存管理高效：

   • 栈空间小且动态调整，内存利用率高。

4. 同步机制简单：

   • 通常通过通道（如Go语言中的channel）实现同步，避免锁的竞争。

（四）算法与反问

1. 算法手撕
2. 反问

欢迎关注 ❤

我们搞了一个免费的面试真题共享群，互通有无，一起刷题进步。

没准能让你能刷到自己意向公司的最新面试题呢。

感兴趣的朋友们可以私信我。