谈谈面试大厂中碰到的问题

面试IT公司的小技巧

非常不建议在简历上造假，简历上能起到关键作用、有分量的部分，别人都是有办法去核实的，比如教育背景、关键性的证书、奖项等；核实不了的，又基本上也对结果产生不了太大影响，又何必去画蛇添足呢？

简历既要真实，但又不想泯然众人，太平常；在这里为大家准备了一些小技巧，可以用来包装我们的实习/工作经历。

1.适度润色，保证言简意赅，但也要把事说清楚；不要太过冗长，事无巨细，给面试预留提问空间。用客观、专业的口吻去把项目展示出来即可（不要写流水账）

2.突出重点，有的放矢，而非平铺直叙；概述整体经过，同时重点阐述与所投递岗位相关的内容，展示自己有着满足应聘岗位要求的技术能力与专业素养

3.个人介绍部分尽量客观，以第三人的视角去陈述事实即可，无需添加太多主观描述；简历里个个人介绍主要就把个人的技术栈说清楚，适当加一些客观陈述即可，太主观的内容建议少写甚至不写

4.最后，可以把你的简历给身边的朋友、同门 or 老师看看，让他们帮忙过目，务必确保没有错别字和排版问题，简历中出现错字可能会扣不少印象分哦。

遇到过的面试题

杭州某大厂：

java里，HashMap的底层实现原理

HashMap的底层数据结构是一个数组，数组中的每个元素称为桶(bucket)，每个桶实际上是一个链表。当新元素插入到HashMap中时，首先根据键的哈希码来计算出桶的位置，然后将该元素添加到该桶所对应的链表中。

当我们在HashMap中查找元素时，它首先使用键的哈希码来计算出元素所在的桶的位置，然后遍历该桶对应的链表，查找键所对应的值。由于每个桶可能包含多个元素，因此查找的时间复杂度通常为O(1)。

需要注意的是，在添加元素时，如果哈希码相同但键不同，则会在同一桶中创建一个新的链表节点，这被称为哈希冲突。为了减少哈希冲突的数量，HashMap在每个桶上设置了一个阈值，当链表长度超过阈值时，会将链表转换为红黑树，以提高查找效率。

另外，为了保持HashMap的性能，当桶的数量达到一定程度时，HashMap会自动扩容。在扩容过程中，HashMap会重新计算每个元素在新数组中的位置，这个过程是比较耗时的，因此需要在实际使用时留足够的空间以减少扩容的频率。

HashSet如何检查重复

HashSet 通过哈希表实现，使用哈希算法将元素的值转换为哈希码并存储在哈希表中。当要添加一个新元素时，HashSet 会先计算该元素的哈希码，并查找哈希表中是否已经存在相同的哈希码。

如果存在相同的哈希码，HashSet 就会调用该元素的 equals 方法进行比较，如果 equals 方法返回 true，HashSet 就认为该元素已经存在于集合中，不会将其添加到集合中。

如果哈希码没有冲突，或者哈希码冲突但是 equals 方法返回 false，HashSet 就会将元素添加到集合中。

==和equals区别

==运算符比较的是两个对象的引用是否相等，即它们是否指向内存中的同一对象。

equals()方法比较的是两个对象的内容是否相等，即它们是否具有相同的属性值。

equals如何判断两个对象相同

在Java中，对象的 equals() 方法用于判断两个对象是否相等。默认情况下，equals() 方法只是比较两个对象的内存地址是否相同，即比较引用是否相同。如果要判断对象的内容是否相同，则需要重写 equals() 方法。

介绍一下lru算法？

LRU（Least Recently Used）算法是一种常见的缓存淘汰策略，也被称为最近最少使用算法。LRU算法的核心思想是，当缓存空间不足时，优先淘汰最近最少使用的缓存数据。

具体来说，LRU算法维护一个缓存的列表，每次访问一个数据时，就将该数据移到列表的最前端，表示该数据最近被访问过。当需要淘汰数据时，就将列表尾部的数据淘汰，因为这些数据是最近最少被访问的。

LRU算法的优点是能够保证缓存中的数据都是热点数据，也就是最近被访问的数据，因此可以有效地提高缓存命中率。其缺点是实现较为复杂，需要维护一个有序的缓存列表，并且每次访问数据都需要更新列表，对性能有一定的影响。

关于TCP、UDP，你了解多少？

TCP和UDP都是网络通信协议，用于实现不同的传输需求。下面是它们的主要区别：

可靠性：TCP是一种面向连接、可靠的协议，会通过一系列的确认和重传机制保证数据的可靠性，而UDP则是无连接的协议，不保证数据的可靠性。

速度：由于TCP的可靠性机制，它的传输速度相对比较慢，而UDP则相对较快。

连接：TCP是面向连接的协议，通信双方需要先建立连接才能进行通信；而UDP则是无连接的协议，通信双方不需要先建立连接，直接发送数据即可。

应用场景：由于TCP的可靠性和连接性，它适合于一些需要确保数据传输可靠性的场景，如文件传输、邮件发送等；而UDP则适合于实时性要求较高、数据可靠性要求较低的场景，如视频直播、实时语音等。

数据库中索引，簇索引，非簇，唯一，复合，覆盖索引的区别

数据库中索引是一种用于提高查询效率的数据结构。常见的索引类型包括簇索引、非簇索引、唯一索引、复合索引和覆盖索引。

簇索引（Clustered Index）：簇索引是按照数据表的主键来创建的索引。簇索引可以加速基于主键的查询，因为它将数据存储在按照主键排序的结构中，使得查找主键时可以直接定位到数据的物理位置。每个表只能创建一个簇索引。

非簇索引（Non-clustered Index）：非簇索引不按照主键排序，而是将主键和索引组合在一起存储。当进行非主键查询时，数据库会使用非簇索引进行查找，然后根据查找到的主键再定位到数据的物理位置。每个表可以创建多个非簇索引。

唯一索引（Unique Index）：唯一索引是指所有索引键都是唯一的。与非唯一索引相比，唯一索引可以提供更快的查询性能，因为数据库可以直接找到匹配的唯一值，而不必搜索索引的所有值。

复合索引（Composite Index）：复合索引是由多个列组合而成的索引。复合索引可以提高多列查询的效率，但也会增加索引的维护成本。

覆盖索引（Covering Index）：覆盖索引是指索引包含了所有查询需要的字段，因此查询可以直接使用索引进行返回结果，而不必访问表格。覆盖索引可以提高查询的效率，减少数据库的I/O操作。

mysql索引适用场景

频繁作为查询条件的列。如果一个列经常被作为查询条件，就需要给这个列加上索引，以提高查询的效率。

唯一性太低的列。如果一个列的唯一性太低，比如性别列，只有两个值，那么给这个列加索引的效率并不高，反而会影响写入的性能。

经常需要排序、分组、联合查询的列。如果一个列经常被用来进行排序、分组或联合查询，那么给这个列加上索引可以大幅提高查询效率。

数据重复度较低的列。如果一个列的数据重复度较低，也就是说这个列的不同取值数量很多，那么给这个列加索引可以大幅提高查询效率。

需要注意的是，对于一些比较小的表，即使没有索引，查询速度也会很快。而对于一些非常大的表，即使有索引也可能查询效率很低，这时可能需要对表进行分库分表等操作，以提高查询效率。