近期java工程师面试总结

面试职位:java开发工程师,3~5年工作经验

电话面试

1、自我介绍

2、技术面试

说一说对Map集合的理解 和 底层实现

超高频的面试题
java map学习笔记

ConcurrentHashMap是线程安全的吗?它是如何实现线程安全的?
说一说对java锁的理解?平常工作中用到哪种锁?
用两个栈实现一个队列

https://blog.csdn.net/alex_hh/article/details/90573127

不同线程之间是如何通信的?

在并发编程中:线程之间如何通信及线程之间如何同步?

微服务之间如何通信?
Spring 自动装配Bean,作用域?Spring bean的单例和单例模式有什么区别?

bean的作用域

RabbitMQ 如果消费失败了怎么办?
redis支持哪些数据类型?

redis数据类型

jvm 运行时内存模型
jvm 垃圾回收机制
平常工作中有没有处理过jvm的问题?
MySql索引是如何实现的?
MySql 建一个 联合索引 要注意什么?
MySql 慢sql一般都如何进行优化?
MySql的事务隔离级别?
  • 未提交读(Read Uncommitted)
    事务中的修改,即使没有提交,对其他事务也都是可见的。事务可以读取未提交的数据,即脏读(dirty read)。该隔离级别在实际应用中一般很少用。
  • 提交读(Read Committed)
    一个事务开始,只能“看见”已经提交的事务所做的修改。即一个事务从开始到提交之前,所做的任何修改对其他事务都是不可见的(不可重复读)。
  • 可重复读(Repeatable Read)
    MySql默认事务隔离级别-可重复读。
    该级别保证了在同一个事务中多次读取同样记录的结果是一致的。该隔离级别无法解决幻读的问题。

所谓幻读,指的是当某个事务在读取某个范围内的记录时,另外一个事务又在该范围内插入了新的事务,当之前的事务再次读取该范围内的记录时,会产生幻行。
InnoDB存储引擎通过多版本并发机制(MVCC)解决的幻读问题。

  • 可串行化(Serializable)
    最高的隔离级别。它通过强制事务串行执行,避免了幻读问题。简单来说Serializable会在读取的每一行数据上都加锁,所以可能导致大量的超时和锁争用的问题,实际应用中也很少用到这个隔离级别。
隔离级别脏读不可重复读幻读加锁读
读未提交YESYESYESNO
读已提交NOYESYESNO
可重复读NONOYESNO
可串行化NONONOYES
算法题-100万条短信,请找出其中重复最多的前10条

---------------------------------

现场面试

1、基本信息填写

2、上机题

有两道上机题,一道是链表遍历相关,一道是多线程(利用线程池创建多个线程异步执行任务)。

3、技术一面

基本都是一些常见技术的提问

ArrayList && LinkedList区别
  • 是否保证线程安全: ArrayList 和 LinkedList 都是不同步的,也就是不保证线程安全;
  • 底层数据结构: Arraylist 底层使用的是Object数组;LinkedList 底层使用的是双向链表数据结构(JDK1.6之前为循环链表,JDK1.7取消了循环。)
  • 插入和删除是否受元素位置的影响: ① ArrayList 采用数组存储,所以插入和删除元素的时间复杂度受元素位置的影响。 比如:执行add(E e)方法的时候, ArrayList 会默认在将指定的元素追加到此列表的末尾,这种情况时间复杂度就是O(1)。但是如果要在指定位置 i 插入和删除元素的话(add(int index, E element))时间复杂度就为 O(n-i)。因为在进行上述操作的时候集合中第 i 和第 i 个元素之后的(n-i)个元素都要执行向后位/向前移一位的操作。 ② LinkedList 采用链表存储,所以插入,删除元素时间复杂度不受元素位置的影响,都是近似 O(1)而数组为近似 O(n)。
  • 是否支持快速随机访问: LinkedList 不支持高效的随机元素访问,而 ArrayList 支持。快速随机访问就是通过元素的序号快速获取元素对象(对应于get(int index)方法)。
  • 内存空间占用: ArrayList的空间浪费主要体现在在list列表的结尾会预留一定的容量空间,而LinkedList的空间花费则体现在它的每一个元素都需要消耗比ArrayList更多的空间(因为要存放直接后继和直接前驱以及数据)。
一般都怎样遍历集合元素?
这两种遍历方式,哪种好?

Iterator。
Iterator 总是用同一种逻辑来遍历集合。使得客户端自身不需要来维护集合的内部结构,所有的内部状态都由 Iterator 来维护。客户端从不直接和集合类打交道,它总是控制 Iterator,向它发送”向前”,”向后”,”取当前元素”的命令,就可以间接遍历整个集合。

HashMap && HashSet的区别
说一说对线程池的理解

https://blog.csdn.net/alex_hh/article/details/90449799

Callable && Runnable 的区别

https://blog.csdn.net/alex_hh/article/details/90481667

Dubbo的启动流程

4、技术二面

针对简历中的项目经历提问,单纯的技术提问很少

5、HR面

了解考勤制度(是不是996?)
了解薪资、绩效、年终奖、日常餐补等
了解试用期限、试用期工资比例等

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值