面试与简历筛选
2023-12-13 12:20:50 1 举报
AI智能生成
登录查看完整内容
面试
作者其他创作
大纲/内容
1min
时间
名字
年龄
学历
履历
个人基本信息
js
html
css
typescript
dart
原生语法
框架
webpack
工程化工具
案例
业务逻辑复杂
性能优化上
展示能力
佐证:
个人擅长的技术
爱看书
语言
乐器
书法
技术
某一个领域确实是有两把刷子
体育竞技
喜欢学习
事例证明
个人体会
能吃苦
抗压能力强
职位
打了些什么样的辅助
擅长与人沟通
个人性格/品格
自我介绍
基本定义
项目中能够做些什么
怎么能够去用好他
原理性的
UI框架
当前工具的用法
适用范围
极力避免捧一个踩一个
工程化工具类
问问题
当前技术栈与公司产品是如何贴合的
做好的点
在自己擅长的点上
肯定对方的技术选型
技术选型类
看法类
硬性指标
面试者们组一个队
正反两面
给一个议题
给出一个统一的答案
不要妥协
体现思维的过程
要转变
委婉的转变
无领导小组讨论
认可问题
部分问题
核心能力
取舍
时间分配
热爱
出身
压力测试
特殊面试
软性指标
符合对方提出的要求
条件
能自助完成日常的测试工作
因业务特殊性,需要懂一些研发底层技术
能独立开展简单的性能压测
要求
有完整的全流程测试经验
需要有网关,基础组件,低代码平台等相关测试经验,懂基本的研发模式
画像
关注项目经验是否与预期相符
熟悉全流程测试,有一定的测试用例设计经验
有性能相关工具的使用,并且真实执行过性能测试,有一定高德代码基础
关注
样例
oop编程思想
mongodump -h dbhost -d dbname -o dbdirectory
从一台设备备份到另一台从另一台安装一个mongodb
mongdb备份
redis线程风险,没有线程风险,并发通过队列转换为串行
方法一:配置自定义ajnginx.conf里面的server,在etc/nginx/nginx.conf文件中,用include /home/conf/ajnginx.conf
方法二:直接在etc/nginx/nginx.conf里面配置server
Nginx配置
配置ip,端口,项目路径,python3路径,虚拟环境,uwsgi.log
uwsgi.ini文件
uwsgi配置
将项目clone下来,创建自己的分支,远程创建自己分支
项目已启动
git怎么使用
项目经理1
开发3
测试1
前端1
运维1
项目里面有个几人
说一个异步的例子
目录里面还有目录拷贝cp -a
Linux下面拷贝目录
查询防火墙状态:firewall-cmd --state关闭防火墙:systemctl stop firewalld.service开启防火墙: systemctl start firewalld.service
启动防火墙
查进程
chmod -R 777 dirPath
设置目录文件权限
查端口
修改用户目录下面密码
linux下的命令(常用)
碰到过哪些网站有什么反爬策略
反扒策略
将py_bloomfilter.py集成到scrapy-redis的dupefilter.py过滤器中
在request_seen函数中添加如下代码
布隆过滤器(scrapy),有一个什么开关,去重
单例模式
你主要负责什么模块)
接口大概有多少个
自定义状态码(1000开始)
状态码和数据
接口文档分什么
异常什么情况
接口文档错误码
腾讯域名
爬什么网站
爬虫
主要做什么功能
项目(你觉得你做的最好的)
数据分析怎么分析的
jieba分词
大于等于:gte
大于:gt
小于:lt
mongodb中
master
slaver
有些什么接口
你没写接口吗
分布式爬虫
舆情
方法一:通过script里面src属性调用接口url后面加一个callback=showdata,回调函数,将获取的数据解析到页面
方法二:jsonp方式:ajax请求里面typedata:jsonp;url:调接口,后端拿数据,返回前端,json数据转字符串,解析到页面
跨域问题
request请求通过引擎放到容器里面
scrapy流程
truncate清空表,包括自增字段,下一次,从0开始,delete不清除自增字段
truncate和delete区别
爬虫项目
业务
前程无忧怎么爬的
考勤管理里面有什么接口数据有什么字段啊
这个模块有些什么接口
接口文档
数据库设计的文档
创建文件
用什么包导出excel
流程
sheet怎么指定
Excel导出
主从分离
mongodb怎么启动的
mongodb里面有一个数据文件,拷贝到另一台,另一台装一个mongodb
mongodb怎么从一台服务器转到另一台
环境变量怎么配
config server
环境变量
mongodb配置里面配什么东西
mongodb配内存
mongodb连接数
默认10秒
慢查询日志
字段不可分
有主键,非主键字段依赖主键
非主键字段不能相互依赖
三范式
数据库设计合理(三范式)
通过show status命令了解各种SQL语句的执行频率。
定位执行效率较低的SQL语句.(重点为Select)
通过explain分析低效率的 SQL语句的执行情况,可以得知该SQL语句是否使用索引,是从多少条记录中取出的,并可以看到排序的方式。
确定问题并采取相应的优化措施。
优化流程
MyIsam不支持外键,Innodb支持。MyIsam不支持事务。对数据信息的存储处理不同,MyISAM对每一个表会创建三个数据文件,Innodb只会创建一个.frm的结构文件,所用数据文件均在data目录下的ibdata1文件中。MyIsam插入记录时默认是在当前表的最后插入新的数据,删除数据后默认不会回收整理空间有碎片产生,若经常做删除和修改记录的操作,要定时执行optimize table 表名 进行碎片整理。结论:如果应用是以读操作和插入操作为主,只有很少的更新和删除操作操作,并且对事务的完整性、并发性要求不是很高则使用MyIsam,其优势为访问速度快。Innodb提供了提交、回滚和崩溃恢复能力的事物安全,但写的效率差点,会占用更多的磁盘空间。
MySAM与Innodb区别
DDL(数据定义语言):create、alter、dropDML(数据操作语言):insert、delete、updateDTL(数据事务语句):commit、rollback、save pointDCL(数据控制语句):grant、revoke(回收权限)select
SQL语句的类型
mysql优化
explain select---看用没用索引
分区和分表
sql语句执行语句
项目
K近邻算法,K个最近的邻居。当K=1时,算法便成了寻找最近的那个邻居。
用官方的话来说,所谓K近邻算法,即是给定一个训练数据集。对新的输入实例,在训练数据集中找到与该实例最邻近的K个实例(也就是上面所说的K个邻居)。这K个实例的多数属于某个类,就把该输入实例分类到这个类中。
knn
贝叶斯分类算法是统计学的一种分类方法,它是一类利用概率统计知识进行分类的算法。在许多场合,朴素贝叶斯(Naïve Bayes,NB)分类算法可以与决策树和神经网络分类算法相媲美,该算法能运用到大型数据库中,而且方法简单、分类准确率高、速度快
贝叶斯
决策树算法是一种逼近离散函数值的方法。它是一种典型的分类方法,首先对数据进行处理,利用归纳算法生成可读的规则和决策树,然后使用决策对新数据进行分析。本质上决策树是通过一系列规则对数据进行分类的过程。
决策树
算法
面试与简历筛选
0 条评论
回复 删除
下一页