尧图网页设计 
这段时间陆陆续续有学弟学妹问我说自己刷题、背八股、写项目方向感还是很模糊尤其碰到那种“看起来每个字都认识连起来不知道考什么”的笔试题直接心态塌方。我翻了翻手里存的老题库发现蘑菇街2019年这套后端/基础后端/大数据实习生笔试试题放到今天来看依然很有代表性——它不是那种刁钻到失去意义的卷子而是能把候选人的基本功、工程思维和学习潜力都筛出来的典型电商系笔试。今天我就拿这套题当引子把三个方向各自的考察逻辑、核心知识点、编程题解题思路以及备考时应有的优先级一条条拆给大家。如果你是正在准备Java后端、大数据岗位实习或校招的同学这篇文章应该能帮你少走不少弯路。哪怕你不是面电商这套复盘思路也通用把“考什么”还原成“岗位需要什么”再从知识点回到工程实践你会发现笔试其实就是一份浓缩版的岗位说明书。1. 这个笔试到底在考什么一张试卷背后的岗位逻辑1.1 从题型结构看筛选目标蘑菇街2019年这套实习生笔试题整体结构基本遵循了当时互联网公司校招笔试的通用套路客观题选择、填空考察基础知识的宽度简答题考察理解深度编程题考察动手能力。后端和基础后端方向在客观题上会更偏Java、计算机网络、操作系统、数据库而大数据方向则会在Hadoop生态、数据仓库、离线计算这些模块上加码。出题人真正的意图不是让你考满分而是想通过一套题确认三件事第一你的计算机基础是否成体系而不是零散背了几个框架第二你有没有基本的工程敏感度比如知不知道HashMap在多线程下会出问题、数据库索引底层到底是什么结构第三你的代码能力能不能达到“拿来就能干活”的底线。实习生嘛不会指望你一来就独当一面但一个连基础都含糊的人团队带起来确实太累。1.2 三个岗位方向考察重心对比我把这几个方向的考察重心整理成了一张表方便大家对号入座岗位方向核心考察点典型考察模块一句话总结基础后端计算机基础 Java语言功底数据结构、操作系统、网络、Java集合与并发考察你“有没有扎实的地基”后端基础之上再加工程能力Java、Spring、MySQL、Redis、分布式基础考察你“能不能直接参与业务开发”大数据基础之上偏数据生态Linux、Hadoop、Spark、Kafka、数仓分层考察你“懂不懂数据从哪来、到哪去”这里有个容易忽略的细节基础后端和后端并不是简单的前置关系。基础后端更强调底层原理而后端更强调应用层能力比如框架原理、缓存设计、接口性能优化。对大数据的同学来说Java基础同样重要因为大部分大数据框架都是Java/Scala生态不懂JVM、不懂并发玩Spark和Flink是会吃大亏的。2. 后端/基础后端核心考点基础不牢地动山摇2.1 Java基础与并发从集合到锁的连环问蘑菇街这套题里Java相关题目占有相当比重而且问法非常“实战导向”。比如说HashMap和ConcurrentHashMap的区别几乎是必考题。很多同学能背出来“HashMap线程不安全ConcurrentHashMap线程安全”但一旦被追问“底层是怎么保证线程安全的”“JDK 1.7和1.8的ConcurrentHashMap有什么区别”就卡住了。这就是典型的“知其然不知其所以然”。在回答这类问题时建议按三层递进来讲第一层说结论第二层说机制第三层说场景。比如HashMap的问题你可以这样说HashMap在JDK 1.7中采用头插法多线程put时可能导致环形链表进而引发CPU 100%问题JDK 1.8改成尾插法后解决了这个问题但size、modCount等共享变量依然没有原子性保护所以并发写场景依然不安全。而ConcurrentHashMap在JDK 1.7用的是分段锁JDK 1.8改成了CAS synchronized锁桶锁粒度更细并发度更高。除了集合线程池也是高频考点。蘑菇街这类电商公司业务峰值明显线程池参数怎么设置、任务提交后按什么顺序执行、拒绝策略有哪些都是很实际的问题。我建议把ThreadPoolExecutor的核心参数、四种拒绝策略以及一个简单的参数估算方法形成肌肉记忆。比如一个IO密集型任务核心线程数可以设为CPU核心数乘2再加1但更准确地是根据“任务耗时占比”来算公式略复杂笔试时能把思路讲清楚就够了。2.2 操作系统与计算机网络看似八股实则筛选逻辑操作系统和计算机网络在基础后端笔试题里属于“不能丢分”的部分。进程和线程的区别、死锁的四个必要条件、虚拟内存的作用、TCP三次握手和四次挥手、HTTP与HTTPS的区别这些都属于计算机专业的基本盘。蘑菇街的题目不会在这些东西上出偏题怪题但会换着花样考你“是否真的理解”。举个典型的例子问“为什么TCP连接建立需要三次握手而不是两次”。很多人只会背“防止已失效的连接请求突然传到服务端造成资源浪费”。这个回答方向没错但要拿全分建议补充两次握手时服务端无法确认客户端是否收到了自己的同步确认报文如果客户端认为自己没连上、服务端却已经分配资源就会造成服务端资源白白挂着。这背后的本质是“双方都需要确认彼此的收发能力”理解了这一点不管题目怎么变你都能接住。网络部分还有一个容易在笔试里翻车的点就是HTTP状态码。尤其是301和302的区别、401和403的区别搞混的人特别多。简单记忆法301是永久重定向302是临时重定向401是“未认证”你需要先登录403是“已认证但没权限”服务器认得你但就是不让你进。蘑菇街这类电商对外接口很多考察状态码其实是在看你对接口语义的理解是否准确。2.3 数据库与缓存电商系统的命根子后端笔试题里MySQL和Redis的考察权重非常高这在电商场景下特别合理。蘑菇街的业务是导购电商首页推荐、商品详情、购物车、订单交易哪一样都离不开数据库和缓存。MySQL部分我印象最深的是索引相关的题目比如“InnoDB为什么用B树而不是B树或红黑树”。回答时抓住三个要点第一B树只在叶子节点存数据非叶子节点能存更多索引项树更矮磁盘IO次数更少第二叶子节点用双向链表串联范围查询和排序效率高第三所有查询都要走到底部叶子节点访问路径稳定。另外联合索引的最左前缀原则以及explain里的type字段从const、ref、range到index、ALL最好都能说清楚。Redis部分缓存穿透、缓存击穿、缓存雪崩是老三样但问法每年都在变。蘑菇街那套题里的问法是把三种场景混在一起让你给出区分和解决方案。我的建议是不要只背“布隆过滤器”“互斥锁”“随机过期时间”这些关键词要能结合电商业务讲出具体做法比如首页热卖商品的缓存过期时间加上随机抖动DB层再对空结果做短暂缓存这样冷启动时就不会瞬间压垮数据库。3. 大数据方向考点拆解从HDFS到实时链路的完整考察3.1 大数据生态基础HDFS、MapReduce与YARN的协作关系大数据方向的笔试题整体给人的感觉是“偏架构、偏流程”。选择题会考HDFS读写流程、MapReduce的Shuffle过程、YARN的资源调度机制简答题则喜欢让你画一条离线数仓链路或者对比Spark和MapReduce的优劣。回答HDFS写流程时我习惯用“三步走”来记忆第一步客户端向NameNode发起写请求NameNode检查权限和路径合法性返回可用的DataNode列表第二步客户端按数据块默认128MB切分数据依次写入第一个DataNode再由第一个DataNode并行复制到第二、第三个DataNode第三步所有副本写完后DataNode向客户端返回确认客户端再向NameNode汇报。这里有个细节容易被忽略——副本放置策略第一个副本放在客户端所在节点第二个副本放在同机架的另一个节点第三个副本放在不同机架这个策略是为了在“容错性”和“写入带宽”之间做平衡。MapReduce的Shuffle是另一个高频考点同时也是很多人的痛点。简单来说Map端做完局部排序后会把结果按分区写入内存缓冲区缓冲区达到阈值后溢写spill到磁盘同时进行合并排序Reduce端从各个Map端拉取属于自己分区的数据做归并排序后喂给reduce函数。理解Shuffle的关键在于“数据怎么从Map端到Reduce端”而不是背那些术语本身。我当年复习的时候自己画了三遍Shuffle流程图直到能闭着眼还原每一步笔试遇到相关题目就再也不慌了。Spark在这个时代的笔试题里也已经占了半壁江山。常考的点包括RDD的宽依赖和窄依赖怎么区分、Stage是怎么划分的、Spark on YARN的两种部署模式client和cluster有什么区别。宽窄依赖的判断标准很简单父RDD的一个分区是否被子RDD的多个分区使用一父多子就是宽依赖需要Shuffle而Stage就是按照Shuffle边界来切的。这个点一旦想通Stage划分题目基本就是送分题。3.2 数据链路设计题离线数仓与实时计算大数据方向的简答题很多时候不会只考单个组件而是给你一个业务场景让你设计一条完整的数据处理链路。比如“电商平台每天产生大量访问日志需要统计各品类商品的曝光量、点击量和成交转化率你会怎么设计”这种题目没有唯一答案但考察的是你有没有完整的数仓分层思维。比较稳的回答框架是源数据层ODS先不做任何加工将日志原样落地明细层DWD做清洗、去重、维度补充比如把IP解析成城市把用户ID和登录表关联补齐汇总层DWS按业务维度做轻聚合比如按小时、按品类统计曝光和点击应用层ADS面向具体报表需求产出最终指标。计算引擎的选择上离线部分用Hive或Spark批量跑实时部分如果有分钟级延迟要求可以引入Flink读取Kafka里的日志流做实时聚合结果写入OLAP引擎或Redis。我在跟很多同学交流时发现大家不是不知道数仓分层而是不会把组件合理地串起来。建议平时多动手搭建一个最小闭环用Flume采集一个日志文件到HDFS再用Spark读HDFS算一个词频统计最后把结果写到MySQL这样你对整条链路就有了体感笔试答题时再也不会挤牙膏。3.3 大数据面试中的“隐藏考点”数据倾斜与任务调优数据倾斜是笔试和面试都特别爱出的题因为它直接考察你有没有处理过真实数据。题目通常是“Spark任务跑得很慢发现某个Stage卡了很久你怀疑是数据倾斜怎么定位和解决”定位阶段可以从Spark UI上看各Task处理的数据量如果某个Task的数据量明显比其他Task大几个数量级基本就实锤了。解决手段要分情况说如果是大表和小表Join用广播变量把小表广播到每个Executor避免Shuffle如果是Key本身倾斜可以加随机前缀把一个大Key拆成多个小Key再对结果做去重合并如果是聚合类操作的数据倾斜可以做两阶段聚合先加随机前缀做局部聚合再去掉前缀做全局聚合。回答时最好能带上“实际工作中我遇到过xxx情况最后用xxx方案解决”这种细节会让回答一下子立体很多。另外还有一类容易被忽视的题目Linux基础。大数据环境跑在Linux上基本命令必须熟。蘑菇街那套题里出现过查看磁盘占用、查找某个进程、查看端口监听状态的题目虽然分值不高但不会写是真的会卡住。df -h、free -m、top、ps -ef | grep java、netstat -tlnp、tail -f这些命令最好练到不用思考就能打出来。4. 编程题实战高频题型与手写代码思路4.1 从蘑菇街真题看算法题的考察范围蘑菇街后端和大数据实习生的编程题难度大致在LeetCode Medium偏下的水平。题目类型很集中字符串处理、数组与排序、链表操作、Top K问题、LRU缓存设计以及互联网公司特别爱考的“手工实现某个工具类”。我印象中有一道题很典型设计一个LRU缓存支持get和put操作要求时间复杂度O(1)。这道题考察的是数据结构组合能力标准解法是HashMap 双向链表HashMap用来O(1)查找双向链表用来O(1)插入和删除。网上有很多简版写法但很多人一紧张就把链表的头尾指针搞乱。我建议在笔试前手写至少三遍第一遍照抄理解第二遍合上答案自己写第三遍边写边讲出每一步在干什么直到形成肌肉记忆。再看一道大数据方向可能出现的题有一个包含10亿条用户访问记录的日志文件每行包含用户ID和访问时间统计访问次数最多的前100个用户。这题的最佳思路是分治先用哈希函数把大文件拆成若干个小文件保证相同用户ID一定落在同一个文件里再对每个小文件用HashMap统计次数最后用小顶堆维护全局Top 100。这类题目重点不在代码技巧而在于你懂不懂“内存放不下就分片”的思想这也是大数据的核心思想之一。4.2 手写代码的边界问题与答题节奏编程题除了考察思路更考察代码的健壮性。很多人LeetCode刷题时直接跑通过就完事笔试时却忽略了边界条件比如入参是null、字符串为空、数组长度为0、数值溢出。以字符串转整数为例如果面试官看到你写了空指针判断、符号位处理、溢出检查心里对你的评价会明显高一档。下面我写一个简单但完整的字符串转整数示例大家感受一下工程化写法的节奏public class StringToInt { public static int myAtoi(String str) { if (str null || str.length() 0) { return 0; } int index 0; int sign 1; long result 0; // 1. 去掉前导空格 while (index str.length() str.charAt(index) ) { index; } if (index str.length()) { return 0; } // 2. 处理正负号 char first str.charAt(index); if (first || first -) { sign (first -) ? -1 : 1; index; } // 3. 核心转换注意溢出 while (index str.length() Character.isDigit(str.charAt(index))) { result result * 10 (str.charAt(index) - 0); if (result * sign Integer.MAX_VALUE) { return Integer.MAX_VALUE; } if (result * sign Integer.MIN_VALUE) { return Integer.MIN_VALUE; } index; } return (int) result * sign; } public static void main(String[] args) { System.out.println(myAtoi( -42)); System.out.println(myAtoi(4193 with words)); System.out.println(myAtoi()); } }代码不复杂但把空值、空格、符号、溢出全部cover住了。笔试过程中建议先花1分钟确认题目有没有隐藏限制条件再动手写。如果某题一时没思路不要死磕先跳过做下一题最后再回头补。一定要避免“一题卡半小时后面全空着”的悲剧。4.3 多线程编程题后端笔试的硬骨头后端方向的编程题有时还会出多线程相关的题目比如“三个线程交替打印ABC循环10次”。这种题考察的是线程协作的基本功一般可以用synchronized wait/notify也可以用一个共享锁和状态标志来实现。我推荐一个通用的模板思路把打印逻辑抽象成一个轮次判断每个线程打印前先检查“当前轮到自己了吗”不是就等待是就打印并变更状态再唤醒其他线程。这种写法虽然不如Lock和Condition优雅但胜在思路清晰、不容易写错笔试时稳定是第一位的。多线程题的高分关键在于“讲清楚为什么”为什么用while而不是if来做条件判断因为防止虚假唤醒这是JVM规范里明确提到的问题。为什么wait和notify要放在同步块里因为wait释放monitor锁的前提是持有它否则会抛IllegalMonitorStateException。这些小细节恰恰是阅卷时区分“背过答案”和“真正理解”的地方。5. 备考路线与答题技巧把一张试卷转化成offer的路径5.1 按优先级安排复习计划很多同学在准备笔试时最大的问题不是不努力而是东一榔头西一棒子今天看Redis明天刷LeetCode后天又去学大数据平台搭建。结果一个月下来好像什么都碰了又什么都没有形成体系。针对蘑菇街这套笔试的考察结构我建议按以下优先级来安排复习第一优先级是编程题和Java基础。每天至少保持1到2道手写代码题LeetCode按Tag分类刷重点刷数组、哈希表、链表、字符串、二叉树、堆、排序这七类Java基础重点看集合源码、并发工具类、JVM内存区域和垃圾回收。第二优先级是数据库、缓存和网络这是后端岗位的保命分第三优先级才是各类框架原理和分布式组件比如Spring、Spring Boot、RocketMQ等理解核心思想即可不必死磕源码细节。大数据方向的同学把网络、操作系统、Java基础这三大块保住之后再重点攻克HDFS读写、MapReduce Shuffle、Spark宽窄依赖和SQL相关题目性价比最高。这个复习顺序的逻辑是编程题决定你的下限Java基础和数据库决定你的上限框架相关题目只要不丢大分就好。毕竟笔试之后还有面试面试官一定会基于你的笔试答案追问所以“每个知识点都能用自己的话讲清楚”比“背了一大堆却互相矛盾”有价值得多。5.2 一个高效的知识点复盘方法我本人特别推荐用“费曼式刷题法”来准备笔试每做完一道题、复习完一个知识点假装自己是老师把解题思路和原理用最简单的语言讲给一个“完全不懂的人”听。如果讲的过程中发现卡壳了、逻辑不连贯了那这个知识点就是你的薄弱环节。比如你复习完线程池可以试着讲“线程池就是把新建线程变成从池子里捞核心线程跑完也不回收任务多了排队队列满了就加临时线程还不够就按策略拒绝。”如果你能在一分钟之内把这个链条清晰讲完笔试时不管怎么出题你都不慌。如果讲不清楚回去再看一遍源码而不是急着看下一个知识点。另外强烈建议把错题和易混点收集起来做成自己的速查手册。比如301和302的区别Synchronized和ReentrantLock的区别countDownLatch和CyclicBarrier的区别B树和B树的区别。这些成对出现的概念在选择题和简答题里特别容易设陷阱整理在一起对比记忆效率高很多。5.3 笔试题不会的题怎么“抢救”分数笔试时遇到完全不会的题千万不要留空。大部分互联网公司的笔试题阅卷不是只盯标准答案还会看你有没有一定的分析思路和踩分点。选择题蒙一个也有概率简答题就算思路不对把你理解的那部分写出来也能让阅卷人知道你的水平在哪里。特别是大数据方向的简答题和方案设计题只要你能够画出“数据源 - 接入 - 存储 - 计算 - 应用”这种分层架构再写出每个环节用到的组件就算细节不完美也能拿到不少分。这种答题方式本质上是展示你的技术视野而不是精准复述教科书。当然平时还是得多积累如果你的知识库本身就干瘪那再怎么“抢救”也挤不出多少内容。6. 写在最后我的一些实际体会回过头看蘑菇街2019年这套笔试题目虽然年份已经过去几年但它的考察思路和今天绝大多数互联网公司的实习生招聘相比几乎没有本质变化。基础后端和后端岗位看的还是那三件事计算机基本功扎不扎实、代码能不能写利索、对工程世界有没有基本的认知。大数据方向看的是你懂不懂数据从产生到消费的完整链路以及遇到性能瓶颈时有没有解决问题的直觉。我在带新人、帮学弟学妹做模拟面试的过程中发现一个特别普遍的现象很多人不是不聪明也不是不努力而是复习时太“飘”太“散”永远停留在API使用层没有往底层原理和设计思想上深挖一步。其实笔试题目早就圈好了范围你越早看懂它背后在考什么备考就越有方向感。我个人建议拿到任何一套笔试题不要急着刷完对答案先花30分钟做一件更有价值的事——把每道题还原成它对应的知识点再把这些知识点标注上优先级。当你把所有题目都拆成一张知识图谱时你会发现需要准备的东西没有想象中那么多。希望这次复盘能对你的笔试准备有一点启发。如果你正在准备后端或大数据方向的实习生笔试不妨试着用我上面说的方法把目标公司的历年真题做一次“知识点反推”再按优先级安排复习。加油。 蘑菇街2019实习生笔试复盘：后端与大数据核心考点全解析
这段时间陆陆续续有学弟学妹问我说自己刷题、背八股、写项目方向感还是很模糊尤其碰到那种“看起来每个字都认识连起来不知道考什么”的笔试题直接心态塌方。我翻了翻手里存的老题库发现蘑菇街2019年这套后端/基础后端/大数据实习生笔试试题放到今天来看依然很有代表性——它不是那种刁钻到失去意义的卷子而是能把候选人的基本功、工程思维和学习潜力都筛出来的典型电商系笔试。今天我就拿这套题当引子把三个方向各自的考察逻辑、核心知识点、编程题解题思路以及备考时应有的优先级一条条拆给大家。如果你是正在准备Java后端、大数据岗位实习或校招的同学这篇文章应该能帮你少走不少弯路。哪怕你不是面电商这套复盘思路也通用把“考什么”还原成“岗位需要什么”再从知识点回到工程实践你会发现笔试其实就是一份浓缩版的岗位说明书。1. 这个笔试到底在考什么一张试卷背后的岗位逻辑1.1 从题型结构看筛选目标蘑菇街2019年这套实习生笔试题整体结构基本遵循了当时互联网公司校招笔试的通用套路客观题选择、填空考察基础知识的宽度简答题考察理解深度编程题考察动手能力。后端和基础后端方向在客观题上会更偏Java、计算机网络、操作系统、数据库而大数据方向则会在Hadoop生态、数据仓库、离线计算这些模块上加码。出题人真正的意图不是让你考满分而是想通过一套题确认三件事第一你的计算机基础是否成体系而不是零散背了几个框架第二你有没有基本的工程敏感度比如知不知道HashMap在多线程下会出问题、数据库索引底层到底是什么结构第三你的代码能力能不能达到“拿来就能干活”的底线。实习生嘛不会指望你一来就独当一面但一个连基础都含糊的人团队带起来确实太累。1.2 三个岗位方向考察重心对比我把这几个方向的考察重心整理成了一张表方便大家对号入座岗位方向核心考察点典型考察模块一句话总结基础后端计算机基础 Java语言功底数据结构、操作系统、网络、Java集合与并发考察你“有没有扎实的地基”后端基础之上再加工程能力Java、Spring、MySQL、Redis、分布式基础考察你“能不能直接参与业务开发”大数据基础之上偏数据生态Linux、Hadoop、Spark、Kafka、数仓分层考察你“懂不懂数据从哪来、到哪去”这里有个容易忽略的细节基础后端和后端并不是简单的前置关系。基础后端更强调底层原理而后端更强调应用层能力比如框架原理、缓存设计、接口性能优化。对大数据的同学来说Java基础同样重要因为大部分大数据框架都是Java/Scala生态不懂JVM、不懂并发玩Spark和Flink是会吃大亏的。2. 后端/基础后端核心考点基础不牢地动山摇2.1 Java基础与并发从集合到锁的连环问蘑菇街这套题里Java相关题目占有相当比重而且问法非常“实战导向”。比如说HashMap和ConcurrentHashMap的区别几乎是必考题。很多同学能背出来“HashMap线程不安全ConcurrentHashMap线程安全”但一旦被追问“底层是怎么保证线程安全的”“JDK 1.7和1.8的ConcurrentHashMap有什么区别”就卡住了。这就是典型的“知其然不知其所以然”。在回答这类问题时建议按三层递进来讲第一层说结论第二层说机制第三层说场景。比如HashMap的问题你可以这样说HashMap在JDK 1.7中采用头插法多线程put时可能导致环形链表进而引发CPU 100%问题JDK 1.8改成尾插法后解决了这个问题但size、modCount等共享变量依然没有原子性保护所以并发写场景依然不安全。而ConcurrentHashMap在JDK 1.7用的是分段锁JDK 1.8改成了CAS synchronized锁桶锁粒度更细并发度更高。除了集合线程池也是高频考点。蘑菇街这类电商公司业务峰值明显线程池参数怎么设置、任务提交后按什么顺序执行、拒绝策略有哪些都是很实际的问题。我建议把ThreadPoolExecutor的核心参数、四种拒绝策略以及一个简单的参数估算方法形成肌肉记忆。比如一个IO密集型任务核心线程数可以设为CPU核心数乘2再加1但更准确地是根据“任务耗时占比”来算公式略复杂笔试时能把思路讲清楚就够了。2.2 操作系统与计算机网络看似八股实则筛选逻辑操作系统和计算机网络在基础后端笔试题里属于“不能丢分”的部分。进程和线程的区别、死锁的四个必要条件、虚拟内存的作用、TCP三次握手和四次挥手、HTTP与HTTPS的区别这些都属于计算机专业的基本盘。蘑菇街的题目不会在这些东西上出偏题怪题但会换着花样考你“是否真的理解”。举个典型的例子问“为什么TCP连接建立需要三次握手而不是两次”。很多人只会背“防止已失效的连接请求突然传到服务端造成资源浪费”。这个回答方向没错但要拿全分建议补充两次握手时服务端无法确认客户端是否收到了自己的同步确认报文如果客户端认为自己没连上、服务端却已经分配资源就会造成服务端资源白白挂着。这背后的本质是“双方都需要确认彼此的收发能力”理解了这一点不管题目怎么变你都能接住。网络部分还有一个容易在笔试里翻车的点就是HTTP状态码。尤其是301和302的区别、401和403的区别搞混的人特别多。简单记忆法301是永久重定向302是临时重定向401是“未认证”你需要先登录403是“已认证但没权限”服务器认得你但就是不让你进。蘑菇街这类电商对外接口很多考察状态码其实是在看你对接口语义的理解是否准确。2.3 数据库与缓存电商系统的命根子后端笔试题里MySQL和Redis的考察权重非常高这在电商场景下特别合理。蘑菇街的业务是导购电商首页推荐、商品详情、购物车、订单交易哪一样都离不开数据库和缓存。MySQL部分我印象最深的是索引相关的题目比如“InnoDB为什么用B树而不是B树或红黑树”。回答时抓住三个要点第一B树只在叶子节点存数据非叶子节点能存更多索引项树更矮磁盘IO次数更少第二叶子节点用双向链表串联范围查询和排序效率高第三所有查询都要走到底部叶子节点访问路径稳定。另外联合索引的最左前缀原则以及explain里的type字段从const、ref、range到index、ALL最好都能说清楚。Redis部分缓存穿透、缓存击穿、缓存雪崩是老三样但问法每年都在变。蘑菇街那套题里的问法是把三种场景混在一起让你给出区分和解决方案。我的建议是不要只背“布隆过滤器”“互斥锁”“随机过期时间”这些关键词要能结合电商业务讲出具体做法比如首页热卖商品的缓存过期时间加上随机抖动DB层再对空结果做短暂缓存这样冷启动时就不会瞬间压垮数据库。3. 大数据方向考点拆解从HDFS到实时链路的完整考察3.1 大数据生态基础HDFS、MapReduce与YARN的协作关系大数据方向的笔试题整体给人的感觉是“偏架构、偏流程”。选择题会考HDFS读写流程、MapReduce的Shuffle过程、YARN的资源调度机制简答题则喜欢让你画一条离线数仓链路或者对比Spark和MapReduce的优劣。回答HDFS写流程时我习惯用“三步走”来记忆第一步客户端向NameNode发起写请求NameNode检查权限和路径合法性返回可用的DataNode列表第二步客户端按数据块默认128MB切分数据依次写入第一个DataNode再由第一个DataNode并行复制到第二、第三个DataNode第三步所有副本写完后DataNode向客户端返回确认客户端再向NameNode汇报。这里有个细节容易被忽略——副本放置策略第一个副本放在客户端所在节点第二个副本放在同机架的另一个节点第三个副本放在不同机架这个策略是为了在“容错性”和“写入带宽”之间做平衡。MapReduce的Shuffle是另一个高频考点同时也是很多人的痛点。简单来说Map端做完局部排序后会把结果按分区写入内存缓冲区缓冲区达到阈值后溢写spill到磁盘同时进行合并排序Reduce端从各个Map端拉取属于自己分区的数据做归并排序后喂给reduce函数。理解Shuffle的关键在于“数据怎么从Map端到Reduce端”而不是背那些术语本身。我当年复习的时候自己画了三遍Shuffle流程图直到能闭着眼还原每一步笔试遇到相关题目就再也不慌了。Spark在这个时代的笔试题里也已经占了半壁江山。常考的点包括RDD的宽依赖和窄依赖怎么区分、Stage是怎么划分的、Spark on YARN的两种部署模式client和cluster有什么区别。宽窄依赖的判断标准很简单父RDD的一个分区是否被子RDD的多个分区使用一父多子就是宽依赖需要Shuffle而Stage就是按照Shuffle边界来切的。这个点一旦想通Stage划分题目基本就是送分题。3.2 数据链路设计题离线数仓与实时计算大数据方向的简答题很多时候不会只考单个组件而是给你一个业务场景让你设计一条完整的数据处理链路。比如“电商平台每天产生大量访问日志需要统计各品类商品的曝光量、点击量和成交转化率你会怎么设计”这种题目没有唯一答案但考察的是你有没有完整的数仓分层思维。比较稳的回答框架是源数据层ODS先不做任何加工将日志原样落地明细层DWD做清洗、去重、维度补充比如把IP解析成城市把用户ID和登录表关联补齐汇总层DWS按业务维度做轻聚合比如按小时、按品类统计曝光和点击应用层ADS面向具体报表需求产出最终指标。计算引擎的选择上离线部分用Hive或Spark批量跑实时部分如果有分钟级延迟要求可以引入Flink读取Kafka里的日志流做实时聚合结果写入OLAP引擎或Redis。我在跟很多同学交流时发现大家不是不知道数仓分层而是不会把组件合理地串起来。建议平时多动手搭建一个最小闭环用Flume采集一个日志文件到HDFS再用Spark读HDFS算一个词频统计最后把结果写到MySQL这样你对整条链路就有了体感笔试答题时再也不会挤牙膏。3.3 大数据面试中的“隐藏考点”数据倾斜与任务调优数据倾斜是笔试和面试都特别爱出的题因为它直接考察你有没有处理过真实数据。题目通常是“Spark任务跑得很慢发现某个Stage卡了很久你怀疑是数据倾斜怎么定位和解决”定位阶段可以从Spark UI上看各Task处理的数据量如果某个Task的数据量明显比其他Task大几个数量级基本就实锤了。解决手段要分情况说如果是大表和小表Join用广播变量把小表广播到每个Executor避免Shuffle如果是Key本身倾斜可以加随机前缀把一个大Key拆成多个小Key再对结果做去重合并如果是聚合类操作的数据倾斜可以做两阶段聚合先加随机前缀做局部聚合再去掉前缀做全局聚合。回答时最好能带上“实际工作中我遇到过xxx情况最后用xxx方案解决”这种细节会让回答一下子立体很多。另外还有一类容易被忽视的题目Linux基础。大数据环境跑在Linux上基本命令必须熟。蘑菇街那套题里出现过查看磁盘占用、查找某个进程、查看端口监听状态的题目虽然分值不高但不会写是真的会卡住。df -h、free -m、top、ps -ef | grep java、netstat -tlnp、tail -f这些命令最好练到不用思考就能打出来。4. 编程题实战高频题型与手写代码思路4.1 从蘑菇街真题看算法题的考察范围蘑菇街后端和大数据实习生的编程题难度大致在LeetCode Medium偏下的水平。题目类型很集中字符串处理、数组与排序、链表操作、Top K问题、LRU缓存设计以及互联网公司特别爱考的“手工实现某个工具类”。我印象中有一道题很典型设计一个LRU缓存支持get和put操作要求时间复杂度O(1)。这道题考察的是数据结构组合能力标准解法是HashMap 双向链表HashMap用来O(1)查找双向链表用来O(1)插入和删除。网上有很多简版写法但很多人一紧张就把链表的头尾指针搞乱。我建议在笔试前手写至少三遍第一遍照抄理解第二遍合上答案自己写第三遍边写边讲出每一步在干什么直到形成肌肉记忆。再看一道大数据方向可能出现的题有一个包含10亿条用户访问记录的日志文件每行包含用户ID和访问时间统计访问次数最多的前100个用户。这题的最佳思路是分治先用哈希函数把大文件拆成若干个小文件保证相同用户ID一定落在同一个文件里再对每个小文件用HashMap统计次数最后用小顶堆维护全局Top 100。这类题目重点不在代码技巧而在于你懂不懂“内存放不下就分片”的思想这也是大数据的核心思想之一。4.2 手写代码的边界问题与答题节奏编程题除了考察思路更考察代码的健壮性。很多人LeetCode刷题时直接跑通过就完事笔试时却忽略了边界条件比如入参是null、字符串为空、数组长度为0、数值溢出。以字符串转整数为例如果面试官看到你写了空指针判断、符号位处理、溢出检查心里对你的评价会明显高一档。下面我写一个简单但完整的字符串转整数示例大家感受一下工程化写法的节奏public class StringToInt { public static int myAtoi(String str) { if (str null || str.length() 0) { return 0; } int index 0; int sign 1; long result 0; // 1. 去掉前导空格 while (index str.length() str.charAt(index) ) { index; } if (index str.length()) { return 0; } // 2. 处理正负号 char first str.charAt(index); if (first || first -) { sign (first -) ? -1 : 1; index; } // 3. 核心转换注意溢出 while (index str.length() Character.isDigit(str.charAt(index))) { result result * 10 (str.charAt(index) - 0); if (result * sign Integer.MAX_VALUE) { return Integer.MAX_VALUE; } if (result * sign Integer.MIN_VALUE) { return Integer.MIN_VALUE; } index; } return (int) result * sign; } public static void main(String[] args) { System.out.println(myAtoi( -42)); System.out.println(myAtoi(4193 with words)); System.out.println(myAtoi()); } }代码不复杂但把空值、空格、符号、溢出全部cover住了。笔试过程中建议先花1分钟确认题目有没有隐藏限制条件再动手写。如果某题一时没思路不要死磕先跳过做下一题最后再回头补。一定要避免“一题卡半小时后面全空着”的悲剧。4.3 多线程编程题后端笔试的硬骨头后端方向的编程题有时还会出多线程相关的题目比如“三个线程交替打印ABC循环10次”。这种题考察的是线程协作的基本功一般可以用synchronized wait/notify也可以用一个共享锁和状态标志来实现。我推荐一个通用的模板思路把打印逻辑抽象成一个轮次判断每个线程打印前先检查“当前轮到自己了吗”不是就等待是就打印并变更状态再唤醒其他线程。这种写法虽然不如Lock和Condition优雅但胜在思路清晰、不容易写错笔试时稳定是第一位的。多线程题的高分关键在于“讲清楚为什么”为什么用while而不是if来做条件判断因为防止虚假唤醒这是JVM规范里明确提到的问题。为什么wait和notify要放在同步块里因为wait释放monitor锁的前提是持有它否则会抛IllegalMonitorStateException。这些小细节恰恰是阅卷时区分“背过答案”和“真正理解”的地方。5. 备考路线与答题技巧把一张试卷转化成offer的路径5.1 按优先级安排复习计划很多同学在准备笔试时最大的问题不是不努力而是东一榔头西一棒子今天看Redis明天刷LeetCode后天又去学大数据平台搭建。结果一个月下来好像什么都碰了又什么都没有形成体系。针对蘑菇街这套笔试的考察结构我建议按以下优先级来安排复习第一优先级是编程题和Java基础。每天至少保持1到2道手写代码题LeetCode按Tag分类刷重点刷数组、哈希表、链表、字符串、二叉树、堆、排序这七类Java基础重点看集合源码、并发工具类、JVM内存区域和垃圾回收。第二优先级是数据库、缓存和网络这是后端岗位的保命分第三优先级才是各类框架原理和分布式组件比如Spring、Spring Boot、RocketMQ等理解核心思想即可不必死磕源码细节。大数据方向的同学把网络、操作系统、Java基础这三大块保住之后再重点攻克HDFS读写、MapReduce Shuffle、Spark宽窄依赖和SQL相关题目性价比最高。这个复习顺序的逻辑是编程题决定你的下限Java基础和数据库决定你的上限框架相关题目只要不丢大分就好。毕竟笔试之后还有面试面试官一定会基于你的笔试答案追问所以“每个知识点都能用自己的话讲清楚”比“背了一大堆却互相矛盾”有价值得多。5.2 一个高效的知识点复盘方法我本人特别推荐用“费曼式刷题法”来准备笔试每做完一道题、复习完一个知识点假装自己是老师把解题思路和原理用最简单的语言讲给一个“完全不懂的人”听。如果讲的过程中发现卡壳了、逻辑不连贯了那这个知识点就是你的薄弱环节。比如你复习完线程池可以试着讲“线程池就是把新建线程变成从池子里捞核心线程跑完也不回收任务多了排队队列满了就加临时线程还不够就按策略拒绝。”如果你能在一分钟之内把这个链条清晰讲完笔试时不管怎么出题你都不慌。如果讲不清楚回去再看一遍源码而不是急着看下一个知识点。另外强烈建议把错题和易混点收集起来做成自己的速查手册。比如301和302的区别Synchronized和ReentrantLock的区别countDownLatch和CyclicBarrier的区别B树和B树的区别。这些成对出现的概念在选择题和简答题里特别容易设陷阱整理在一起对比记忆效率高很多。5.3 笔试题不会的题怎么“抢救”分数笔试时遇到完全不会的题千万不要留空。大部分互联网公司的笔试题阅卷不是只盯标准答案还会看你有没有一定的分析思路和踩分点。选择题蒙一个也有概率简答题就算思路不对把你理解的那部分写出来也能让阅卷人知道你的水平在哪里。特别是大数据方向的简答题和方案设计题只要你能够画出“数据源 - 接入 - 存储 - 计算 - 应用”这种分层架构再写出每个环节用到的组件就算细节不完美也能拿到不少分。这种答题方式本质上是展示你的技术视野而不是精准复述教科书。当然平时还是得多积累如果你的知识库本身就干瘪那再怎么“抢救”也挤不出多少内容。6. 写在最后我的一些实际体会回过头看蘑菇街2019年这套笔试题目虽然年份已经过去几年但它的考察思路和今天绝大多数互联网公司的实习生招聘相比几乎没有本质变化。基础后端和后端岗位看的还是那三件事计算机基本功扎不扎实、代码能不能写利索、对工程世界有没有基本的认知。大数据方向看的是你懂不懂数据从产生到消费的完整链路以及遇到性能瓶颈时有没有解决问题的直觉。我在带新人、帮学弟学妹做模拟面试的过程中发现一个特别普遍的现象很多人不是不聪明也不是不努力而是复习时太“飘”太“散”永远停留在API使用层没有往底层原理和设计思想上深挖一步。其实笔试题目早就圈好了范围你越早看懂它背后在考什么备考就越有方向感。我个人建议拿到任何一套笔试题不要急着刷完对答案先花30分钟做一件更有价值的事——把每道题还原成它对应的知识点再把这些知识点标注上优先级。当你把所有题目都拆成一张知识图谱时你会发现需要准备的东西没有想象中那么多。希望这次复盘能对你的笔试准备有一点启发。如果你正在准备后端或大数据方向的实习生笔试不妨试着用我上面说的方法把目标公司的历年真题做一次“知识点反推”再按优先级安排复习。加油。