双非怎么进大厂？

https://www.nowcoder.com/share/jump/2764630231719583704126

大家好，我是白露啊。

今天我们要分享一个非常励志的故事，它证明了双非背景的毕业生也可以通过努力和坚持，进入梦想中的大厂。

下面是这位网友的真实经历，希望能为正在找工作的你提供一些激励和参考。

背景介绍

这位网友的背景并不特殊，他是一名双非本科毕业生。实习经历包括顺丰和货拉拉。

在秋招时，他只有一个秋招期间烂大街的博客项目，而在春招期间，他换成了一个短链接项目。

秋招和春招的面试与Offer

秋招： 他参加了多个面试，但能拿到的中大厂后端面试仅有货拉拉（零星的一两个小厂就不提了）。

春招： 春招期间情况有所好转，他陆续拿到了汽车之家、树美科技、小黑盒和美团的面试机会。

相比秋招，春招确实多了很多机会，感觉一部分是因为项目更具吸引力了，而且他也积累了更多的经历。

秋招和春招的感悟

学历重要，但不是决定因素：
对于校招生来说，学历、实习经历、优秀的项目或开源经历确实是非常重要的。

但是，他自己的经历证明了，学历低并不完全意味着无法进入中大厂。

在秋招时，他看着周围的人不断拿到面试机会，而自己却机会渺茫，这让他极度焦虑。

然而，他没有放弃。

不断完善自己，抓住每个机会：
他在实习的同时，一边投递秋招的简历，一边学习八股算法，还忙着寻找耗时短但亮眼的项目。这一切都是因为他深知自身简历的劣势，无论是学历还是项目经历，均不占优势。

因此，他不断寻找机会去完善自己。

货拉拉给了他一个机会，他抓住了。

尽管那时候他的简历还很一般，使用的项目也是烂大街的博客项目，但他凭借毅力和勤奋成功获得了这次难得的机会。

提升自我，增加面试机会：
转到春招时，由于他完善了个人项目并且提前去货拉拉实习，丰富了履历，他的面试机会显著增加。

他拿到了美团和快手的面试机会，并最终选择了美团的offer。不得不说，马哥的短链项目在短时间内快速掌握并且有很多亮点，非常适合用来充实简历。

给24届校招生的建议

把握机会，提升自我：
虽然学历无法改变，但我们可以把握住各种机会。

没有面试机会不可怕，最可怕的是，当机会来临时没有好好把握。如果他在秋招时没有把握住货拉拉的机会，没有提前去实习增加履历，春招的机会可能也会少很多。

不断增加履历，提升自我：
我们要做的就是不断丰富自己的履历，不断提升自己。

当机会来临时，一定要抓住。这个网友的经历告诉我们，双非背景确实有可能进入大厂。关键在于如何利用每一个机会，如何通过不懈的努力去追求自己的目标。

总结一下，这个网友的分享证明，学历背景并不是决定你能否进入大厂的唯一因素。

通过努力、坚持和不断自我提升，每个人都有机会实现自己的职业梦想。

希望他的经验和建议能激励更多的24届校招生，让大家在求职路上更加坚定和自信。

如果你有任何问题或想法，欢迎在评论区和我讨论分享。

美团一面面经

面试官: 你好，先简单介绍一下你在实习经历中觉得最有价值的一个case吧。

求职者: 当然。我在实习期间参与了一个对CompletableFuture多线程接口进行优化的项目。这个项目的背景是我们在处理大量并发任务时，发现现有的多线程实现存在性能瓶颈和资源浪费的问题。我们希望通过使用CompletableFuture来优化多线程处理。

面试官: 那么，你们为什么选择使用CompletableFuture进行优化？它解决了哪些关键问题？

求职者:

背景：我们原先的多线程实现采用的是传统的Thread和ExecutorService，在处理大量并发任务时，出现了线程资源浪费和性能瓶颈的问题。
关键问题：
线程管理复杂：传统的线程管理需要手动控制线程的创建和销毁，容易导致资源浪费。
任务依赖：处理任务依赖关系复杂，手动管理任务之间的依赖关系容易出错。
阻塞：传统的多线程方法容易出现阻塞，降低了整体性能。

面试官: 使用CompletableFuture进行优化后，带来了哪些问题？使用它时需要注意哪些点？

求职者:

带来的问题：
调试难度增加：由于异步执行，调试和排查问题变得更加复杂。
异常处理复杂：异步任务中的异常处理需要特别注意，容易遗漏。
注意点：
线程池选择：需要合理选择和配置线程池，以避免线程资源的浪费和性能瓶颈。
任务依赖管理：需要特别注意任务之间的依赖关系，确保任务能够正确执行。
异常处理：需要在每个异步任务中进行适当的异常处理，避免异常传播影响整体流程。

面试官: 你们在使用CompletableFuture时，线程池是怎么考虑的？

求职者: 我们选择了ForkJoinPool作为默认的线程池，因为它能够更好地利用多核CPU资源。同时，我们也根据任务的具体需求，创建了自定义的ThreadPoolExecutor，用于处理一些特定的任务。

进程间通信

面试官: 看你是科班出身，我们聊聊进程间通信（IPC）吧。你能介绍一下进程间通信的方式吗？

求职者: 当然。进程间通信的方式主要有以下几种：

管道（Pipe）：用于父子进程之间的通信，单向传输。
命名管道（Named Pipe）：用于任意进程之间的通信，双向传输。
消息队列（Message Queue）：用于不同进程之间通过消息传递数据。
共享内存（Shared Memory）：多个进程共享同一块内存区域，速度快，但需要同步机制。
信号量（Semaphore）：用于进程间的同步，控制对共享资源的访问。
套接字（Socket）：用于不同主机之间的通信，也可以用于本地主机的进程间通信。

面试官: 那么从操作系统设计者的角度考虑，为什么需要设计这么多种进程间通信的方式？

求职者:

不同的应用场景：不同的通信方式适用于不同的应用场景。例如，管道适用于简单的父子进程通信，而共享内存适用于需要高效数据传输的场景。
性能需求：不同的通信方式在性能上有差异，共享内存速度快但复杂，而消息队列和信号量则相对简单但速度慢。
同步需求：有些通信方式如信号量和消息队列提供了同步机制，适用于需要严格同步的场景，而共享内存则需要额外的同步机制。
网络通信：套接字不仅适用于本地通信，还可以用于网络通信，具有广泛的应用范围。

TCP和UDP

面试官: 好的，我们再聊聊网络协议。TCP和UDP主要有什么差别？

求职者:

TCP（Transmission Control Protocol）：
连接型协议：在传输数据之前需要建立连接。
可靠性：提供可靠的数据传输，确保数据包按顺序到达，并且没有丢失。
流控制和拥塞控制：TCP具有流控制和拥塞控制机制。
应用场景：适用于需要可靠传输的应用，如HTTP、FTP、邮件等。
UDP（User Datagram Protocol）：
无连接协议：无需建立连接，直接传输数据包。
不可靠：不保证数据包的顺序和完整性，可能会丢失或重复。
低开销：由于没有连接建立和维护，传输效率高。
应用场景：适用于对实时性要求高但不要求可靠传输的应用，如视频流、在线游戏、DNS等。

面试官: 那么，怎么基于UDP实现一个可靠的通信协议？

求职者: 可以基于UDP实现一个可靠的通信协议，以下是一些关键点：

序列号：为每个数据包分配一个序列号，接收方可以根据序列号重组数据包，并检测丢失的数据包。
确认机制：接收方在接收到数据包后发送确认（ACK）给发送方，发送方在超时未收到确认时重新发送数据包。
重传机制：发送方在超时未收到确认时，重新发送数据包。
流控制：根据接收方的处理能力，调整发送数据包的速率，避免接收方过载。
拥塞控制：通过检测网络拥塞情况，动态调整发送速率，避免网络拥塞。

线程安全的单例模式

面试官: 请写一个线程安全的单例模式，需要使用final、private构造函数、volatile和双重检查。

求职者: 这是一个使用Java实现的线程安全单例模式示例：

public class Singleton {private static volatile Singleton instance;private Singleton() {// 私有构造函数，防止外部实例化}public static Singleton getInstance() {if (instance == null) {synchronized (Singleton.class) {if (instance == null) {instance = new Singleton();}}}return instance;}
}

解释：

volatile：确保多线程环境下的可见性，防止指令重排序。
private构造函数：防止外部实例化。
双重检查：在同步代码块内外都进行检查，以提高性能。

数据库隔离级别

面试官: 你了解数据库隔离级别吗？

求职者: 了解。数据库的隔离级别决定了事务之间的隔离程度，共有四种常见的隔离级别：

读未提交（Read Uncommitted）：最低的隔离级别，允许读取未提交的数据，可能会导致脏读。
读已提交（Read Committed）：只允许读取已提交的数据，避免脏读，但可能会出现不可重复读。
可重复读（Repeatable Read）：在一个事务内多次读取相同数据时，结果是一样的，避免不可重复读，但可能会出现幻读。
可序列化（Serializable）：最高的隔离级别，完全隔离事务，避免幻读，但性能开销最大。

联合索引

面试官: 联合索引在不满足最左匹配原则时为什么会失效？

求职者: 联合索引在不满足最左匹配原则时会失效，这是因为数据库在创建联合索引时，是按照索引列的顺序进行排序的。只有按照最左前缀顺序查询时，才能有效利用索引。如果查询条件不包含最左边的列，数据库无法利用索引的排序信息，导致索引失效，退化为全表扫描。

算法题

面试官: 最后我们来做一道算法题。一个变形的二分查找，做法是根据mid所处的下标奇数偶数决定是去mid-1还是mid+1。你可以试着写一下代码吗？

求职者:当然，我们继续。

求职者: 好的，我来写一下这个变形的二分查找的代码。假设我们有一个已经部分排序的数组，并且我们需要根据mid的位置是奇数还是偶数来决定下一步的搜索方向。

public class Solution {public int modifiedBinarySearch(int[] nums, int target) {int left = 0;int right = nums.length - 1;while (left <= right) {int mid = left + (right - left) / 2;if (nums[mid] == target) {return mid;}if (mid % 2 == 0) {  // 如果mid是偶数if (nums[mid] < target) {left = mid + 1;} else {right = mid - 1;}} else {  // 如果mid是奇数if (nums[mid] < target) {right = mid - 1;} else {left = mid + 1;}}}return -1;  // 如果没找到，返回-1}
}