阿里研究员毕玄:又是一年校招季,我是这样考察学生的

简介: 毕玄,阿里巴巴研究员,平台架构部负责人,淘宝服务框架(HSF)作者,异地多活项目负责人,目前致力于资源统一管理调度系统建设。又一年的校招进行中,近来面试了一些学生,分享一些感受,希望对学生们有些帮助。

对于学生而言,相对而言实际的工作经验或者说工程经验会有些差距,因此就我而言,我主要考察的会是技术基础和技术兴趣这两点,进阶的话我会考察在专业研究方向(通常像硕士、博士都会有专门的研究方向)上达到的高度。


技术基础

技术基础要考察的具体的知识点,我在面试前会通过读学生的简历(所以简历非常重要)来决定,一般来说就是就所做过的项目,读过的书来决定要问的知识点,举几个例子来说明下。


例子一

简历里写了写过一些多线程的程序,或者是看过一些并发领域的书,这种情况下通常我会问多线程中的一些更具体的知识点:线程池实现的细节、降低高并发程序锁竞争的方法等;


例子二

简历里写了写过一些网络通信程序,这种情况下通常我会问Blocking-IO,NonBlocking-IO、AIO的不同;连接池、短连接、长连接、连接复用的不同;C10K的难度等;


例子三

简历里写了做过一些Java Web应用的开发,这种情况下通常我会问在这个Java Web应用中用到的框架的知识点,例如Spring的话IoC,AOP的实现原理是什么,或者实在不知道的话可以考虑如果自己要做的话怎么实现等;


例子四

简历里写了对JVM有学习,或者通过JVM参数调优Java程序,这种情况下通常我会问学习的JVM点:JIT、GC、参数的具体作用和对应的背后的原理等;


在上面这些技术基础的知识点的考察中,会设计问的问题逐步越来越深,试探学生在这个知识点上掌握到到了什么程度。


专业研究方向

硕士、博士都会有专门的研究方向,我通常会问研究的方向是什么,涉及到的知识点,研究的方向在业界目前的一些东西的状况等,例如研究方向是弹性资源调度,我会问Mesos、Borg这些事怎么做的;


前面两部分都过关后,我会开始考察技术兴趣。


技术兴趣

技术兴趣这个看起来好像很难考察,但我觉得其实是可以体现出来的,例如前面技术基础中考察的用到的东西的背后的知识点,在这个点上我通常还会问其他几个问题。


对项目中用到的东西背后的知识点在项目后一直继续研究的知识点?


有做过什么非项目/非老师授命的技术的东西,为什么做?


有过不吃饭、通宵做过的什么事情的经历,是什么事?(我始终认为一个对技术极度有兴趣的人,一定都会有不吃饭或通宵写代码的经历)


总结

对于我而言,技术兴趣会是我要求的学生的基本点,没有兴趣的话基本上我不会招,不过这点其实是相辅相成的,没有兴趣还能把技术基础做到非常好的人其实很少;在技术兴趣的基础上,技术基础扎实的话基本上就可以招了,在某个专业点上做到了广阔的视野,较深的研究的话我基本上就会列为努力吸引招进来的人才,如果还刚好是对口的专业点,那就要列为必须努力吸引招进来的人才。


从经历的面试来看,很多学生都会在技术基础这点考察上闯关失败,这里我认为多数是因为对技术的兴趣导致,另外一个原因是学习方法,在如今这么发达的信息传播和分享时代,我认为只要擅长用Google,基本就可以学的还不错,还有就是多写代码练手,很多学生会认为没有实际的场景,没法练,这个其实还是取决于自己,例如想学习写通信程序的,完全可以自己写一个,然后压测,同时对比业界一些成熟的开源的,进而翻代码去学习为什么自己写的不如开源的,又例如想学习写高并发程序,也可以自己写,不断的增加复杂度,做压力测试来不断优化提升自己写的程序的并发能力。

相关文章
|
云安全 人工智能 安全
阿里云欧阳欣:AI时代下的安全新范式
2024 云栖大会技术主论坛重磅发布
2160 5
阿里云欧阳欣:AI时代下的安全新范式
|
3月前
|
人工智能 自然语言处理 JavaScript
告别API参数解析!一句话查12306火车票,这个开源项目做到了
本文介绍如何用IntentOrch+MCP 5分钟搭建智能出行助手:仅需3步配置,一句自然语言(如“查4月15日京沪高铁票”),AI自动解析意图、调用12306 MCP服务,返回结构化车次表——零规则、零硬编码,真正实现“说即所得”。
546 17
|
9月前
|
存储 人工智能 专有云
云栖政企速递|飞天企业版“双I”战略正式发布,开启专有云智能化与国际化新篇章
2025年9月25日,在杭州云栖大会“专有云智能化与国际化论坛”上,阿里云正式发布面向未来十年的飞天企业版“双I”战略——以AI(智能化)为技术方向,International(国际化)为市场方向,全面推动专有云“智能化升级”与“全球化拓展”的双重跃迁。
1303 0
|
9月前
|
机器学习/深度学习 人工智能 自然语言处理
41_涌现能力:从zero-shot到in-context学习
在人工智能领域,2022年以来,大语言模型(LLM)展现出的一系列惊人能力引发了广泛关注。其中最令人着迷的现象之一,就是**涌现能力**(Emergent Abilities)——当模型规模超过某个临界点时,突然表现出的在小模型中不存在的新能力。这种量变引发质变的神奇现象,彻底改变了我们对AI发展路径的认知。从最初只能进行简单文本生成的模型,到如今能够理解复杂指令、执行多步推理、甚至在未经过专门训练的任务上表现出色的AI系统,大语言模型正逐步逼近人类级别的认知能力。
1077 2
|
9月前
|
机器学习/深度学习 自然语言处理 监控
23_Transformer架构详解:从原理到PyTorch实现
Transformer架构自2017年Google发表的论文《Attention Is All You Need》中提出以来,彻底改变了深度学习特别是自然语言处理领域的格局。在短短几年内,Transformer已成为几乎所有现代大型语言模型(LLM)的基础架构,包括BERT、GPT系列、T5等革命性模型。与传统的RNN和LSTM相比,Transformer通过自注意力机制实现了并行化训练,极大提高了模型的训练效率和性能。
2104 0
|
机器学习/深度学习 人工智能 数据库
飞天技术观|大模型时代,从软件工程到打通行业智能的“最后一公里”
与以往基于白盒化的软件工程范式相比,大模型能够成为新范式,提供真正的智能化引擎,从而使业务应用更高效和智能性。在这种模式下,阿里云将自身定位成大模型时代的算力服务提供者,希望能够为千行百业打通业务智能化的“最后一公里”。
1493 2
|
消息中间件 人工智能 前端开发
为什么线下面试越来越流行了?
为什么线下面试越来越流行了?
584 1
为什么线下面试越来越流行了?
|
人工智能 自然语言处理 机器人
对话阿里云CIO蒋林泉:AI时代,企业如何做好智能化系统建设?
10月18日, InfoQ《C 位面对面》栏目邀请到阿里云CIO及aliyun.com负责人蒋林泉(花名:雁杨),就AI时代企业CIO的角色转变、企业智能化转型路径、AI落地实践与人才培养等主题展开了讨论。
|
关系型数据库 持续交付 数据库
简化多容器应用部署:深入理解 Docker Compose
简化多容器应用部署:深入理解 Docker Compose
1582 0
|
负载均衡 监控 Cloud Native
阿里云祝顺民:构筑万物互联的智能云网络
近日,在第六届未来网络大会上,阿里云祝顺民与中国工程学院院士及多位运营商专家共同探讨云网融合的发展现状和面向云原生网络的趋势。
1594 0
阿里云祝顺民:构筑万物互联的智能云网络