二本院校学弟大二开始实习,大三收割阿里、腾讯实习offer

本文涉及的产品
云数据库 Tair(兼容Redis),内存型 2GB
Redis 开源版,标准版 2GB
推荐场景:
搭建游戏排行榜
简介: 二本院校学弟大二开始实习,大三收割阿里、腾讯实习offer

今天介绍的是学校的直系学弟,二本独立院校软工专业,他大一的时候从学校贴吧上加的我,我给他规划了一些路线,让他大二早点去实习,走我的路子,这样之后有进大厂的筹码。在这次春季实习招聘中,他先拿了厦门大部分公司的offer,后来也通过阿里和腾讯的后台面试。



image.png



自我介绍


福建某二本学院(省外三本),是峰哥的学弟,软件工程大三学生。
学校算是在投递大厂的应届生中属于垫底的。我从大一就有一个大厂梦,周围的人都劝我考研,有更好的学历,才更有机会进大厂,无奈本人对考试实在没有天赋,又由于考研的“背水一战”的性质,我就想直接冲击大厂,功夫不负有心人,最终拿到了阿里和腾讯的Offer。 

学习过程


大一暑假的时候,想要称有大块的时间自学编程,但是苦于没有门路,于是就上学校的贴吧,想看看有没有关于编程的协会社团啥的,幸运地,我找到了学长峰哥。于是加了峰哥学长的微信,吓我一跳,我们这个学校还有这么优秀的人(我没想过我们学校还有人能拿大厂offer的),于是就请教了峰哥如何学习。
在峰哥的指导下,我开始了我的学习之路,但是,除此之外,我觉得对我的帮助更大的是:激励了我,让我了解到了,我们学校的学生有机会进大厂的,这给了我不少鼓励
就这样我学了一学期的JavaSE来到了大二的寒假,并且又迎来了一个新冠疫情,我意识到,这是一个提升自我的好时机,于是我又找到了峰哥,说明了我的基本情况,峰哥就给了一些资料,让我开始了相关项目的学习。

在大二暑假将近的时候,通过峰哥经历(小厂实习 -> 大厂实习 -> 大厂)的这么一个过程,我于是开始在BOSS直聘上开始了实习简历的投递,当然也收到了不少拒绝,大部分原因都是不收大二的实习生,最终还是一些公司给了机会,最终拿到了一家老牌软件公司的Offer。

暑假实习过后,又回到了学校,我就开始着手准备大厂的面试内容,从JVM、多并发、MySQL、Redis入手,也看了一些教程和一些书籍,期间还将之前的项目进行了一些包装,总而言之就是丰富简历的一个过程。
一个学期下来,来到了大三的寒假,我看到了阿里提前批的开始,就想试一试,反正不进系统,于是投出了第一份大厂简历,面试挂在了二面,于是我又陆续投了几个阿里部门,也均挂在了一二面。
3月份之后,许多大厂陆续开始了春季实习生招聘,我投递了许多知名企业(阿里、腾讯、网易、360、小米等),也投递了厦门的一些公司,投递小公司的作用是用来练练面试的感觉。
不得不说学历低还是有些不足的地方,许多中厂不给面试机会,小米、网易的一些部门将我的简历筛选掉了。但还好因为我有实习经历,也能拿到一些大厂的面试,最终拿了阿里和腾讯的offer。
在准备春招的这一个寒假到拿到offer,我的心态从一开始的自信满满地开始简历的投递,到后来的自我怀疑,再到后来的平常心,拿到offer都已经没了那种小时候考100分那么激动了,所以不管是学习还是生活,只要保持一颗平常心就好。但行好事,莫问前程。 

面试过程


阿里一面

• redis提升访问效率是怎么做的?如何做的redis分页?如何使用Disruptor优化的?• 根据项目问秒杀系统的设计?• 最终一致性入库的怎么做的,如果在此期间数据丢失了怎么办?• 如何防止使用脚本秒杀?如何进行JVM调优的?说一说ThreadLocal的原理。平时使用过吗?• ThreadLocal与线程池一起使用可能发生的问题?垃圾回收器G1和CMS的区别。• HashMap的数据结构是什么样的?• 为什么会去了解分布式一致性算法,有没有在什么场景使用过?• 一道算法题:129. 求根到叶子节点数字之和 

阿里二面

你的项目是如何使用redis进行优化的?你是如何进行JVM调优的?• JDK自带的两个调优工具是什么?了解arthas吗?• arthas为什么适合线上调优使用?(class字节码动态加载)• 分布式缓存项目如何进行磁盘持久化的?• 写这个项目的初衷?为什么要写这个项目?• JVM内存模型?• 堆区的结构?(各种垃圾回收器有不同的实现)• ZGC是哪个版本出现的?• JDK8默认垃圾回收器?• G1为什么要给region设置分代?• redis的数据结构有哪些?• redis的底层数据结构?• redis的AOF和RDB的优缺点?应用场景?如何理解Spring的IOC?使用过AOP吗?应用场景。• 数据库的隔离级别?• 数据库常见引擎和应用场景?• InnoDB和MyiSAM之间的区别?• 索引的底层数据结构?• B树和B+树的区别?为什么要使用B+树?二叉搜索树中找第K个元素。假设有n个人,3个人轮流报数,每次淘汰喊3的人,最后的那个人是序号多少的?

阿里三面

• 实习的工作• 说一下你最大的3个优点• 用一个词形容一下自己• 对未来有什么规划• 成绩怎么样

腾讯一面

• jvm运行时内存 堆栈 类加载 native方法• hashmap 扩容 hash优化 1.7 1.8 为什么8转红黑树put get 链表、红黑树的复杂度比较• jvm内存泄露 OOM 可以分配多少内存• threadlocal key为什么弱引用垃圾回收算法]优缺点虚拟内存页式存储进程线程快表• tcp可靠传输 流量控制 拥塞控制 ARQ 首部有哪些 多少个字节 udp首部三挥四握为什么是3次握手排序算法了解嘛• 2的32次方等于多少GB链表和数组区别怎么判断对象是否已死GC可达性分析

腾讯二面

• 如何实现服务发现• Redis的各种数据结构的底层实现口述LRU、LFU• Redis的IO模型。如何理解Redis6.0的多线程?• 如何设计一个分布式链路追踪的日志系统。• 你的学习方式?• 最近看过什么书?哪个地方记忆最深刻,讲一下。

腾讯三面

• 实习的工作• 遇到最有挑战的事• 最大的优点和缺点• 对未来的规划• 学校和成绩,排名• 大学给你带来的成长
 

学习心得


1.要学会自己思考和利用搜索引擎解决问题;
2.学习的心态很重要,胜不骄败不馁,保持一颗平常心。
3.学习方向很重要,定好目标,了解达成目标所需的条件,防止做了大量的无用功;
4.平时学习的过程多总结,多写博客,可以锻炼自己的表达能力,与增强知识的吸收;
5.每次面试都是一次锻炼自己的过程,要把握好每一次机会,多总结每次面试的不足的地方,然后加以补充;
6.对于学历不好的同学,要多向身边的大佬进行请教,减少一些信息差。在我们学校,我就没听人说过春季实习和秋招,另外就是要早点实习,给自己增加一些进大厂的筹码。

--end--


相关文章
|
Java
【IntelliJ IDEA】中文乱码问题 ( 代码乱码 | 编译乱码 | 控制台乱码 )
【IntelliJ IDEA】中文乱码问题 ( 代码乱码 | 编译乱码 | 控制台乱码 )
2425 0
【IntelliJ IDEA】中文乱码问题 ( 代码乱码 | 编译乱码 | 控制台乱码 )
|
算法 C++ 索引
【算法】——全排列算法讲解
【算法】——全排列算法讲解
644 0
|
敏捷开发 Devops 测试技术
构建软件质量保障体系
构建软件质量保障体系
572 0
|
6月前
|
Ubuntu 安全 Linux
ubuntu2404 Server扩展PV
通过以上步骤,你可以成功扩展Ubuntu 24.04 Server上的物理卷。该过程包括创建新分区、将其添加到现有PV、扩展逻辑卷和相应的文件系统。扩展完成后,服务器将能够使用新增的存储空间,确保系统运行更加高效和稳定。
283 77
|
8月前
|
XML Java 数据库连接
Mybatis一对一,一对多关联查询
## MyBatis一对一、一对多关联查询详解 MyBatis是一款优秀的持久层框架,提供了灵活的SQL映射功能,支持复杂的数据库操作。本文将详细介绍MyBatis中一对一和一对多关联查询的实现。 ### 一对一关联查询 一对一关联关系指的是一个表中的一条记录与另一个表中的一条记录相关联。例如,一个用户有一个地址信息。 #### 数据库表设计 假设有两个表:`user`和 `address`。 ``` CREATE TABLE user ( id INT PRIMARY KEY, name VARCHAR(50) ); CREATE TABLE address
213 18
|
10月前
|
前端开发 JavaScript 开发者
掌握 CSS 弹性布局(Flexbox):构建复杂页面布局的高效秘籍与实战案例
CSS弹性布局(Flexbox)是现代网页设计中构建复杂页面布局的高效工具。本文将深入浅出地介绍Flexbox的核心概念、使用技巧及实际应用案例,帮助读者快速掌握这一强大布局方法。
|
存储 并行计算 数据处理
使用GPU 加速 Polars:高效解决大规模数据问题
Polars 最新开发了 GPU 加速执行引擎,支持对超过 100GB 的数据进行交互式操作。本文详细介绍了 Polars 中 DataFrame(DF)的概念及其操作,包括筛选、数学运算和聚合函数等。Polars 提供了“急切”和“惰性”两种执行模式,后者通过延迟计算实现性能优化。启用 GPU 加速后,只需指定 GPU 作为执行引擎即可大幅提升处理速度。实验表明,GPU 加速比 CPU 上的懒惰执行快 74.78%,比急切执行快 77.38%。Polars 的查询优化器智能管理 CPU 和 GPU 之间的数据传输,简化了 GPU 数据处理。这一技术为大规模数据集处理带来了显著的性能提升。
524 4
|
11月前
|
Kubernetes Cloud Native 云计算
云原生之旅:构建你的第一个容器化应用
【8月更文挑战第75天】在数字化浪潮中,云原生技术成为推动企业创新和效率提升的关键动力。本篇文章将引导你开启云原生之旅,通过一个简易的步骤指南,帮助你构建并部署第一个容器化应用。我们将一起探索Docker容器的魅力,以及如何利用Kubernetes进行集群管理,实现服务的自动化部署、扩展和管理。无论你是云原生新手还是希望深化理解,这篇文章都将为你提供实践操作的启示和深入思考的契机。
|
机器学习/深度学习 编解码 算法
超分辨率相关的开源项目
该文档介绍了多种超分辨率模型及其GitHub项目地址,包括Real-ESRGAN(优化真实图片质量)、RCAN(基于残差结构与通道注意力机制)、SwinIR(基于Swin Transformer的图像恢复)、FSRCNN(轻量级快速超分辨率)、EDSR(增强型深度残差网络)、SRGAN(利用GAN的超分辨率模型)及LapSRN(多级Laplacian金字塔超分辨率)。
|
存储 弹性计算 固态存储
阿里云服务器配置选择指南,2024年全解析
阿里云服务器配置选择涉及CPU、内存、带宽和磁盘。个人开发者或中小企业推荐使用轻量应用服务器或ECS经济型实例,如2核2G3M配置,适合网站和轻量应用。企业用户则应选择企业级独享型ECS,如计算型c7、通用型g7,至少2核4G起,带宽建议5M,系统盘考虑SSD云盘或ESSD云盘以保证性能。阿里云提供了多种实例类型和配置,用户需根据实际需求进行选择。
1649 0