Java后端模拟面试 题集④

news2024/10/6 0:25:54

1.你先作个自我介绍吧

面试官您好,我叫张睿超,来自湖南长沙,大学毕业于湖南农业大学,是一名智能科学与技术专业的统招一本本科生。今天主要过来面试贵公司的Java后端开发工程师岗位。

大学里面主修的课程是Java、Python、数字图像处理、JavaEE。

大学期间,英语获得6级460分,参加过华为云的比赛,获得了全国高校绿色计算系列大赛团体三等奖。

我熟悉的技术栈在简历上都写了,我自己认为自己的亮点在以下几点:能进行简单的JVM调优;有实际处理高并发问题的经验;熟悉MySQL的操作,了解数据库调优原理;熟悉Linux的基本操作。

我自学C#两周、听学校讲解Python的Django框架2周,都写出了简单的项目;半年时间研究出了一个图像加密算法,并发表为了毕业论文。Java学习了一个学期、自学了2个月,之后在校企合作的项目中做出了这两个Java项目。

领导过小组作出Django框架的项目,参与过校企合作的两个Java项目。

了解到贵公司的业务需求偏向于xxx,我正好擅长xxx,所以我来应聘贵公司的Java开发岗位。

(或者衔接)

了解到贵公司的业务需求偏向于xxx,我最近做了一个xx项目,正好做了xxx,您看需不需要作一个简单的项目介绍。

2.你说一下这个IoC和AOP

IoC:(Inverse of Control)控制反转,也叫DI依赖注入,指的是将对象的创建权交给 Spring 容器去创建。(然后举例轮子和汽车)

其实,IoC有很多种方式。不仅是Spring技术中最常用的Bean注入,还有构造方法、Setter方法实现。

AOP:(Aspect Oriented Programming)面向切面编程,能增强Spring中具体业务的功能,能实现鉴权或公共字段填充的业务。

动态代理主要有两种方式,JDK动态代理和CGLIB动态代理。

SpringMVC用的三级缓存而不是二级缓存,其中原因之一就是方便使用AOP。

关于SpringMVC使用三级缓存,我这里可以给你讲一下,……

关于我们用AOP做的公共字段填充,我这里可以给你讲一下,……

3.JWT了解过吗,有用过吗

了解的,有用过。

JWT就是JSON Web Token,是继Cookie、Session之后一个比较好用的身份验证技术。

Cookie是HTTP协议支持的技术,这是它的优点。

但它的缺点也很明显,它不支持移动端APP,比如Android、IOS;第二点是它不安全,用户自己可以禁用Cookie;第三点是它不能跨域。

Session则是基于Cookie的服务器会话跟踪技术,优点是存储在服务端,安全。

缺点也很明显,因为是基于Cookie的,Cookie自带的毛病它都有:移动端APP不能用、用户自己可以禁用、不能跨域;除此以外,搭建了集群的服务器它也无法使用;它还占用服务器内存。

而企业常用的JWT技术则完美解决了上述的问题。PC端、移动端,它都行;集群中,它也能用;不需要服务器存储,不给服务器带来存储压力。

如果要说它有什么缺点,那就是需要自己实现吧。

那么怎么实现呢?我们这样把JWT加入我们的登录流程:

首先浏览器中访问登录界面,校验用户登录成功后,我们后端就生成一个JWT令牌,并将这个JWT令牌返回给前端。

前端拿到JWT令牌后存起来,后续的请求的请求头都带上这个。

然后后端统一拦截就检查这个JWT,就完成了校验。

JWT令牌包括三部分:

Header头,记录令牌类型、签名算法等。 例如:{"alg":"HS256","type":"JWT"}

Payload有效载荷,携带一些自定义信息、默认信息等。 例如:{"id":"1","username":"Tom"}

Signature签名,防止Token被篡改、确保安全性。将header、payload,加入指定秘钥,通过指定签名算法计算而来。

4.es用过吗,你们是怎么用到的

我们用到了es,在我的外卖项目中,为了提供商家搜索的功能,我们设计了es的搜索流程。

首先,基本的搜索接口4方面分别是,请求方式POST,请求路径为/shopSearch/list,请求参数有关键词、页数、分页大小、排序方式,返回值为页面结果类。

首先定义好Controller;

然后准备设置好ES官方提供的Java语言客户端,Java HighLevel Rest Client,在启动类中创建一个对应Bean,初始化时传入ES客户端的ip地址;

最后写业务处理Service层。

  1. 首先准备请求Request
  2. 然后准备DSL,包括query和请求分页
  3. 第三步发送请求
  4. 第四步进行解析

解析的具体流程是:

  1. 对响应response.getHits()初步解析
  2. getTotalHits().value获取总条数
  3. 再getHits()获取文档数组
  4. 开始遍历,getSourcceAsString()获取文档source
  5. 然后反序列化parseObject
  6. 最后放入集合
  7. 最后的最后封装返回

然后,我们扩展基础搜索,加上过滤条件,比如在排序上,可以综合排序、销量优先、速度优先等;在优惠活动中,可以选择一些日常举办的活动;还有选择价格的范围等。

明确了业务之后,我们做具体的代码工作:

  1. 我们对对应传参的实体类进行修改,增加这些字段的选项
  2. 然后在业务逻辑,即service层中,在准备DSL的阶段增加绑定查询字段的步骤。
    1. 首先构建BoolQueryBuilder bool = new ~;
    2. 然后添加过滤条件:
      1. 分别判断传入的实体类中过滤参数不为空,比如优惠活动 params.getEvent()!=null && !params.getEvent().equals("");
      2. 一旦不为空,就对构建的BoolQueryBuilder进行过滤条件的构建,即bool.filter(QueryBuilders.termQuery("event", params.getEvent());
      3. 至于价格过滤,filter中的参数是这样的:QueryBuilders.rangeQuery("price").gte(params.getMinPrice()).lte(params.getMaxPrice())
    3. 最后放入查询请求的source中, request.source().query(bool);

第二个扩展是添加根据地理位置选择就近的餐馆。

这个在请求和响应中分别添加排序的操作就可以。

第三个扩展是添加店家竞价排名。

我们用function_score查询实现,它包括了3个方面要确定:

  1. 过滤条件:查询出符合条件的,进一步进行分数计算。
  2. 算分函数:计算出来分数,以便进行比较。包括
    1. weight使用权重
    2. random_score计算随机数
    3. field_value_factor以文档中的某个字段值作为函数结果
    4. script_score自定义算分函数算法
  3. 运算模式:计算的分数和原始值,原始值是根据词频等计算出的,进行操作,得到最终结果。包括
    1. multiply:相乘
    2. replace:用function score替换query score
    3. 其它,例如:sum、avg、max、min

我们这里确定的三个方面是:

  1.  过滤条件:添加isAD字段,为true则进行加权计算
  2. 算分函数:weight
  3. 运算模式:默认的multiply

代码层面的改动,

  1. 首先在实体类中添加isAD字段
  2. 然后在DSL中绑定过滤条件时,添加算分,即
    FunctionScoreQueryBuilder functionScoreQuery =
            QueryBuilders.functionScoreQuery(
            // 原始查询,相关性算分的查询
            boolQuery,
            // function score的数组
            new FunctionScoreQueryBuilder.FilterFunctionBuilder[]{
                // 其中的一个function score 元素
                new FunctionScoreQueryBuilder.FilterFunctionBuilder(
                    // 过滤条件
                    QueryBuilders.termQuery("isAD", true),
                    // 算分函数
                    ScoreFunctionBuilders.weightFactorFunction(10)
                )
            });
  3.  最后suorce的不是bool,而是包装号的function的。

5.Neo4j数据库是怎么存数据的,里面有什么类型的节点,什么类型的路线

我们节点存的是机构,分为三种标签:一级转运中心、二级转运中心和节点。

节点的属性包括:Neo4j自带的id、业务id、名称、电话、地址、坐标等。

关系存的是路线,属性包括自带id和成本。

6.你说查询最短路线和成本最低路线,Neo4j查询语言是什么样的

Neo4j语句:

查询最短

MATCH path = shortestPath((start:AGENCY) -[*..10]-> (end:AGENCY))
    WHERE start.bid = 123123 AND end.bid = 123456
    RETURN path

查询成本最低

MATCH path = (start:AGENCY) -[*..10]->(end:AGENCY)
    WHERE start.bid = 123123 AND end.bid = 123456
    UNWIND relationships(path) AS r
    WITH sum(r.cost) AS cost, path
    RETURN path ORDER BY cost ASC, LENGTH(path) ASC LIMIT 1

Java语句:

查询最短

  1. 获取网点的类型
  2. 构造查询语句
  3. 执行查询
    1. 设置参数
    2. 设置响应数据类型
    3. 对结果进行封装处理
      1. 读取节点数据,进入stream流
        1. 取第一个标签作为类型
        2. 封装好经纬度数据
    @Override
    public TransportLineNodeDTO findShortestPath(AgencyEntity start, AgencyEntity end) {
        //获取网点数据在Neo4j中的类型
        String type = AgencyEntity.class.getAnnotation(Node.class).value()[0];
        //构造查询语句
        String cypherQuery = StrUtil.format("MATCH path = shortestPath((start:{}) -[*..10]-> (end:{}))\n" +
                "WHERE start.bid = $startId AND end.bid = $endId \n" +
                "RETURN path", type, type);

        //执行查询
        Optional<TransportLineNodeDTO> optional = this.neo4jClient.query(cypherQuery)
                .bind(start.getBid()).to("startId") //设置参数
                .bind(end.getBid()).to("endId")//设置参数
                .fetchAs(TransportLineNodeDTO.class) //设置响应数据类型
                .mappedBy((typeSystem, record) -> { //对结果进行封装处理
                    PathValue pathValue = (PathValue) record.get(0);
                    Path path = pathValue.asPath();
                    TransportLineNodeDTO dto = new TransportLineNodeDTO();
                    // 读取节点数据
                    List<OrganDTO> nodeList = StreamUtil.of(path.nodes())
                            .map(node -> {
                                Map<String, Object> map = node.asMap();
                                OrganDTO organDTO = BeanUtil.toBeanIgnoreError(map, OrganDTO.class);
                                //取第一个标签作为类型
                                OrganTypeEnum organTypeEnum = OrganTypeEnum.valueOf(CollUtil.getFirst(node.labels()));
                                organDTO.setType(organTypeEnum.getCode());
                                //查询出来的数据,x:经度,y:纬度
                                organDTO.setLatitude(BeanUtil.getProperty(map.get("location"), "y"));
                                organDTO.setLongitude(BeanUtil.getProperty(map.get("location"), "x"));
                                return organDTO;
                            })
                            .collect(Collectors.toList());
                    dto.setNodeList(nodeList);

                    //提取关系中的 cost 数据,进行求和计算,算出该路线的总成本
                    double cost = StreamUtil.of(path.relationships())
                            .mapToDouble(relationship -> {
                                Map<String, Object> objectMap = relationship.asMap();
                                return Convert.toDouble(objectMap.get("cost"), 0d);
                            }).sum();
                    dto.setCost(cost);

                    //取2位小数
                    dto.setCost(NumberUtil.round(dto.getCost(), 2).doubleValue());
                    return dto;
                }).one();

        return optional.orElse(null);
    }

查询成本最优,略

7.你的项目是前端后端都有吗,前端有什么了解

前端我学过HTML、CSS、JS的基础,接触过一些Vue、Ajax的算法,了解最新的技术中有饿了么开发的ElementUI等。

8.你的整型数据预测,这个是做的什么预测

这个做的是拨叉整型数据的预测。拨叉是汽车上的一个零件,像一把只有两个头的叉子。从塑型的机器中做出来的初始拨叉形状精度还达不到,需要二次整型。其中,机器的参数就是我们的输入,整型的形变量就是我们的输出。我们用已经测好的数据作为训练集样本,以期预测输入参数后的形变量。

9.我看你还做了个人脸识别,是自己做的吗

是我们组做的,我是组长,负责其他模块,对这个人脸识别了解一点。

这个人脸识别调用的是训练好的模型,用opencv做的。我还记得组员解决不了,我找到了源码给他们看,他们自己看完后就完成进度了。

10.核函数了解吗

了解。它是一种数学函数,能将高维数据经过它数学函数的计算降成低维结果。

核函数有很多应用场景,其中之一就是替代SVM(支持向量机)中计算距离的函数,方便对数据分类。

11.SVM用什么核函数知道吗

一般有线性核,除此之外还有高斯核、高斯径向基函数、Sigmoid核等。

12.论文的创新点是什么

我结合了该领域的两种主流思想,位图标记与位图嵌入,并运用在经典算法中,实现了嵌入秘密信息的能力上的进步。

13.Java的基本数据类型有哪些

四类八种。

巴拉巴拉

14.说一下==和equals的区别

  • “==”是运算符,如果是基本数据类型,则比较存储的值;如果是引用数据类型,则比较所指向对象的地址值
  • equals是Object的方法,比较的是所指向的对象的地址值,一般情况下,重写之后比较的是对象的值

 (摘自详解“==”和equals的区别)

15.Spring的配置文件有几种

3种。properties、yml和yaml。优先级顺序是:

properties>yml>yaml

此外,还有两种设置参数的方式,

一种是Java系统属性配置,格式为:-Dkey=value,这个开发人员偶尔用。例如:

-Dserver.port=9000

还有一种是命令行参数,格式为:--key=value,这个测试人员经常用。例如:

--server.port=10010

 总结,有3种配置文件。

此外,这三种配置文件,加上5种设置参数方式,优先级如下(从低到高):

  • application.yaml(忽略)
  • application.yml (企业实用)
  • application.properties
  • java系统属性(-Dxxx=xxx)
  • 命令行参数(--xxx=xxx)(测试人员实用)

16.StringBuilder和StringBuffer有什么区别,效率的比较呢

StringBuilder是线程不安全的,效率比后者快;

StringBuffer是线程安全的,效率比前者慢;

对字符串拼接操作时,都比String快。

17.Linux想要获取当前文件夹的路径怎么办

pwd

18.有没有做项目的部署,部署过哪些项目

我们用Docker做项目的部署。

Docker是一个容器管理工具,它能将某一个组件,比如MySQL,需要运行的环境单独封装,在Linux上跑,这样就能方便地部署与使用。

首先安装Docker,镜像源之类的就不说了,直接

yum install -y docker-ce

关闭防火墙,systemctl start docker启动,docker -v查看版本,没问题就装好了。

然后是拉取镜像,比如拉取mysql,直接

docker pull mysql:latest

19.Python的Pytest框架你有了解吗

20.写过接口服务吗,后端和前端怎么交互的

写过。

前端呈现页面,用户通过浏览器操作页面,不同的操作发送HTTP请求给后端服务器,服务器对这些请求作出反应,处理业务,并查找数据库,返回响应结果给前端。

21.数据库有用过什么

有。有用过关系型数据库MySQL、非关系型数据库MongoDB、Neo4j等。

22.MySQL分类查询怎么查询

group by

23.如果我想复制一张表,该怎么写,如果我要删除/创建呢

复制:

create table 表1 select * from 表2

删除:

drop table 表1

创建:

create table 表1 if not exists

24.写过比较复杂的查询吗,复杂查询是什么样子的

写过。复杂查询通常涉及多表,需要灵活运用内外连接。比如两个表table1、table2,连接的字段为id,则写为如下:

select * from table1 as t1 inner join table2 as t2 on t1.id = t2.id where 条件1, 条件2

25.我们这里前后端不分离,你能写吗

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1120356.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

AD20 ~PCB封装库的制作

1、打开“51单片机最小系统”的工程文件。 2、创建PCB库文件&#xff1a;单击“文件”菜单&#xff0c;选择“新的”选项中的“库”选项&#xff0c;再选择“PCB 元件库”&#xff0c;进入元件PCB封装的编辑界面。 3、保存PCB库文件&#xff1a;选择“文件”菜单&#xff0c;选…

OpenCV实战——使用YOLO进行目标检测

OpenCV实战——使用YOLO进行目标检测 0. 前言1. YOLO 模型简介2. 基于 YOLO 实现目标检测3. 完整代码相关链接 0. 前言 在本节中&#xff0c;我们将使用 YOLO 算法执行目标检测。目标检测是计算机视觉中的一项常见任务&#xff0c;借助深度学习技术&#xff0c;我们可以实现高…

Vue虚拟节点和渲染函数

1.虚拟节点 虚拟节点&#xff08;dom&#xff09;本质上就是一个普通的JS对象&#xff0c;用于描述视图的界面结构 2.渲染函数render()&#xff1a;接收一个 createElement()函数创建的VNode Vue.component("board", {render: function(createElement) {return cr…

025-第三代软件开发-实现需求长时间未操作返回登录界面

第三代软件开发-实现需求长时间未操作返回登录界面 文章目录 第三代软件开发-实现需求长时间未操作返回登录界面项目介绍实现需求长时间未操作返回登录界面实现思路用户操作监控QML 逻辑处理 关键字&#xff1a; Qt、 Qml、 QTimer、 timeout、 eventFilter 项目介绍 欢迎…

【Linux】文件权限、目录权限、掩码、粘滞位以及相关指令

文章目录 Linux权限两种用户Linux权限管理三个问题:什么是权限呢?三种角色是什么:那么为什么存在所属组呢? 文件类型和访问权限&#xff08;事物属性&#xff09;a) 文件类型b)基本权限 文件权限值的表示方法文件访问权限的相关设置方法a)chmodb)chownc)chgrp 权限掩码d)umas…

第87步 时间序列建模实战:LSTM回归建模

基于WIN10的64位系统演示 一、写在前面 这一期&#xff0c;我们介绍大名鼎鼎的LSTM回归。 同样&#xff0c;这里使用这个数据&#xff1a; 《PLoS One》2015年一篇题目为《Comparison of Two Hybrid Models for Forecasting the Incidence of Hemorrhagic Fever with Renal…

UVM-什么是UVM方法学

概念简介 百度对UVM的解释如下&#xff1a; 通用验证方法学&#xff08;Universal Verification Methodology, UVM&#xff09;是一个以SystemVerilog类库为主体的验证平台开发框架&#xff0c;验证工程师可以利用其可重用组件构建具有标准化层次结构和接口的功能验证环境 UVM…

C/C++文件操作————写文件与读文件以及通讯录的改进 (保姆级教学)

个人主页&#xff1a;点我进入主页 专栏分类&#xff1a;C语言初阶 C语言程序设计————KTV C语言小游戏 C语言进阶 C语言刷题 欢迎大家点赞&#xff0c;评论&#xff0c;收藏。 一起努力&#xff0c;一起奔赴大厂。 目录 1.前言 2.写文件函数与读文件函数 …

打印新闻标题,使用封装get、set方法,打印前15个字符串

package day21; import java.util.ArrayList; import java.util.Collections;/*** author monian* Wo yi wu ta,wei shou shu er!*/ public class Homework01 {SuppressWarnings({"all"})public static void main(String[] args) {News news1 new News("新冠确…

Typora的相关配置(Typora主题、字体、快捷键、习惯)

Typora的相关配置(Typora主题、字体、快捷键、习惯) 文章目录 Typora的相关配置(Typora主题、字体、快捷键、习惯)[toc]一、主题配置二、字体配置查看字体名称是否可以被识别&#xff1a;如果未能正确识别&#xff1a; 三、习惯配置四、快捷键配置更改提供的功能的快捷键&#…

【学习笔记】win11 时间显示秒

【学习笔记】windows 11 时间显示秒 原本一直用着 windows 10 的系统&#xff0c;点击右下角的托盘时钟&#xff0c;可以看到当前的秒数&#xff0c;平时拿来粗略的计时&#xff0c;看时间非常的方便&#xff0c;现在换成了 windows 11 的系统&#xff0c;点击右下角的托盘时钟…

如何处理前端本地存储和缓存?

聚沙成塔每天进步一点点 ⭐ 专栏简介 前端入门之旅&#xff1a;探索Web开发的奇妙世界 欢迎来到前端入门之旅&#xff01;感兴趣的可以订阅本专栏哦&#xff01;这个专栏是为那些对Web开发感兴趣、刚刚踏入前端领域的朋友们量身打造的。无论你是完全的新手还是有一些基础的开发…

【Qt控件之QTabBar】介绍及使用

概述 QTabBar类提供了一个选项卡栏&#xff0c;例如用于选项卡对话框。 QTabBar非常简单易用&#xff0c;它使用预定义的形状绘制选项卡&#xff0c;并在选择选项卡时发出信号。它可以被子类化以调整外观和感觉。Qt还提供了一个实现好的QTabWidget。 每个选项卡具有一个tabT…

图——邻接表

图的邻接表表示法&#xff08;有向图&#xff09; 实现绿色的有向图 #define _CRT_SECURE_NO_WARNINGS 1 #include <stdio.h> #include <corecrt_malloc.h>#define Max 100//顶点数量最大值typedef struct ArcNode {//边信息int VNode_index;//顶点下标ArcNode…

MySQL索引全解:从理论到实践,打造高效查询的指南

文章目录 索引的数据结构Hash表有序数组树 详细聊聊BTreeBTree的特点树的度&#xff08;宽度&#xff09;可以很大叶子节点存储数据叶子节点双向指针记录 聚簇索引聚簇索引的优点聚簇索引的缺点 覆盖索引如何利用覆盖索引 普通索引与唯一索引的选择查询更新change bufferchange…

从入门到精通,30天带你学会C++【第八天:函数及洛谷精选题目讲解】(学不会你找我)

目录 Everyday English 前言 函数 洛谷 P5736 【深基7.例2】质数筛 分析题意 思路点拨 AC代码 AC截图 结尾 Everyday English Winners never quit! 胜者永不言弃&#xff01; 前言 这节课我们来学习函数&#xff0c;虽然我断更了几周&#xff0c;但我还是要把最…

三十六、【进阶】show profiles分析

1、profiles &#xff08;1&#xff09;详情 可以帮助清楚的展现&#xff0c;每一条SQL语句的执行耗时&#xff0c;以及时间都耗费到哪里去了 &#xff08;2&#xff09;基础语句 2、查看是否支持profiles mysql> select have_profiling; ------------------ | have_prof…

【LeetCode力扣】234 快慢指针 | 反转链表 | 还原链表

目录 1、题目介绍 2、解题思路 2.1、暴力破解法 2.2、快慢指针反转链表 1、题目介绍 原题链接&#xff1a; 234. 回文链表 - 力扣&#xff08;LeetCode&#xff09; 示例 1&#xff1a; 输入&#xff1a;head [1,2,2,1]输出&#xff1a;true 示例 2&#xff1a; 输入&am…

自然语言处理---Transformer机制详解之ELMo模型介绍

1 ELMo简介 ELMo是2018年3月由华盛顿大学提出的一种预训练模型. ELMo的全称是Embeddings from Language Models.ELMo模型的提出源于论文<< Deep Contextualized Word Representations >>.ELMo模型提出的动机源于研究人员认为一个好的预训练语言模型应该能够包含丰…

42904-2023 金属和合金的腐蚀 海水管路动水腐蚀试验

1 范围 本文件规定了在天然海水或人工海水中控制流速、温度模拟管路动水腐蚀试验方法。 本文件适用于板状试样、管状试样及管件等在天然海水或人工海水中进行的管路动水腐蚀试验。 2 规范性引用文件 下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中…