大厂外包VS小公司，你会怎么选？

很多朋友在找工作的时候都会遇到各种外包岗，今天分享的面经就是出自组织内部的朋友在百度外包的面试；

看到这个岗位我就有点好奇，如果同时拿到了大厂外包的offer和小公司的offer，你们会怎么选？欢迎大家留言讨论。

面经详解

1. 自我介绍

一定要提前准备好，时间控制在2~3分钟，不要说太多也不要说太少。

2. make的作用

make 是 Go 语言中用于初始化切片（slice）、映射（map）和通道（channel）的内置函数。具体作用如下：

• 切片：分配底层数组并初始化切片结构（长度、容量、指针）。
• 映射：分配哈希表并初始化。
• 通道：创建用于协程间通信的通道。
  make 的参数根据类型不同而变化：
• 切片：make([]T, length, capacity)（容量可选）。
• 映射：make(map[K]V, initialCapacity)（初始容量可选）。
• 通道：make(chan T, bufferSize)（缓冲区大小可选）。

---

3. make的容量

容量的含义根据类型不同而不同：

• 切片：容量表示底层数组的总大小，必须 ≥ 长度。例如，make([]int, 5, 10) 创建一个长度为 5、容量为 10 的切片。
• 通道：容量表示缓冲区大小，即通道在阻塞前可存储的元素数。例如，make(chan int, 5) 创建一个缓冲区为 5 的通道。
• 映射的容量（make(map[K]V, capacity)）表示初始哈希表的空间预分配，但映射的实际容量会动态调整。

---

4. channel有几种类型

Channel 的类型分为以下三种：

1. 双向通道：默认类型，可发送和接收数据，例如 chan int。
2. 只读通道（<-chan T）：仅能接收数据。

3. 只写通道（chan<- T）：仅能发送数据。
   通过类型转换可实现只读或只写的限制，例如：

   ch := make(chan int)
   var readOnly <-chan int = ch   // 只读
   var writeOnly chan<- int = ch  // 只写

---

5. 实际应用最常用哪种

实际应用中，带缓冲区的双向通道最常见。例如：

• 任务队列：通过缓冲通道实现异步处理，提升吞吐量（如 make(chan Task, 100)）。
• 流量控制：结合 select 和缓冲区限制并发数。
  无缓冲通道多用于同步场景（如信号通知），但带缓冲的通道更灵活且性能更优。

---

6. 并发编程常用指令

1. 协程创建：go func() { ... }()。

2. 通道操作：

   • 发送数据：ch <- data。
   • 接收数据：data := <-ch。

3. 同步工具：

   • sync.WaitGroup：等待多个协程完成（Add(), Done(), Wait()）。
   • sync.Mutex/sync.RWMutex：保护共享资源。
   • sync.Map：线程安全的映射。
4. 通道选择：select 处理多通道操作。
5. 原子操作：sync/atomic 包提供原子读写（如 atomic.AddInt32()）。

---

7. 代码题：并发请求下游并控制 QPS

需求：读取文件中的请求信息，并发请求下游服务，控制每秒请求数（QPS）。
实现示例：

func main() {
    limiter := rate.NewLimiter(rate.Every(time.Second), 10) // QPS=10

    file, _ := os.Open("requests.txt")
    defer file.Close()

    scanner := bufio.NewScanner(file)
    for scanner.Scan() {
        req := scanner.Text()
        go func(r string) {
            ctx := context.Background()
            limiter.Wait(ctx) // 等待令牌
            callDownstream(r)
        }(req)
    }
}

func callDownstream(request string) {
    // 发送请求逻辑
}

关键点：

• 使用 rate.Limiter 控制 QPS。
• 协程池或带缓冲通道可进一步优化资源管理。

---

8. 数据库常用用法

8.1 表设计

1. 业务拆分：通过逻辑外键关联（如用户表与订单表）。

2. 字段设计：

   • NOT NULL 约束避免空值。
   • 合理选择类型（如 INT vs VARCHAR）。
3. 索引优化：高频查询字段（如用户 ID）添加索引。
4. 分库分表：数据量大时按哈希或范围分片。

8.2 并发控制

1. 读写分离：主库写，从库读。
2. 缓存热点数据：Redis 缓存高频查询结果。
3. 流量削峰：Kafka 异步处理请求。

---

9. 慢查询优化

9.1 SQL 优化

1. 精简查询字段：避免 SELECT *。
2. 优化 JOIN：避免多层子查询。
3. 分页优化：用 WHERE id > ? 替代 OFFSET。

9.2 索引优化

1. 添加索引：覆盖查询字段。

2. 避免失效场景：

   • 函数计算（如 WHERE YEAR(create_time) = 2023）。
   • 模糊查询（如 LIKE '%keyword%'）。
   • 隐式类型转换（如字符串字段用数字查询）。

9.3 架构优化

分库分表、读写分离分散压力。

---

10. Redis 数据类型

1. String：字符串、整数。
2. List：有序列表，支持双向操作。
3. Hash：键值对集合，适合存储对象。
4. Set：无序唯一集合。
5. ZSet：有序集合，按分数排序。

---

11. Hash 的典型使用场景

• 存储对象：如用户信息（字段为 name, age）。
• 配置管理：多个键值对的高效存取。
• 缓存组合数据：避免序列化整个对象。

---

12. 代码题：有序数组查找（二分法）

func binarySearch(nums []int, target int) int {
    left, right := 0, len(nums)-1
    for left <= right {
        mid := left + (right-left)/2
        if nums[mid] == target {
            return mid
        } else if nums[mid] < target {
            left = mid + 1
        } else {
            right = mid - 1
        }
    }
    return -1
}

要点：

• 循环条件 left <= right。
• 中间值计算防溢出（mid := left + (right-left)/2）。

早日上岸！

我们搞了一个免费的面试真题共享群，互通有无，一起刷题进步。

没准能让你能刷到自己意向公司的最新面试题呢。

感兴趣的朋友们可以加我微信：wangzhongyang1993，备注：sf面试群。