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。

4. 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：

3. 发送数据：ch <- data。

4. 接收数据：data := <-ch。

5. 同步工具：

6. sync.WaitGroup：等待多个协程完成（Add(), Done(), Wait()）。

7. sync.Mutex/sync.RWMutex：保护共享资源。

8. sync.Map：线程安全的映射。

9. 通道选择：select 处理多通道操作。

10. 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：

3. NOT NULL 约束避免空值。

4. 合理选择类型（如 INT vs VARCHAR）。

5. 索引优化：高频查询字段（如用户 ID）添加索引。

6. 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：

3. 函数计算（如 WHERE YEAR(create_time) = 2023）。

4. 模糊查询（如 LIKE '%keyword%'）。

5. 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：infoq 面试群。