Home / miscellaneous / orion_intervew

orion_intervew

后端面试题

🟢 一、NestJS

Q1: NestJS 依赖注入（DI）如何实现？相比 Express 有什么优势？

参考答案要点： - 基于 TypeScript 的 reflect-metadata 实现 IOC 容器 - 通过 @Injectable() 装饰器注册 provider，自动管理实例生命周期 - 优势：解耦业务逻辑，利于测试和模块化，天然支持 TypeScript

Q2: Guard、Interceptor、Middleware、Pipe、Filter 的区别和适用场景？

参考答案要点： | 组件 | 执行时机 | 适用场景 | |------|----------|----------| | Middleware | 路由前 | 日志、CORS、请求解析 | | Pipe | 路由处理前 | 参数验证、数据转换 | | Guard | 路由处理前（Pipe 之后） | 权限校验、认证 | | Interceptor | 路由调用前后 | 响应格式化、缓存、超时控制 | | Filter（Exception Filter） | 异常捕获时 | 全局异常处理、错误格式化 |

Q3: NestJS 全局异常处理方案？

参考答案要点： - @Catch() 自定义异常过滤器 - APP_FILTER 注册全局过滤器 - 统一错误响应格式（HTTP 状态码 + 业务错误码 + 消息） - 生产环境隐藏堆栈信息

Q4: NestJS 模块化设计最佳实践？

参考答案要点： - 按业务领域拆分模块（UserModule、OrderModule 等） - forRoot() / forFeature() 动态模块模式 - 共享模块（SharedModule）封装通用组件 - 使用 @nestjs/config 管理环境变量 - 依赖注入层次清晰，避免循环依赖

🟢 二、Node.js 运行时

Q1: Event Loop 机制？v11 前后差异？阻塞场景及解决方案？

参考答案要点： - 六个阶段：Timers → Pending → Idle/Prepare → Poll（I/O）→ Check → Close - 执行优先级：process.nextTick > Promise.then > setTimeout > setImmediate - v11 差异：v11 前每阶段结束后执行微任务；v11+ 每宏任务后执行微任务（与浏览器对齐） - 阻塞场景：同步大计算、fs.readFileSync、复杂 JSON.stringify、正则回溯 - 解决方案：Worker Threads（CPU 密集型）、Stream（大文件）、子进程

Q2: 内存泄漏定位与修复？

参考答案要点： - 常见原因：全局变量、闭包引用、缓存无限制、事件监听器未解绑、Stream 未关闭 - 定位工具：heapdump、Chrome DevTools Memory、clinic.js - 修复：WeakMap、LRU 缓存、事件解绑、Stream 正确处理

Q3: 高并发服务设计？

参考答案要点： - 集群模式（cluster / PM2）利用多核 - 连接池（数据库、Redis） - 多级缓存（本地 + Redis） - 限流降级（express-rate-limit / Opossum） - 异步日志（pino / winston）

🟢 三、Koa2

Q1: Koa2 中间件洋葱模型原理？

参考答案要点： - 基于 async/await + compose 函数实现 - 请求从外层进入中间件链，经过所有中间件后从外层返回 - await next() 之前是请求处理阶段，之后是响应处理阶段 - 与 Express 的线性模型不同，Koa2 中间件可以感知响应

Q2: Koa2 vs Express 对比？

参考答案要点： | 维度 | Koa2 | Express | |------|------|---------| | 异步模型 | async/await | callback | | 中间件模型 | 洋葱模型 | 线性模型 | | 内置功能 | 极简（仅核心） | 丰富（路由、模板等） | | 错误处理 | try/catch | 中间件捕获 | | 适用场景 | 需要精细控制的场景 | 快速开发、传统项目 |

Q3: Koa2 错误处理最佳实践？

参考答案要点： - 全局 error 事件监听 - 中间件层 try/catch 统一捕获 - 自定义错误类（HttpError）区分业务/系统错误 - 结构化日志记录

🟢 四、MongoDB

Q1: MongoDB 与关系型数据库相比，适合什么场景？

参考答案要点： - 适合：文档型数据、快速迭代、非结构化/半结构化数据、横向扩展 - 不适合：复杂事务、强一致性要求、多表 JOIN 频繁

Q2: MongoDB 地理位置搜索如何实现？

参考答案要点： - 2dsphere 索引支持 GeoJSON 格式 - $near / $geoWithin / $geoIntersects 查询 - 按范围（如地铁口 N 公里内）、多边形区域搜索

Q3: 多条件检索性能优化？

参考答案要点： - 复合索引（价格区间 + 标签 + 面积） - 覆盖查询（投影所需字段，避免全文档返回） - 聚合管道优化（$match 前置、$project 精简）

🟢 五、Redis

Q1: Redis 常见数据结构及使用场景？

参考答案要点： | 数据结构 | 场景 | |----------|------| | String | 缓存 token / 计数 / 分布式锁 | | Hash | 用户对象 / 商品详情 | | List | 消息队列 / 最近浏览 | | Set | 去重 / 共同关注 | | SortedSet | 排行榜 / 延迟队列 | | Bitmap | 签到统计 / 在线状态 | | HyperLogLog | UV 统计 |

Q2: Redis 缓存过期策略？

参考答案要点： - 惰性删除：访问时检查过期，CPU 友好但可能内存泄漏 - 定期删除：每 100ms 随机抽查 20 个 Key，过期 Key 占比 > 25% 则重复 - 内存淘汰：volatile-lru / allkeys-lru / volatile-ttl 等策略 - 持久化关联：RDB 过滤过期 Key，AOF 追加 DEL 命令 - 最佳实践：差异化过期时间、加随机偏移防雪崩、避免永不过期 Key

Q3: Redis 分布式锁实现？

参考答案要点： - 基础：SET key value NX EX seconds - 进阶：RedLock 算法（多 Redis 实例） - 注意事项：锁续期（看门狗）、死锁预防、锁释放原子性（Lua 脚本）

Q4: Redis 优化 RAG 检索或 LLM 请求性能？

参考答案要点： - 缓存高频查询的 Embedding 结果 - 缓存 LLM 回复（相同 prompt 直接返回） - 会话状态管理（用户上下文、对话历史）

🟢 六、Elasticsearch

Q1: ES 核心概念？倒排索引原理？

参考答案要点： - 核心概念：Index（索引）→ Type（类型，7.x 废弃）→ Document（文档）→ Field（字段） - 倒排索引：将文档分词后建立"词项→文档ID"的映射，支持快速全文检索 - Analyzer：分词器（标准分词、IK 中文分词、自定义分词）

Q2: ES 查询优化？

参考答案要点： - 优先使用 Filter（缓存结果）而非 Query - 避免深度分页（使用 search_after / scroll） - 合理设置分片和副本数量 - 使用 _source 过滤返回字段 - 批量写入（Bulk API）替代单条写入

Q3: ES 在业务中的应用场景？

参考答案要点： - 全文搜索（商品搜索、文档检索） - 日志分析（ELK Stack） - 聚合统计（用户行为分析、销售数据报表） - 地理位置搜索（附近的人/房源）

🟢 七、RabbitMQ

Q1: RabbitMQ 核心概念？消息模型？

参考答案要点： - 核心概念：Producer → Exchange → Queue → Consumer - Exchange 类型：Direct（精确路由）、Fanout（广播）、Topic（模式匹配）、Headers - 消息确认：Publisher Confirm（发布确认）、Consumer Ack（消费确认）

Q2: 消息可靠性保证？

参考答案要点： - 生产者端：Publisher Confirm + Return 机制 - MQ 端：消息持久化（Exchange + Queue + Message 都声明为 durable） - 消费者端：手动 Ack（处理成功后确认），失败重试 + 死信队列 - 幂等性：消息 ID 去重、业务唯一标识

Q3: 常见应用场景？

参考答案要点： - 异步解耦（订单创建 → 发邮件/发短信） - 流量削峰（秒杀、批量导入） - 任务队列（异步处理耗时任务） - 事件驱动（微服务间事件通知）

🟢 八、MySQL

Q1: 索引原理？B+ 树 vs Hash 索引？

参考答案要点： - B+ 树：范围查询友好，支持排序，叶子节点链表连接，InnoDB 默认索引 - Hash 索引：等值查询 O(1)，不支持范围/排序，Memory 引擎使用 - 聚集索引（主键）：叶子节点存储完整行数据 - 二级索引：叶子节点存储主键值，需要回表

Q2: 事务隔离级别？MVCC 原理？

参考答案要点： | 隔离级别 | 脏读 | 不可重复读 | 幻读 | |----------|------|-----------|------| | Read Uncommitted | ✅ | ✅ | ✅ | | Read Committed | ❌ | ✅ | ✅ | | Repeatable Read | ❌ | ❌ | ✅（InnoDB 通过 MVCC + Gap Lock 解决） | | Serializable | ❌ | ❌ | ❌ |

Q3: SQL 优化思路？

参考答案要点： - EXPLAIN 分析执行计划（type、key、rows、Extra） - 避免全表扫描（加索引、避免 SELECT *） - 避免索引失效（函数、隐式转换、前缀通配符 %） - 分页优化（延迟 JOIN、游标分页） - 慢查询日志定位瓶颈

🟢 九、MQTT

Q1: MQTT 协议核心概念？

参考答案要点： - 发布/订阅模型：Publisher → Broker → Subscriber - QoS 级别： - QoS 0：最多一次（不保证送达） - QoS 1：至少一次（保证送达，可能重复） - QoS 2：恰好一次（保证送达且不重复） - 保留消息（Retained）：新订阅者立即收到最后一条消息 - 遗嘱消息（Last Will）：客户端异常断开时自动发布

Q2: MQTT 在 IoT / 实时通信中的应用？

参考答案要点： - IoT 设备状态上报与控制 - 实时消息推送（比 WebSocket 更轻量） - 边缘计算与云端通信 - 智能家居、车联网场景

🟢 十、事务

Q1: 本地事务 vs 分布式事务？

参考答案要点： - 本地事务：单数据库 ACID 保证，BEGIN → COMMIT/ROLLBACK - 分布式事务：跨服务/跨数据库，一致性保证困难

Q2: 分布式事务方案？

参考答案要点： | 方案 | 原理 | 适用场景 | |------|------|----------| | 2PC（两阶段提交） | 协调者 + 参与者，prepare → commit | 强一致性，性能差 | | TCC | Try → Confirm → Cancel，业务层面补偿 | 高可用，开发成本高 | | 本地消息表 | 业务 + 消息同事务写入，异步发送 | 最终一致性 | | Saga | 长事务拆分为子事务，失败时反向补偿 | 微服务场景 | | 可靠消息最终一致性 | MQ 保证消息必达，消费者幂等处理 | 异步解耦场景 |

Q3: 补偿机制设计？

参考答案要点： - 正向操作与补偿操作成对设计 - 补偿接口幂等性保证 - 补偿失败重试 + 告警 - 人工介入兜底

🟢 十一、幂等

Q1: 什么是幂等？为什么需要幂等？

参考答案要点： - 定义：同一操作执行多次与执行一次效果相同 - 场景：网络重试、前端重复提交、消息重复消费、定时任务重复执行

Q2: 幂等实现方案？

参考答案要点： | 方案 | 原理 | 适用场景 | |------|------|----------| | 唯一索引 | 数据库约束，重复插入报错 | 插入操作 | | Token 机制 | 提交前获取一次性 Token，验证后删除 | 表单提交 | | 状态机 | 基于状态变更判断（仅允许特定状态转换） | 订单状态更新 | | 乐观锁 | 版本号 / 时间戳控制 | 更新操作 | | Redis 去重 | SETNX + 过期时间，请求 ID 去重 | 分布式场景 | | 业务唯一标识 | 订单号、流水号等天然幂等键 | 支付、退款 |

🟢 十二、编程思想

详细设计模式表格已移至独立文档，以下为核心考察点。

Q1: 创建型模式（单例、工厂、建造者）

Q2: 结构型模式（适配器、装饰器、代理、外观）

Q3: 行为型模式（观察者、策略、责任链、模板方法）

Q4: SOLID 原则？

参考答案要点： - S 单一职责：一个类只做一件事 - O 开闭原则：对扩展开放，对修改关闭 - L 里氏替换：子类可替换父类 - I 接口隔离：接口尽量小而专一 - D 依赖倒置：依赖抽象而非具体实现

🟢 十三、文件处理

Q1: Node.js 文件流（Stream）？

参考答案要点： - 四种类型：Readable、Writable、Duplex、Transform - 管道操作：readable.pipe(writable) 自动处理背压 - 优势：处理大文件时内存占用恒定（vs 全量读取）

Q2: 文件上传方案？

参考答案要点： - 小文件：直接上传（multipart/form-data） - 大文件：分片上传 + 断点续传（MD5 校验 + 分片编号） - 存储：本地磁盘 → 对象存储（OSS/S3）→ CDN 加速 - 安全：文件类型校验（Magic Number，非仅扩展名）、大小限制、病毒扫描

Q3: 文件下载优化？

参考答案要点： - 流式下载（避免全量加载到内存） - Range 请求支持（断点续传） - 压缩传输（gzip/brotli）

🟢 十四、Docker

Q1: Docker 核心概念？

参考答案要点： - 镜像（Image）：只读模板，分层存储 - 容器（Container）：镜像的运行实例 - 仓库（Registry）：镜像存储和分发中心 - Dockerfile：镜像构建脚本 - Volume：数据持久化 - Network：容器间通信（bridge / host / overlay）

Q2: Docker 最佳实践？

参考答案要点： - 多阶段构建减小镜像体积 - 非 root 用户运行容器 - .dockerignore 排除不必要文件 - 健康检查（HEALTHCHECK） - 资源限制（--memory, --cpus） - 日志驱动（json-file / syslog / fluentd）

Q3: Docker Compose vs Kubernetes？

参考答案要点： - Docker Compose：单机编排，适合开发和测试 - Kubernetes：集群编排，自动扩缩容、服务发现、负载均衡、自愈，适合生产

🟢 十五、CI/CD

Q1: CI/CD 流程设计？

参考答案要点： - CI（持续集成）：代码提交 → 自动构建 → 单元测试 → 代码扫描 → 合并 - CD（持续交付/部署）：构建产物 → 测试环境 → 自动化测试 → 生产环境 - 工具链：GitHub Actions / GitLab CI / Jenkins

Q2: 部署策略？

参考答案要点： | 策略 | 说明 | 适用场景 | |------|------|----------| | 蓝绿部署 | 两套环境交替切换 | 低风险、资源充足 | | 滚动更新 | 逐台替换，逐步放量 | 生产环境常用 | | 金丝雀发布 | 小流量验证 → 逐步扩大 | 高风险变更 | | 功能开关（Feature Flag） | 代码部署但功能未激活 | 灰度验证 |

Q3: 构建优化？

参考答案要点： - 缓存依赖（node_modules 缓存） - 并行构建（多 Job 并行） - 按需构建（仅变更模块触发构建） - 增量构建

🟢 十六、Python / Flask / FastAPI

Q1: Flask vs FastAPI 对比？

参考答案要点： | 维度 | Flask | FastAPI | |------|-------|---------| | 异步支持 | 原生不支持（需第三方） | 原生 async/await | | 类型检查 | 无 | 基于 Pydantic 自动校验 | | 文档 | 需手动配置 | 自动生成 OpenAPI/Swagger | | 性能 | 一般 | 高（Starlette + Uvicorn） | | 适用场景 | 简单 API、原型开发 | 高性能 API、ML 服务 |

Q2: Python 异步编程？

参考答案要点： - asyncio 事件循环 + async/await - aiohttp 异步 HTTP 请求 - GIL（全局解释器锁）限制：CPU 密集型用多进程，I/O 密集型用异步

Q3: Flask/FastAPI 中间件 / 依赖注入？

参考答案要点： - Flask：before_request / after_request 钩子 - FastAPI：Depends() 依赖注入，支持嵌套和全局依赖

🟢 十七、自动化高阶爬虫

Q1: 爬虫架构设计？

参考答案要点： - 调度器：URL 队列管理、优先级调度、去重（Bloom Filter / Redis Set） - 下载器：并发控制、代理池、请求重试 - 解析器：HTML 解析（BeautifulSoup/lxml）、动态页面渲染（Playwright/Selenium） - 存储层：结构化存储（MySQL/MongoDB）、原始数据存档

Q2: 反爬策略应对？

参考答案要点： - IP 封禁：代理池轮换 - 验证码：打码平台 / OCR 识别 / 人工标注 - 动态渲染：Headless Browser（Playwright） - 指纹检测：浏览器指纹伪装 - 请求频率：合理间隔 + 随机延迟

Q3: 分布式爬虫？

参考答案要点： - Scrapy-Redis：分布式调度 + 去重 - URL 去重：Redis Bloom Filter - 任务分配：Master-Worker 架构 - 数据汇总：消息队列 → 消费者 → 数据库

Q4: 法律与合规？

参考答案要点： - robots.txt 遵守 - 数据采集频率控制（避免影响目标服务） - 个人隐私数据不采集 - 遵守《数据安全法》和《个人信息保护法》

🟢 十八、TTS（语音合成）

Q1: TTS 技术方案？

参考答案要点： - 传统方案：拼接式（录制语音片段拼接）、参数式（HMM 生成） - 深度学习方案： - Tacotron 2 + WaveNet：端到端，质量高 - FastSpeech 2：非自回归，速度快 - VITS：端到端变分推理，质量与速度兼顾 - 开源工具：Coqui TTS、Edge TTS、PaddleSpeech - 商用 API：Azure TTS、阿里云 TTS、讯飞 TTS

Q2: TTS 优化方向？

参考答案要点： - 流式合成（首包延迟降低） - 多语言 / 方言支持 - 情感控制（喜怒哀乐语气） - SSML 标记语言（语速、停顿、音调控制）

🟢 十九、ASR（语音识别）

Q1: ASR 技术方案？

参考答案要点： - 传统方案：GMM-HMM、DNN-HMM - 端到端方案： - CTC（Connectionist Temporal Classification） - RNN-T（Transducer，流式友好） - Whisper（多语言、零样本能力强） - Paraformer（阿里达摩院，中文效果好） - 开源工具：Whisper、FunASR、Kaldi

Q2: ASR 实际应用优化？

参考答案要点： - 领域语言模型适配（专有词汇识别率提升） - 说话人识别（区分不同说话者） - 流式识别 vs 非流式识别 - 实时性优化（VAD 语音检测 → 分段识别）

🟢 二十、单元测试

Q1: 单元测试核心原则？

参考答案要点： - FIRST 原则：Fast（快速）、Independent（独立）、Repeatable（可重复）、Self-validating（自验证）、Timely（及时编写） - AAA 模式：Arrange（准备）→ Act（执行）→ Assert（断言） - 覆盖率：行覆盖率、分支覆盖率、条件覆盖率

Q2: 测试框架与工具？

参考答案要点： - Node.js：Jest（断言 + Mock + 覆盖率一体）、Vitest（Vite 生态）、Mocha + Chai + Sinon - Python：pytest、unittest - Mock：隔离外部依赖（数据库、API、文件系统） - 集成测试：Testcontainers（真实数据库容器）

Q3: TDD（测试驱动开发）流程？

参考答案要点： 1. 编写失败的测试（Red） 2. 编写最小代码使测试通过（Green） 3. 重构代码（Refactor） 4. 循环迭代

🟢 附录：Redis 缓存过期策略（完整参考）

Redis 缓存过期是控制内存占用、保证数据时效性的核心机制。采用「惰性删除 + 定期删除」结合策略：

  1. 惰性删除：访问时检查过期，CPU 友好，但大量未访问过期 Key 会占用内存
  2. 定期删除：每 100ms 随机抽查 20 个 Key，过期占比 > 25% 重复扫描
  3. 内存淘汰：volatile-lru / allkeys-lru / volatile-ttl 等策略兜底
  4. 持久化关联：RDB 过滤过期 Key，AOF 追加 DEL 命令
  5. 最佳实践：差异化过期时间 + 随机偏移防雪崩、避免永不过期 Key
Page Source