2020春招那会儿，我手里同时攥着“后端工程师”和“算法工程师”两个方向的简历，从三月中旬开始大面积投递，到四月底结束，前后刷了二十多轮面试。一个很深的体感是：无论挂的是什么岗位名字，面试官真正想验证的东西高度重合——基础是否扎实、能不能把零散知识点串成体系、遇到不会的问题时有没有推演的思路。这篇面经不是标准答案，更像是我把自己当样本，把两边的考察点、答题思路和栽过的坑一起拆开，给准备走这两条路的人做个参考。
1. 春招前先想清楚：后端岗和算法岗的考察重心根本不一样
1.1 两个岗位在面试中验证的是两种能力
后端工程师的JD通常写着“负责系统设计、接口开发、性能优化”，面试里大量时间会花在并发、存储、中间件、线上问题排查上。面试官希望你证明：把一个需求扔给你，你能不能在考虑数据一致性、可用性和扩展性的前提下，把系统真的做出来。
算法工程师的JD则更偏“建模”“特征工程”“模型优化”，面试重心会落在概率统计、机器学习基础、模型推导、业务指标分析。面试官希望你证明：给你一个业务问题，你能定义清楚目标，能设计特征与模型，还能说清楚离线评估和线上效果的差距。
这两个方向考察的能力模型有交集，比如都要会算法题，都要能讲清楚项目，但侧重点完全不同。我自己在准备阶段做了两版简历：投后端时突出中间件、数据库、高并发实践；投算法时突出特征设计、模型选型和效果指标。面试官问“你的技术主线是什么”时，最好不要含糊地说“我全都能干”，而是要明确“后端的底层知识我做扎实了，算法方向是我的加分项”这类有主次的表述。
1.2 简历上写什么，决定了你被问到什么
简历并不是项目经历越多越好，而是每条经历都要经得起深挖。我见过很多简历，写“参与开发某平台”，但面试官追问“你个人负责的部分是什么”“并发量大概多少”“遇到什么问题”时，候选人答不上来，这比不写这条经历还要减分。
我自己的做法是反向准备：简历里只留三个能讲透的项目，每个项目对应三类问题——
- 项目背景和你做的具体事；
- 技术选型的原因，为什么用这个不用另一个；
- 最终效果如何量化，流量、耗时、准确率、吞吐量提升多少。
比如我写过一个“广告点击率预估服务的后端重构”，那就要准备好：老系统为什么慢、新系统用了什么结构、缓存和数据库之间怎么保证一致性、接口RT从前后的具体数值变化。面试官从这条经历里问出去的东西，基本可以覆盖大部分后端知识。
1.3 投递节奏和线上化准备
2020年春招的特殊点是大量环节改成线上视频面试，远程笔试和在线coding也变多了。这意味着更早的设备调试和网络测试很关键。我的建议是提前准备一台固定的面试设备，装好常见编码环境，提前测麦克风和摄像头，不要到了面试前十分钟才折腾。
投递策略上，我采用了“少量内推+大量海投”的组合。内推渠道能更快进入面试流程，但要选择和自己方向匹配的团队；海投平台则用来积累面试经验，哪怕是不太想去的公司，前几轮面试也可以当作免费的模拟考。我给自己定的节奏是：二月底整理知识体系，三月上旬开始投递，三月中旬到四月中旬集中面试，每周保持至少两到三场，防止手生。
2. 算法轮：高频题型、手撕代码的节奏和常见失分点
2.1 刷题数量不是核心，熟练度才是
算法题基本是后端和算法岗共同的第一关。我当时给自己定的目标不是刷完几百道题，而是把高频题型刷到“闭着眼睛能默写出框架”的程度。所谓高频，集中在：
- 双指针与滑动窗口；
- 动态规划；
- 二叉树遍历与递归；
- 链表操作；
- 哈希表与LRU这类缓存结构。
面试现场和平时刷题最大的区别是环境压力。平时可以慢慢调试，面试时往往要在二十分钟内给出思路、实现并跑通测试。所以我把每道高频题都整理成自己的模板：比如遇到动态规划就按“定义状态—写转移方程—初始化—滚动数组优化”四步走；遇到二叉树题目就不断问自己“对当前节点做什么？要不要处理子节点结果？返回值是什么？”。
2.2 必须吃透的几类常考题型
双指针/滑动窗口。面试官常出“最长无重复子串”或“长度最小的子数组”。这类题的关键不是背代码，而是理解窗口扩张和收缩的条件。比如最长无重复子串，右指针不断向右扩展，同时用哈希表记录字符最后出现位置；遇到重复字符时，左指针跳到重复位置的下一个位置。说清楚每个指针移动的语义，代码自然就出来了。
动态规划。常见的是“零钱兑换”“最长上升子序列”“买卖股票的最佳时机”。我个人觉得动态规划最容易被追问的点是状态定义和边界条件。以“买卖股票”为例，面试时要主动写出两个维度：天数 i 和是否持有股票；转移方程是持有状态由“昨天持有”或“昨天未持有今天买入”得到；最后结果是最后一天未持有股票的最大收益。如果面试官追问空间优化，可以把二维数组压缩成两个变量。
二叉树递归。“二叉树的最近公共祖先”是高频题。递归函数的定义要明确：如果在 root 的左右子树中分别找到 p 和 q，则当前 root 就是答案；如果只在左子树找到，就返回左子树的查询结果；如果只在右子树找到，同理。不少人在写这类题时容易混淆“递归返回什么”和“当前层处理什么”，准备时要把这两个问题分开想清楚。
LRU缓存机制。这道题既是算法题，也是系统设计题。核心是 get 和 put 都要 O(1) 时间复杂度，所以要用“双向链表 + 哈希表”的结构。哈希表负责快速定位节点，双向链表负责维护访问顺序。现场写的时候要特别留意边界：链表为空时怎么处理？容量满了删头部，怎么同时更新哈希表？这些边界往往是考察代码严谨度的地方。
2.3 手撕代码时的现场节奏
我前几轮面试吃过亏：拿到题之后太想表现，立刻上手写，写到一半发现思路错了，只好擦掉重写。后来我调整成固定节奏：
- 先复述一遍题，确认输入输出和边界约束；
- 说一个能跑的暴力解法，再用时间空间复杂度自然引出更优解法；
- 自己举一个示例，手动推演一遍；
- 再开始写代码；
- 写完先口头梳理一遍有没有空指针、数组越界、重复计算这类问题。
这套流程最大的作用是给面试官一个“你在主动思考”的信号。哪怕最终没用最优解法，沟通的过程也能留下好印象。另外，面试中如果卡住了，不要沉默超过一分钟，可以把当前想到的思路说出来，哪怕不完整，面试官通常也会给提示。
3. 后端基础轮：把零散考点串成一条知识链
3.1 操作系统与网络：从协议到系统调用
后端面试的计算机网络题，最常问的是“从输入一个URL到页面展示发生了什么”。起初我也只是背流程，后来发现面试官对每个环节都会继续追问，比如“DNS解析详细过程”“TCP为什么三次握手”“HTTP和HTTPS有什么区别”“连接释放为什么需要四次挥手”。
考点看起来散，其实是一条链：浏览器输入网址，先做DNS解析，找到服务器IP；TCP三次握手建立连接；如果走HTTPS，还要做TLS握手协商密钥；HTTP请求到达服务器后，经过反向代理、应用服务、数据库，再原路返回；最后四次挥手断开连接。每个环节背后都有设计动机。举个例子，TCP三次握手是为了同步双方初始序列号；四次挥手是因为TCP是全双工的，双方都要独立关闭各自的发送通道。把这些“为什么”讲清楚，比单纯罗列步骤更有价值。
操作系统问得比较多的还有进程与线程、虚拟内存、IO多路复用。面试官喜欢通过对比来考：多进程和多线程的优缺点、用户态和内核态切换、select/poll/epoll的区别。我在准备epoll时，用“餐厅等位”做类比：select是服务员反复去每桌问“好了没”，epoll是顾客好了主动按铃。面试中能用这种话术说明白，往往比生硬的术语更容易获得认可。
3.2 数据库：索引、事务与锁的形成闭环
数据库部分是后端面经的重头戏。我被人从“为什么用B+树做索引”一路追到“MVCC为什么能解决读写冲突”，全程都在考“原理是否真的理解”。
首先要把索引这条线理清：B+树非叶子节点不存数据、叶子节点用链表串联，天然适合范围查询和磁盘预读；哈希索引适合点查但不适合范围；覆盖索引能减少回表。接着是索引失效，面试官常给“like '%abc%'”“对索引列做函数运算”这类例子，考察你对B+树有序性的理解。
事务和锁是另一个高频池。ACID四个特性要会用例子解释；隔离级别要知道读未提交、读已提交、可重复读、串行化分别解决什么问题；MVCC通过多版本和ReadView实现非阻塞读，可重复读和读已提交的核心区别是ReadView生成时机不同；还有间隙锁、临键锁，要能说明它们怎么解决幻读。
我建议把“索引失效”“死锁”“慢查询优化”各准备一个实战案例。比如面试官问“一个查询本来几十毫秒突然变成几秒”，可以从执行计划入手，看有没有全表扫描、有没有文件排序、索引有没有被隐式类型转换破坏。这种排障思路非常加分。
3.3 缓存、消息队列与分布式问题
大厂后端面经里，Redis基本是必问项。Redis基础要掌握五种数据结构的适用场景，比如String存计数、Hash存对象、ZSet做排行榜。接着会问持久化机制，RDB和AOF的取舍；再进阶是缓存穿透、缓存击穿、缓存雪崩，以及对应的空值缓存、布隆过滤器、互斥锁、随机过期时间等方案。
我当时被追问过一个很细的问题：“缓存和数据库的一致性怎么保证？”这是没有标准答案的开放题，但我给出的框架让面试官比较满意：先更新数据库再删缓存，而不是先更新缓存；删缓存失败或延迟时，通过消息队列做最终一致性补偿；如果一致性要求极高，可以引入版本号校验。关键是要说清楚每种方案背后的延迟窗口和代价。
消息队列主要考察“为什么用”和“怎么保证可靠性”。最经典的场景是削峰填谷，比如秒杀场景把写请求先放到MQ里排队，由下游按处理能力消费。接着必问的是重复消费、消息丢失、顺序消费。我在项目里用的是“幂等表 + 唯一键约束”解决重复消费，消费前先查幂等记录，不存在则执行，存在则直接返回。这个思路放到面试里非常有说服力。
3.4 把知识点连成场景
零散背了知识点，面试官一问“你项目里为什么这么设计”还是会懵。正确的方式是把知识点挂到项目经验上。
举个例子，我在某即时通讯项目里用Redis做会话列表，遇到过缓存穿透：大量用户查询的会话Key不在缓存中，请求直接打到数据库。我的解决方法是：对不存在的会话也缓存一个空值并设置短过期时间；同时加布隆过滤器拦截明显不存在的Key；最后在代码层面加了一个本地锁防止同一个Key同时穿透。这道连锁追问下来，数据库、缓存、并发控制就全串起来了，比单独回答八股题有用得多。
4. 算法工程师专面：模型推导、AUC和深度学习追问
4.1 基础模型与手推公式
算法岗笔试之后的专业面，几乎都逃不过手推公式。最常遇到的是逻辑回归和softmax多分类。
逻辑回归的核心是“线性模型 + sigmoid”，但面试官要的不是背公式，而是推导过程。我当时按这四步准备：
- 写出建模形式：P(y=1|x) = 1/(1+e^{-x})；
- 定义交叉熵损失函数；
- 对参数求偏导；
- 得到梯度形式，再解释迭代更新。
softmax要能手推交叉熵对 logits 的偏导，结果记忆很关键：第 i 个样本的预测概率减去其真实标签。这个形式在反向传播里经常用到，答好了能证明你读过代码而不是只会调框架。
SVM也从对偶问题问过，但出现频率低于逻辑回归。不需要把KKT条件背得一字不差，但要能说明：为什么引入核函数、为什么求对偶问题、支持向量是哪几个点。树模型则几乎必问集成学习：GBDT和XGBoost的区别、随机森林的随机性体现在哪里、为什么Bagging能降低方差而Boosting能降低偏差。
4.2 特征工程与样本不均衡
算法面试里项目面通常比公式面刷人更狠。特征工程这一块，高频问题包括：
- 连续特征要不要离散化，离散化会丢失信息吗；
- 缺失值用均值、中位数还是模型预测；
- 类别特征怎么做编码，目标编码的风险是什么；
- 怎么组合交叉特征。
这个问题没有绝对答案，关键是讲清楚取舍。我一般会回答：连续特征在LR这类线性模型里可以结合业务含义分桶，比如年龄段，但在树模型里直接输入通常问题不大；在深度学习模型里，可以尝试不做离散化而让模型自己学非线性关系。
评估指标是另一个必考点。分类任务要看正负样本比例：在极度不均衡场景下，准确率没有意义，重要指标是精准率、召回率、F1和AUC。面试官让我解释过“AUC的含义是什么”，正确回答是“随机抽一个正样本和一个负样本，模型给正样本的预测分大于负样本预测分的概率”。说完这个定义，再说明AUC对样本不均衡不敏感，因为它是排序性质的指标。如果面试官继续追问“阈值怎么选”，可以从业务成本角度出发，比如医疗倾向高召回，风控倾向高精准。
4.3 深度学习的经典追问
2020年算法岗面试，深度学习是常规题。我整理过一套“对症下药”的思路：
过拟合怎么办——先定位是高方差还是高偏差。增加训练数据、加正则、做Dropout、早停、数据增强，都是常见手段。但要提醒自己，不是一上来就上最好用的正则，而是先判断问题来源。
BatchNorm的作用——我说三个层面：归一化数据分布，解决内部协变量偏移；允许更大学习率，加速收敛；减弱对初始化和噪声的敏感。如果能画出它对梯度的影响更好。
激活函数选择——ReLU能缓解梯度消失，但可能出现神经元死亡；LeakyReLU加了一个负斜率；Sigmoid在非最后一层基本不建议用。面试官可能追问“为什么用Softplus或GELU”，尽量给出平滑性和计算代价的权衡。
优化器区别——SGD、Momentum、AdaGrad、RMSProp、Adam，重点说清楚每个优化器的动量思想和自适应学习率思想。Adam收敛快但有时会错过极小值，这时候可以提到AdamW或者带学习率衰减的SGD。
4.4 项目里的模型改造细节
算法面很容易出现的场景是：面试官拿着你的简历问“这个模型效果不好你会怎么迭代”。我当时准备了一个外卖配送时长预测的项目，被问了三个层次：
- 用了什么特征和模型，为什么不用更复杂的模型；
- 损失函数怎么设计，如果异常值很多怎么办；
- 离线评估指标和线上指标怎么对齐。
这种开放问答拼的不是背题，而是你是否思考和复盘过自己的方案。回答时要注意承认方案局限，然后给出改进路径。比如“我当时用了分桶平均作为baseline，梯度提升树做了初版，后来发现取件时间这类特征有很强的周期模式，于是加了时序特征，最终把MAPE降低了15%”比“我用了XGBoost，效果好”可信得多。
5. 项目讲解与系统设计：从“做过什么”到“为什么这么做”
5.1 项目讲解的STAR框架
后端和算法岗位的面试，项目讲解环节决定了面试官对你的整体印象。我用的是STAR框架：背景、任务、行动、结果。但光有框架还不行，要控制讲故事的密度。
开场三十秒先说清项目背景和你的个人贡献，不要从“我们团队做了个大系统”开始。我当时总结的句式是：“这是一个给XX场景使用的XX系统，我主要负责XX模块，要解决的问题是XX，最后通过XX方案让XX指标从XX变成XX。”说完这句，面试官通常会顺着你提到的技术词往下问，所以你自己说的每个词都要经得起追问。
比如你说“用了Redis做缓存”，就要想到后续可能被问：为什么不用本地缓存？缓存淘汰策略是什么？如果Redis挂了怎么办？我的建议是，在面试前把每个项目列出至少十个可能的追问，然后自己写答案，这个过程比多刷十道题都管用。
5.2 小型系统设计：短链接请求怎么拆
系统设计题对后端岗来说基本是必考，对算法岗也偶尔会出，但更偏“推荐排序系统”这种。我遇到的经典题目是“设计一个短链接系统”，正好用来讲清楚面试官期待的回答路径。
第一步是确认需求：每日新增多少链接、QPS是多少、跳转延迟要求、需不需要统计点击。不要一上来就画存储表。第二是数据量估算：假设每天新增一千万条短链，一年约三十六亿条；跳转QPS按一百倍峰值预估。第三步做接口设计：生成短链、还原短链、点击上报。第四步设计存储：短链用62进制编码，可以用发号器生成自增ID，再转成短码；为了存储和查询方便，主表里放短码、原始URL、创建时间、过期时间。第五步优化：热点链接加一层Redis缓存，降低数据库压力；失效链接用懒删除加定期清理的混合策略。答到这里，面试官一般会认可你的架构感。
如果被问“系统的瓶颈在哪”，可以从单表数据量和数据库并发两个角度说：基于短码的查询可以分库分表，按短码哈希分片；点击量统计走MQ异步上报，不阻塞主链路。这些都是通用套路，关键是每一条都要能解释清楚“为什么这么做”。
5.3 算法方向的“推荐排序”设计题
算法岗的系统设计题更偏向于“如果给你一个推荐场景，你怎么做”。我记得被问过“设计一个信息流推荐排序服务”，核心不是把模型讲得很复杂，而是理清链路：召回环节用什么策略，协同过滤、双塔模型还是热门兜底；粗排过滤和精排序怎么衔接；排序模型用哪些特征；上线怎么做AB实验。
这类题考察的是工程化思维，面试官可能追问“双塔模型为什么比内积模型更适合召回”“线上特征延迟怎么办”。我的经验是：少讲“我们用了一个很牛的大模型”，多讲“离线训练和线上推理的一致性”“特征实时性如何保证”。能够把系统链路讲完整，比堆模型名词重要得多。
6. 复盘与避坑：offer没拿到，问题不一定出在技术
6.1 我踩过的五个坑
整理下来，有几个错误非常典型，后来自查发现每个都有对应的补救方式。
第一，准备全套知识但没准备“一句话介绍”。很多面试开场是“你先介绍一下自己”，我一开始讲了三分钟项目背景，面试官不得不打断。后来我控制到一分钟，先讲技术栈、再讲最有代表性的项目、最后讲为什么投这个岗位。
第二，算法题只写不聊。有一轮技术面，我拿到二元树的题，五分钟写完后干等面试官检查，场面一度尴尬。正确做法是写完主动说“这个思路时间复杂度O(n)，空间递归栈O(h)，有一个边界条件是空树，我再补一个测试用例”。沟通本身就是展示思维过程的一部分。
第三，数据库只背概念不排障。“索引为什么用B+树”“事务隔离级别有哪些”都答得出来，但面试官问“线上数据库CPU打满怎么排查”就卡了。后来我按“慢日志—执行计划—索引—锁等待”的顺序把排查流程背熟，把这当成一个固定工具包。
第四，算法岗位答模型时没有结合业务。面试官问“逻辑回归适合什么场景”，我当时的回答是“二分类问题”，太概念化。面试官真正想听的是“线性可分、需要高解释性、特征量大、对非线性要求不高的场景可以先拿LR做baseline”。把模型落到业务上下文里，才会让人觉得你会做算法。
第五，面完就忘，不复盘。前几场面试答错的题目，下次可能原题再现，我却仍然不会。后来我每场面试结束后二十分钟内，把记下的所有问题整理进表格，标出状态：会、不会、答得不完整。这帮助我在后续面试中避免重复失分。
6.2 面试记录表怎么用
我用一个简单的表格管理面试进度，列头包括：公司类型、岗位方向、技术轮次、被问的问题、当场表现、需要补的内容。这个表最大的价值不在“记”，而在于“找出知识盲区”。比如连续两家公司都问了Redis持久化，说明这是高频点，我就去看RDB和AOF的源码设计；连续答错同一类动态规划，就说明表没刷透，需要做专题训练。
面试频率高的时候，我会在周五统一复盘当周所有问题，把答得不顺畅的题目重新写一遍。这样一周下来，基本能把高频盲区清零。不要小看这个笨办法，它比漫无目的刷题有效得多。
6.3 心态管理的几点体会
春招周期长、变数多，“被挂”是常态。我第一次被某家企业挂掉的时候，一度怀疑是技术不够，后来才发现主要是岗位不匹配：对方想要更多工程落地经验的候选人，而我当时偏重算法。匹配度这件事，不应该用一次失败完全否定自己。
我给自己的调整办法是，把面试当成一次信息收集：每一轮面试都有机会了解不同团队在做什么、用什么技术栈、重视什么能力。即使没谈成，也能知道自己和市场需求之间的差距。心态放平之后，后续面试反而更松弛，沟通也更顺畅。
最后再说一个适用于所有现场面试的小技巧：回答问题前保留两三秒思考时间，用“我先说下核心结论，再展开细节”开头。这样可以避免开场就跑偏，也能让面试官更容易跟上你的思路。面试中的条理性，往往比标准答案更能给面试官留下印象。
