蘑菇街2019实习生笔试复盘：后端与大数据核心考点全解析

这段时间陆陆续续有学弟学妹问我，说自己刷题、背八股、写项目，方向感还是很模糊，尤其碰到那种“看起来每个字都认识，连起来不知道考什么”的笔试题，直接心态塌方。我翻了翻手里存的老题库，发现蘑菇街2019年这套后端/基础后端/大数据实习生笔试试题，放到今天来看依然很有代表性——它不是那种刁钻到失去意义的卷子，而是能把候选人的基本功、工程思维和学习潜力都筛出来的典型电商系笔试。今天我就拿这套题当引子，把三个方向各自的考察逻辑、核心知识点、编程题解题思路，以及备考时应有的优先级，一条条拆给大家。

如果你是正在准备Java后端、大数据岗位实习或校招的同学，这篇文章应该能帮你少走不少弯路。哪怕你不是面电商，这套复盘思路也通用：把“考什么”还原成“岗位需要什么”，再从知识点回到工程实践，你会发现笔试其实就是一份浓缩版的岗位说明书。

1. 这个笔试到底在考什么：一张试卷背后的岗位逻辑

1.1 从题型结构看筛选目标

蘑菇街2019年这套实习生笔试题，整体结构基本遵循了当时互联网公司校招笔试的通用套路：客观题（选择、填空）考察基础知识的宽度，简答题考察理解深度，编程题考察动手能力。后端和基础后端方向在客观题上会更偏Java、计算机网络、操作系统、数据库，而大数据方向则会在Hadoop生态、数据仓库、离线计算这些模块上加码。

出题人真正的意图，不是让你考满分，而是想通过一套题确认三件事：第一，你的计算机基础是否成体系，而不是零散背了几个框架；第二，你有没有基本的工程敏感度，比如知不知道HashMap在多线程下会出问题、数据库索引底层到底是什么结构；第三，你的代码能力能不能达到“拿来就能干活”的底线。实习生嘛，不会指望你一来就独当一面，但一个连基础都含糊的人，团队带起来确实太累。

1.2 三个岗位方向考察重心对比

我把这几个方向的考察重心整理成了一张表，方便大家对号入座：

这里有个容易忽略的细节：基础后端和后端并不是简单的前置关系。基础后端更强调底层原理，而后端更强调应用层能力，比如框架原理、缓存设计、接口性能优化。对大数据的同学来说，Java基础同样重要，因为大部分大数据框架都是Java/Scala生态，不懂JVM、不懂并发，玩Spark和Flink是会吃大亏的。

2. 后端/基础后端核心考点：基础不牢，地动山摇

2.1 Java基础与并发：从集合到锁的连环问

蘑菇街这套题里，Java相关题目占有相当比重，而且问法非常“实战导向”。比如说，HashMap和ConcurrentHashMap的区别，几乎是必考题。很多同学能背出来“HashMap线程不安全，ConcurrentHashMap线程安全”，但一旦被追问“底层是怎么保证线程安全的”“JDK 1.7和1.8的ConcurrentHashMap有什么区别”，就卡住了。

这就是典型的“知其然不知其所以然”。在回答这类问题时，建议按三层递进来讲：第一层说结论，第二层说机制，第三层说场景。比如HashMap的问题，你可以这样说：HashMap在JDK 1.7中采用头插法，多线程put时可能导致环形链表，进而引发CPU 100%问题；JDK 1.8改成尾插法后解决了这个问题，但size、modCount等共享变量依然没有原子性保护，所以并发写场景依然不安全。而ConcurrentHashMap在JDK 1.7用的是分段锁，JDK 1.8改成了CAS + synchronized锁桶，锁粒度更细，并发度更高。

除了集合，线程池也是高频考点。蘑菇街这类电商公司，业务峰值明显，线程池参数怎么设置、任务提交后按什么顺序执行、拒绝策略有哪些，都是很实际的问题。我建议把ThreadPoolExecutor的核心参数、四种拒绝策略，以及一个简单的参数估算方法形成肌肉记忆。比如一个IO密集型任务，核心线程数可以设为CPU核心数乘2再加1，但更准确地是根据“任务耗时占比”来算，公式略复杂，笔试时能把思路讲清楚就够了。

2.2 操作系统与计算机网络：看似八股，实则筛选逻辑

操作系统和计算机网络在基础后端笔试题里属于“不能丢分”的部分。进程和线程的区别、死锁的四个必要条件、虚拟内存的作用、TCP三次握手和四次挥手、HTTP与HTTPS的区别，这些都属于计算机专业的基本盘。蘑菇街的题目不会在这些东西上出偏题怪题，但会换着花样考你“是否真的理解”。

举个典型的例子，问“为什么TCP连接建立需要三次握手，而不是两次”。很多人只会背“防止已失效的连接请求突然传到服务端，造成资源浪费”。这个回答方向没错，但要拿全分，建议补充：两次握手时，服务端无法确认客户端是否收到了自己的同步确认报文，如果客户端认为自己没连上、服务端却已经分配资源，就会造成服务端资源白白挂着。这背后的本质是“双方都需要确认彼此的收发能力”，理解了这一点，不管题目怎么变你都能接住。

网络部分还有一个容易在笔试里翻车的点，就是HTTP状态码。尤其是301和302的区别、401和403的区别，搞混的人特别多。简单记忆法：301是永久重定向，302是临时重定向；401是“未认证”，你需要先登录，403是“已认证但没权限”，服务器认得你但就是不让你进。蘑菇街这类电商对外接口很多，考察状态码其实是在看你对接口语义的理解是否准确。

2.3 数据库与缓存：电商系统的命根子

后端笔试题里，MySQL和Redis的考察权重非常高，这在电商场景下特别合理。蘑菇街的业务是导购电商，首页推荐、商品详情、购物车、订单交易，哪一样都离不开数据库和缓存。

MySQL部分我印象最深的是索引相关的题目，比如“InnoDB为什么用B+树而不是B树或红黑树”。回答时抓住三个要点：第一，B+树只在叶子节点存数据，非叶子节点能存更多索引项，树更矮，磁盘IO次数更少；第二，叶子节点用双向链表串联，范围查询和排序效率高；第三，所有查询都要走到底部叶子节点，访问路径稳定。另外，联合索引的最左前缀原则，以及explain里的type字段，从const、ref、range到index、ALL，最好都能说清楚。

Redis部分，缓存穿透、缓存击穿、缓存雪崩是老三样，但问法每年都在变。蘑菇街那套题里的问法是把三种场景混在一起，让你给出区分和解决方案。我的建议是：不要只背“布隆过滤器”“互斥锁”“随机过期时间”这些关键词，要能结合电商业务讲出具体做法，比如首页热卖商品的缓存过期时间加上随机抖动，DB层再对空结果做短暂缓存，这样冷启动时就不会瞬间压垮数据库。

3. 大数据方向考点拆解：从HDFS到实时链路的完整考察

3.1 大数据生态基础：HDFS、MapReduce与YARN的协作关系

大数据方向的笔试题，整体给人的感觉是“偏架构、偏流程”。选择题会考HDFS读写流程、MapReduce的Shuffle过程、YARN的资源调度机制，简答题则喜欢让你画一条离线数仓链路，或者对比Spark和MapReduce的优劣。

回答HDFS写流程时，我习惯用“三步走”来记忆：第一步，客户端向NameNode发起写请求，NameNode检查权限和路径合法性，返回可用的DataNode列表；第二步，客户端按数据块（默认128MB）切分数据，依次写入第一个DataNode，再由第一个DataNode并行复制到第二、第三个DataNode；第三步，所有副本写完后，DataNode向客户端返回确认，客户端再向NameNode汇报。这里有个细节容易被忽略——副本放置策略，第一个副本放在客户端所在节点，第二个副本放在同机架的另一个节点，第三个副本放在不同机架，这个策略是为了在“容错性”和“写入带宽”之间做平衡。

MapReduce的Shuffle是另一个高频考点，同时也是很多人的痛点。简单来说，Map端做完局部排序后，会把结果按分区写入内存缓冲区，缓冲区达到阈值后溢写（spill）到磁盘，同时进行合并排序；Reduce端从各个Map端拉取属于自己分区的数据，做归并排序后喂给reduce函数。理解Shuffle的关键在于“数据怎么从Map端到Reduce端”，而不是背那些术语本身。我当年复习的时候，自己画了三遍Shuffle流程图，直到能闭着眼还原每一步，笔试遇到相关题目就再也不慌了。

Spark在这个时代的笔试题里也已经占了半壁江山。常考的点包括：RDD的宽依赖和窄依赖怎么区分、Stage是怎么划分的、Spark on YARN的两种部署模式（client和cluster）有什么区别。宽窄依赖的判断标准很简单：父RDD的一个分区是否被子RDD的多个分区使用，一父多子就是宽依赖，需要Shuffle，而Stage就是按照Shuffle边界来切的。这个点一旦想通，Stage划分题目基本就是送分题。

3.2 数据链路设计题：离线数仓与实时计算

大数据方向的简答题，很多时候不会只考单个组件，而是给你一个业务场景，让你设计一条完整的数据处理链路。比如“电商平台每天产生大量访问日志，需要统计各品类商品的曝光量、点击量和成交转化率，你会怎么设计？”

这种题目没有唯一答案，但考察的是你有没有完整的数仓分层思维。比较稳的回答框架是：源数据层（ODS）先不做任何加工，将日志原样落地；明细层（DWD）做清洗、去重、维度补充，比如把IP解析成城市，把用户ID和登录表关联补齐；汇总层（DWS）按业务维度做轻聚合，比如按小时、按品类统计曝光和点击；应用层（ADS）面向具体报表需求，产出最终指标。计算引擎的选择上，离线部分用Hive或Spark批量跑，实时部分如果有分钟级延迟要求，可以引入Flink读取Kafka里的日志流做实时聚合，结果写入OLAP引擎或Redis。

我在跟很多同学交流时发现，大家不是不知道数仓分层，而是不会把组件合理地串起来。建议平时多动手搭建一个最小闭环：用Flume采集一个日志文件到HDFS，再用Spark读HDFS算一个词频统计，最后把结果写到MySQL，这样你对整条链路就有了体感，笔试答题时再也不会挤牙膏。

3.3 大数据面试中的“隐藏考点”：数据倾斜与任务调优

数据倾斜是笔试和面试都特别爱出的题，因为它直接考察你有没有处理过真实数据。题目通常是：“Spark任务跑得很慢，发现某个Stage卡了很久，你怀疑是数据倾斜，怎么定位和解决？”

定位阶段，可以从Spark UI上看各Task处理的数据量，如果某个Task的数据量明显比其他Task大几个数量级，基本就实锤了。解决手段要分情况说：如果是大表和小表Join，用广播变量把小表广播到每个Executor，避免Shuffle；如果是Key本身倾斜，可以加随机前缀，把一个大Key拆成多个小Key，再对结果做去重合并；如果是聚合类操作的数据倾斜，可以做两阶段聚合，先加随机前缀做局部聚合，再去掉前缀做全局聚合。回答时最好能带上“实际工作中我遇到过xxx情况，最后用xxx方案解决”这种细节，会让回答一下子立体很多。

另外还有一类容易被忽视的题目：Linux基础。大数据环境跑在Linux上，基本命令必须熟。蘑菇街那套题里出现过查看磁盘占用、查找某个进程、查看端口监听状态的题目，虽然分值不高，但不会写是真的会卡住。df -h、free -m、top、ps -ef | grep java、netstat -tlnp、tail -f，这些命令最好练到不用思考就能打出来。

4. 编程题实战：高频题型与手写代码思路

4.1 从蘑菇街真题看算法题的考察范围

蘑菇街后端和大数据实习生的编程题，难度大致在LeetCode Medium偏下的水平。题目类型很集中：字符串处理、数组与排序、链表操作、Top K问题、LRU缓存设计，以及互联网公司特别爱考的“手工实现某个工具类”。

我印象中有一道题很典型：设计一个LRU缓存，支持get和put操作，要求时间复杂度O(1)。这道题考察的是数据结构组合能力，标准解法是HashMap + 双向链表，HashMap用来O(1)查找，双向链表用来O(1)插入和删除。网上有很多简版写法，但很多人一紧张就把链表的头尾指针搞乱。我建议在笔试前手写至少三遍，第一遍照抄理解，第二遍合上答案自己写，第三遍边写边讲出每一步在干什么，直到形成肌肉记忆。

再看一道大数据方向可能出现的题：有一个包含10亿条用户访问记录的日志文件，每行包含用户ID和访问时间，统计访问次数最多的前100个用户。这题的最佳思路是分治：先用哈希函数把大文件拆成若干个小文件，保证相同用户ID一定落在同一个文件里，再对每个小文件用HashMap统计次数，最后用小顶堆维护全局Top 100。这类题目重点不在代码技巧，而在于你懂不懂“内存放不下就分片”的思想，这也是大数据的核心思想之一。

4.2 手写代码的边界问题与答题节奏

编程题除了考察思路，更考察代码的健壮性。很多人LeetCode刷题时直接跑通过就完事，笔试时却忽略了边界条件，比如入参是null、字符串为空、数组长度为0、数值溢出。以字符串转整数为例，如果面试官看到你写了空指针判断、符号位处理、溢出检查，心里对你的评价会明显高一档。

下面我写一个简单但完整的字符串转整数示例，大家感受一下工程化写法的节奏：

public class StringToInt { public static int myAtoi(String str) { if (str == null || str.length() == 0) { return 0; } int index = 0; int sign = 1; long result = 0; // 1. 去掉前导空格 while (index < str.length() && str.charAt(index) == ' ') { index++; } if (index == str.length()) { return 0; } // 2. 处理正负号 char first = str.charAt(index); if (first == '+' || first == '-') { sign = (first == '-') ? -1 : 1; index++; } // 3. 核心转换，注意溢出 while (index < str.length() && Character.isDigit(str.charAt(index))) { result = result * 10 + (str.charAt(index) - '0'); if (result * sign > Integer.MAX_VALUE) { return Integer.MAX_VALUE; } if (result * sign < Integer.MIN_VALUE) { return Integer.MIN_VALUE; } index++; } return (int) result * sign; } public static void main(String[] args) { System.out.println(myAtoi(" -42")); System.out.println(myAtoi("4193 with words")); System.out.println(myAtoi("")); } }

代码不复杂，但把空值、空格、符号、溢出全部cover住了。笔试过程中，建议先花1分钟确认题目有没有隐藏限制条件，再动手写。如果某题一时没思路，不要死磕，先跳过做下一题，最后再回头补。一定要避免“一题卡半小时，后面全空着”的悲剧。

4.3 多线程编程题：后端笔试的硬骨头

后端方向的编程题有时还会出多线程相关的题目，比如“三个线程交替打印ABC循环10次”。这种题考察的是线程协作的基本功，一般可以用synchronized + wait/notify，也可以用一个共享锁和状态标志来实现。

我推荐一个通用的模板思路：把打印逻辑抽象成一个轮次判断，每个线程打印前先检查“当前轮到自己了吗”，不是就等待，是就打印并变更状态，再唤醒其他线程。这种写法虽然不如Lock和Condition优雅，但胜在思路清晰、不容易写错，笔试时稳定是第一位的。

多线程题的高分关键在于“讲清楚为什么”：为什么用while而不是if来做条件判断？因为防止虚假唤醒，这是JVM规范里明确提到的问题。为什么wait和notify要放在同步块里？因为wait释放monitor锁的前提是持有它，否则会抛IllegalMonitorStateException。这些小细节，恰恰是阅卷时区分“背过答案”和“真正理解”的地方。

5. 备考路线与答题技巧：把一张试卷转化成offer的路径

5.1 按优先级安排复习计划

很多同学在准备笔试时最大的问题不是不努力，而是东一榔头西一棒子，今天看Redis，明天刷LeetCode，后天又去学大数据平台搭建。结果一个月下来，好像什么都碰了，又什么都没有形成体系。针对蘑菇街这套笔试的考察结构，我建议按以下优先级来安排复习：

第一优先级是编程题和Java基础。每天至少保持1到2道手写代码题，LeetCode按Tag分类刷，重点刷数组、哈希表、链表、字符串、二叉树、堆、排序这七类；Java基础重点看集合源码、并发工具类、JVM内存区域和垃圾回收。第二优先级是数据库、缓存和网络，这是后端岗位的保命分；第三优先级才是各类框架原理和分布式组件，比如Spring、Spring Boot、RocketMQ等，理解核心思想即可，不必死磕源码细节。大数据方向的同学，把网络、操作系统、Java基础这三大块保住之后，再重点攻克HDFS读写、MapReduce Shuffle、Spark宽窄依赖和SQL相关题目，性价比最高。

这个复习顺序的逻辑是：编程题决定你的下限，Java基础和数据库决定你的上限，框架相关题目只要不丢大分就好。毕竟笔试之后还有面试，面试官一定会基于你的笔试答案追问，所以“每个知识点都能用自己的话讲清楚”比“背了一大堆却互相矛盾”有价值得多。

5.2 一个高效的知识点复盘方法

我本人特别推荐用“费曼式刷题法”来准备笔试：每做完一道题、复习完一个知识点，假装自己是老师，把解题思路和原理用最简单的语言讲给一个“完全不懂的人”听。如果讲的过程中发现卡壳了、逻辑不连贯了，那这个知识点就是你的薄弱环节。

比如你复习完线程池，可以试着讲：“线程池就是把新建线程变成从池子里捞，核心线程跑完也不回收，任务多了排队，队列满了就加临时线程，还不够就按策略拒绝。”如果你能在一分钟之内把这个链条清晰讲完，笔试时不管怎么出题你都不慌。如果讲不清楚，回去再看一遍源码，而不是急着看下一个知识点。

另外，强烈建议把错题和易混点收集起来，做成自己的速查手册。比如301和302的区别，Synchronized和ReentrantLock的区别，countDownLatch和CyclicBarrier的区别，B树和B+树的区别。这些成对出现的概念，在选择题和简答题里特别容易设陷阱，整理在一起对比记忆，效率高很多。

5.3 笔试题不会的题，怎么“抢救”分数

笔试时遇到完全不会的题，千万不要留空。大部分互联网公司的笔试题阅卷，不是只盯标准答案，还会看你有没有一定的分析思路和踩分点。选择题蒙一个也有概率，简答题就算思路不对，把你理解的那部分写出来，也能让阅卷人知道你的水平在哪里。

特别是大数据方向的简答题和方案设计题，只要你能够画出“数据源 -> 接入 -> 存储 -> 计算 -> 应用”这种分层架构，再写出每个环节用到的组件，就算细节不完美，也能拿到不少分。这种答题方式本质上是展示你的技术视野，而不是精准复述教科书。当然，平时还是得多积累，如果你的知识库本身就干瘪，那再怎么“抢救”也挤不出多少内容。

6. 写在最后：我的一些实际体会

回过头看蘑菇街2019年这套笔试题目，虽然年份已经过去几年，但它的考察思路和今天绝大多数互联网公司的实习生招聘相比，几乎没有本质变化。基础后端和后端岗位，看的还是那三件事：计算机基本功扎不扎实、代码能不能写利索、对工程世界有没有基本的认知。大数据方向，看的是你懂不懂数据从产生到消费的完整链路，以及遇到性能瓶颈时有没有解决问题的直觉。

我在带新人、帮学弟学妹做模拟面试的过程中，发现一个特别普遍的现象：很多人不是不聪明，也不是不努力，而是复习时太“飘”太“散”，永远停留在API使用层，没有往底层原理和设计思想上深挖一步。其实笔试题目早就圈好了范围，你越早看懂它背后在考什么，备考就越有方向感。我个人建议，拿到任何一套笔试题，不要急着刷完对答案，先花30分钟做一件更有价值的事——把每道题还原成它对应的知识点，再把这些知识点标注上优先级。当你把所有题目都拆成一张知识图谱时，你会发现需要准备的东西没有想象中那么多。

希望这次复盘能对你的笔试准备有一点启发。如果你正在准备后端或大数据方向的实习生笔试，不妨试着用我上面说的方法，把目标公司的历年真题做一次“知识点反推”，再按优先级安排复习。加油。