@lk0317 那请问：你平常除了业务以外下班自己做过啥项目吗？这些东西在面试的时候是否有意义呢

想问下楼主工作多久了？

看业务，如果比较简单就 on duplicate，自增的 ID 如果怕溢出就选择用 bigint 做主键，（如果并发不高的话可以将预分配的下一个自增 id 重新设置回来的）

如果业务复杂就没办法了，只能选择先检查后处理，这种情况可能遇到并发问题导致检查后其他线程又插入了，最好业务上做处理，利用 unique key 抛出的异常判断。

@CopenhagenCat 给一个建议，先转成大数据试试，接触基本的数据挖掘算法，参与实际的业务，然后再进一步考虑。这样进退皆可，比较灵活，也不会让你一下找不到工作

两个原因：
1 入门门槛高，虽然入门的机器学习知识其实大学本科的数学就够了，后面的可以边学边补，但是很多人都很难捡起来了。
2 找工作门槛高 现在想去大公司做算法相关已经不比几年前了，没有工程经验很难进去。而这种东西又是你自己一个人学不到的，大多数人只能停留在打比赛的层次。但是现在由于人太多导致门槛提高，这个已经不够用了（阿里星水平这种就不用拿出来讨论了）你可以看看现在应届生想做机器学习的有多少，你转行面对他们的优势又有多大呢？当然不是没机会了，但是单纯自学然后强行转，很可能前途还不如做开发

想问 2 个问题
阿里股票四年发完了就没有了，也就是说以后的收入会大大减少？
而且股票交税都是一次性的（公司应该不会分摊到每个月帮你避税吧），实际到手应该少很多吧？

如果要求用户至少花费 k 元,那么可以提供一个思路:
假设不妨设一共 N 个菜,设状态 dp[i][S] 为处理了前 i 个菜,一共点了 S 的价格的状态(0 表示不存在这个状态,1 表示存在这个状态)
先不考虑满减,显然 dp[i + 1][S + price[i + 1]]
dp[i+1][S] = dp[S]
所以 dp[N-1]表示所有菜都考虑了的情况,那么考虑满减 dp[N-1][S] - discount (如果有多个满减,就找最近点那一个)
结果就是最小的那个

这种情况如果 S 的总价格不是很大,那么状态不会很多(我们可以假设用户不会点超过 1000 的外卖,S <= 1000,如果超过一般都会超过最大的满减上限了)
也就是搜索一个 N * S 的状态空间就可以解决

优化空间: 显然 dp[i]只依赖 dp[i-1],所以两个一维数组就可以解决
剪枝: 保留当前最小的 S - discount,那么我们可以判断从当前状态出发是否存在更小的可能,这里分类讨论可能的 discount
缓存: 从业务考虑,我们完全可以先计算好前 100 个状态,然后需要的时候直接从缓存好的状态开始计算起(时间和空间的 tradeoff)

@backfrw 我也不是啥前辈，工作也才 1 年多，也是准备从成都往北京跳的。

我回答你的问题：
1 我定义的知识体系，就是你从事的这个领域，你能从头到尾的理解整个流程。能把各个层的东西融汇贯通并加以扩展。举个例子：做 web 后端开发（这里含领域知识，比如支付，直播，搜索），以浏览器为分界线，
http 层面要懂（各种 header，code 的意义和使用，以及遇到问题能否判定是这个层出了问题）
接着 tcp 要懂（遇到网络异常能否判定是不是传输层面出问题了，比如服务器 timewait 状态很多导致链接失败是怎么回事？），可以写个 io 多路复用的程序可以吗（比如用 netty 写个多线程异步调用的 client 去做某些业务能做到吗？）

负载均衡怎么做的？（了解 nginx 原理吗，具体怎么配置？需要自己写第三方的负载均衡模块吗？）

然后框架原理，比如你用某个框架，从它 parse 出 http 包开始，到你的 controller 层是怎么个情况，出 bug 了能定位问题吗？能直接看源码找到问题吗？

然后到框架的 orm 大概是什么原理，怎么映射到后端的数据库，如果需要支持某个 database 但是你这个框架又没有合适的开源组件，能自己搞定吗？数据库客户端的链接池特点是什么，对开发的影响。各种 filter/hook 是怎么实现的，怎么应用？出问题能定位吗？

然后到数据层面，先是缓存，redis 的基本原理要懂，如果有周期性的卡顿能通过日志分析出原因吗（这里还考验逻辑推理能力），主从有什么坑，集群原理，有什么坑。最关键的，怎么针对业务涉及一套合适的 cache 体系（这个挺难，没实战积累感觉和经验很难做到），还需要对各种命令的复杂度有所了解（这也附带要求理解内部数据结构）

然后到 db，这种一般源码太复杂了（比如 mysql innodb ），所以看看文章了解基本原理，比如 insert 并发怎么导致了一个死锁？（要求对 mysql 加锁机制非常熟悉，这个还需要去查资料） update 语句会锁哪些地方（反过来思考索引）查询怎么走索引（ selectivity 怎么样？），排序 /分组怎么走索引（能利用索引的两种优化机制吗？）自带分区表能不能业务中用上，有哪些坑？应该怎么分表（冷热数据对缓存友好，但是有可能业务中不方便带分区参数） column 类型的选择，text/blob 的存储模型（影响取数据），int，mediumint，smallint，bigint 可以选哪个？各种参数（如果走阿里云一般默认的就很好了）主从，集群有什么坑？（这个我目前也不懂）出问题了怎么迅速恢复数据（至少恢复大致数据然后靠应用层逻辑校对）
你搞统计还得设计一手好 sql，数据量大了就要上各种大数据工具。

再有 cdn，具体的 api 熟悉吗，上传不同类型数据有什么坑（比如有些上传了不是马上见效），怎么加速？

还有应用内，项目用的什么 rpc，原理了解吗（网络，线程模型，编解码，重试，负载均衡），有哪些功能，需要自己 hack 能做到稳定可用吗？各种中间件（ mq，log，proxy 了解吗？我也不了解哈哈）

语言，best practice 了解吗？（知道这样做的原因吗？，知道这样做的场景吗？）各种内置的数据结构原理了解吗？并发呢？（各种并发模型，这个我也不太懂）各种坑就不说了。调优也是有可能的。

然后就是算法和数据结构，这个往往涉及到一些比较复杂的业务（硬骨头）时候可能用到，比如让你做成给产品可配置化的界面，让它们设定任意树状结构的统计分类，你怎么弄？现在需求改了，你需要合并两颗树（相同路径合并，同时有复杂的业务条件限制），怎么弄？
数据量太大，能不能搞个 bitmap 代替 set ？放 redis 还是直接放内存里面（ db 做持久化？）
有时候可能需要来个桶排序你能想到吗？如果需要在内存里面做可持久化的数据结构怎么弄？比如 bk 树，avl 树 /rb 树 /skiplist （现在有 redis 可以替代了），怎么序列化？（自带的序列化机制原理？慢吗？可以优化吗？开源的原理？性能够用吗？）
万一需要动态规划 /搜索算法来算个最优解（这个往往出现在游戏里面，或者一些调度问题）能想到吗？字符串匹配怎么做？能针对业务优化吗？（往往内存放不下）

最后也是很重要的领域知识，这个只有去对应的项目才能积累了（直播，支付，ai 底层平台开发，中间件开发等等）

还有系统架构能力，这个挺吃天赋和经验的，我也不懂，只能多反思自己的代码，多看看别人的设计，多想想能不能迁移 /抄袭这些设计。

逻辑思维能力，这个感觉比较难提升，但是通过熟悉业务和领域知识应该可以一定程度弥补

以上就是近几年（初级到中级）自己进步的思路，但是具体来做，肯定还是业务优先，先把业务搞熟悉，做到按时按质量交付，然后考虑怎么写更好，然后就有机会做更核心的，理论实践结合，下班可以花时间自己造轮子玩玩。

@backfrw 往框架上努力没有问题，但是这个时候最重要的其实是形成一套自己的知识体系，这是你在某个领域的核心竞争力。要达到这个目的第一基础必须很扎实，第二必须在一个有一定难度的项目里面长时间的参与开发，同时尽可能扩展业务边界线，涉及核心的技术。

你要做到 2 就必须做到 1，否则面试就过不了，更不要说去个不错项目了。而做到 2 最忌讳的就是一个项目做三个月然后就又换一个，这样你的知识体系会很零碎，没什么机会把理论和实践结合起来，总是在和一些琐碎的表层知识和新的业务做斗争，很难成长。

你目前公司太水了，让你搞东搞西的，你又根本没有话语权，你只能利用业余时间加班学习，争取做到扎实基础，业务用到的框架熟悉基本原理（至少看看网上的文章解析这种），然后造几个小轮子什么的。然后跑路。

不是大佬
我认为问题在于两点：
1 是否有时间来反思写过的代码？一般来说 code review 对自己提升还比较大的，无论是别人还是自己 review

2 是否对用到的技术进行加深了解？比如用到 mysql，是否对 mysql 事物级别，mvcc，各种锁的机制了解？是否了解索引对应在磁盘上的数据结构？
用到 java，是否对 jdk 集合的原理有所了解？对多线程的各种坑，线程池，future 等原理有所了解？

如果只是简单的外包+加班，能够直接获益的可能不多，考虑下班有时间自己学习，争取去一些有较大数据量和一定并发量的公司写业务。

剪光头 | 戴帽子

老哥你 15 年就加入 v 站了，你在啥工厂这么 6
不会是鹅厂，狼厂，菊花厂吧

@hungrygenius 其实不是拿的多和少，而是很难进。拿的对比以前可一点也没减少，但是门槛提高了很多。
现在的趋势是，大公司已经不怎么想要那些能力一般的算法研究生了，大家都想高薪挖老司机，如果你还是处于一个打打比赛，做了一些普通项目，懂基本算法原理的水平，可以说很难找到理想的工作。

小公司有戏，因为招不到牛逼的应届生，但是小公司很多根本就没有足够的数据来支撑 ai，也不需要 ai，只是跟风。如果过两年泡沫稍微去一点，你小公司的就惨了，又不是核心业务，第一个砍的就是这些人。

@hungrygenius 意思应该是学人工智能不一定能成功,但是教别人人工智能的都已经赚钱了...

现在 ai 领域竞争非常激烈，具体情况可以在知乎上搜索到，前几年入行和现在入行拿到 offer 的难度差异非常大.

当年找实习投了个量化的岗位，一面就挂了....
然后老老实实做后端....

@lk0317 就是看看你做的项目的意思

老哥我感觉我也一定程度面临这个问题...
你把简历放出来呗，case by case 的看到底有哪些可以调整修改的