2-3 道演算法題,難度 LeetCode Medium 到 Hard。部分崗位會增加系統設計簡答題。時長約 90 分鐘。
小紅書後端工程師面試指南 2026
小紅書後端面試注重推薦系統思維、內容理解能力和社區產品意識。面試題目常圍繞資訊流推薦、內容審核、搜尋排序等核心場景展開。本指南涵蓋面試流程、技術重點和社區特色考點。
面試流程
題型分佈
| 題型 | 佔比 | 說明 |
|---|---|---|
| 演算法與資料結構 | ~25% | LeetCode Medium 為主,偶爾 Hard。重點:雜湊表、樹、圖、動態規劃。一面必考,後續面試可能穿插。 |
| 系統設計與架構 | ~30% | 小紅書面試的核心。常見設計題圍繞資訊流系統、內容分發、搜尋排序、使用者畫像等社區場景。要求方案可落地而非紙上談兵。 |
| 推薦系統與內容理解 | ~25% | 即使不是演算法崗也可能考察推薦系統基礎:召回/粗排/精排/重排的流程、常用模型(雙塔、DeepFM)、特徵工程和內容理解基本概念。 |
| 專案經驗與技術深度 | ~20% | 圍繞履歷上的專案深入追問。小紅書看重你對技術細節的理解和主動最佳化的意識。能講出量化指標和技術取捨是加分項。 |
精選 10 題及思路
召回層(多路召回:協同過濾、內容相似、熱門)→ 粗排 → 精排(點擊率/轉化率預估)→ 重排(多樣性、去重、廣告混排)。討論冷啟動和即時特徵更新。
一致性雜湊環 + 虛擬節點解決資料傾斜。討論快取穿透/擊穿/雪崩方案、資料一致性保證(延遲雙刪/訊息訂閱)。結合社區 Feed 流快取場景。
機器審核(圖片辨識/OCR/影片抽幀)→ 人工審核佇列 → 複審申訴。討論審核延遲要求、準確率與召回率權衡、非同步處理架構和降級策略。
單表資料量過大時的最佳化:索引最佳化 → 讀寫分離 → 垂直拆分 → 水平分片。討論分片鍵選擇、跨分片查詢和 ShardingSphere 等中介軟體。
Trie 樹/前綴匹配 + 熱度排序。討論候選詞來源(歷史搜尋、熱門筆記標題)、個性化排序、拼音糾錯和輸入即時性要求(< 100ms)。
分區機制、消費者群組和 offset 管理、ISR 副本同步。應用場景:內容發佈非同步處理、推薦特徵即時更新、審核結果通知。討論訊息順序性和 Exactly-Once 語義。
標籤來源(使用者標註、NLP 自動提取、營運配置)。標籤體系設計(層級分類 vs 扁平標籤)、標籤關聯和標籤消歧。討論標籤在推薦和搜尋中的應用。
GMP 模型(Goroutine/M/P)、Channel 通訊 vs 共享記憶體、Context 傳遞與取消。討論 Goroutine 洩露偵測和高併發服務中的 Go 實踐。
收藏資料儲存(使用者-筆記關係表、時間線)、基於收藏行為的使用者畫像構建、協同過濾推薦。討論隱式回饋(瀏覽/按讚/收藏)的權重差異。
TraceID/SpanID 傳播機制(OpenTelemetry)、採集與儲存(Jaeger/Zipkin)、取樣策略。討論在排查推薦鏈路超時和內容審核延遲問題中的應用。
常見誤區
不了解小紅書的內容社區特性
小紅書是以 UGC 內容為核心的種草社區。面試前務必了解其產品邏輯(筆記發佈/資訊流/搜尋/電商閉環)。系統設計題常與社區特性緊密相關。
推薦系統知識儲備不足
推薦系統是小紅書的核心技術。後端崗不要求精通模型,但需理解整體流程(召回→排序→重排)、常見指標(CTR/CVR)和基本的特徵工程概念。
只關注後端技術忽略與演算法的交叉
小紅書後端和演算法團隊協作緊密。了解模型上線流程、AB 實驗框架、特徵服務設計等交叉領域知識會讓你脫穎而出。
系統設計缺乏對內容安全的考慮
內容社區必須重視內容安全(涉黃、涉政、虛假資訊)。系統設計中如果完全不提審核、過濾、舉報機制,會被認為缺乏實際產品意識。
如何用 Offer.cc 實戰
下載並啟動
下載 Offer.cc 桌面端(macOS / Windows)。面試前啟動並保持背景執行。
面試中截圖識題
面試過程中按 Cmd/Ctrl+Enter 截圖識題,AI 秒級產生答案路徑。
繼續處理追問
面試中遇到追問時,繼續用即時聽題和截圖識題取得下一步回答方向。
常見問題
開始準備你的下一場面試
按分鐘使用,用多少算多少。為下一場面試做好準備。
本指南基於公開面試經驗和資訊整理,面試流程可能隨時調整,不保證面試結果。所有商標歸其各自所有者所有。