当前位置: 首页 > news >正文

【10】微网优联——微网优联 嵌入式技术一面,校招,面试问答记录

微网优联——微网优联 嵌入式技术一面,校招,问答记录

  • 1. 2 分钟简单自自我介绍
  • 2. 问一遍笔试题目
  • 3. IP地址在哪个层
  • 4.手动配置过IP地址吗?要配哪几个?
  • 5. ARP 是域名找IP地址还是IP地址找域名?
  • 6. Linux、计算机网络、操作系统掌握的怎么样?数据结构用的多吗?
  • 7. 你这简历项目挺多的,但和我们不太匹配
  • 8. 你人为你做的最好或者突出的哪个项目?
  • 9. 为什么没有找机器视觉岗位?
  • 11. 你认为你和985的学生差距在哪?或者说能和他们一样做的好?
  • 12. 既然你说你做的是简单的算法,那讲一个看我能不能听懂?
  • 反问环节:你有什么问题要问的吗?
  • 1 该岗位对网络要求高吗?
  • 2.主要是在Linux下面开发吗?
  • 3. 笔试在面试中的比例?
  • 4.这轮面试如果通过了,下一轮是技术面还是HR?

腾讯会议面试,,微网优联——微网优联 嵌入式技术一面,校招,问答记录

1. 2 分钟简单自自我介绍

把准备的自我介绍内容 复述了一遍。

2. 问一遍笔试题目

笔试题目,挑了很多问我,让我讲解关于,最后程序题  实现字符串拷贝,说我写的太简单了,问题没考虑全面;

3. IP地址在哪个层

(计算机网络这一块,没复习,相关的问题回答的不好)

不太清楚,想了下,回答链路层。。啊,回答错了,是网络层

IP地址工作在 ‌网络层‌(OSI参考模型的第3层,TCP/IP模型的网际层):
在这里插入图片描述

‌IP地址所属层级‌:

  • OSI模型‌:第3层(网络层);
  • TCP/IP模型‌:网际层(Internet Layer);

‌核心功能‌:

  • 逻辑寻址‌: 为网络中的设备分配唯一标识(如 192.168.1.1)。
  • ‌路径选择‌: 通过路由器在不同网络间转发数据包(基于IP地址)。
  • ‌跨网络通信‌: 实现不同物理网络(如以太网、Wi-Fi)间的互联互通。

4.手动配置过IP地址吗?要配哪几个?

IP地址
子网掩码
默认网关
DNS服务器

在这里插入图片描述

配置静态IP地址不写静态DNS可以吗

1、绝大多数操作系统(windows)及手机,如果手动指定IP地址(也就是所谓的配置静态IP地址),并且不填写DNS的话,无法正常访问互联网。因为无法从正确的DNS服务器上取得所需要的DNS解释数据。
2、因为是指定IP,所以设备(电脑或手机)也不会尝试再从其它设备中取得正确的DNS配置。
3、DNS的作用是,将类似“www.abc.com”之类的 字符式的地址转化成类似“202.100.100.133” 的数字式的IP地址。

5. ARP 是域名找IP地址还是IP地址找域名?

域名找IP地址

互联网访问的方式是:输入域名—域名解析服务器(dns)解析域名成ip地址—访问ip地址—根据绑定域名找到目录—达到访问目的地

域名也叫做网域,实际上就是一串在因特网计算机上的名字字符,而且是具有唯一性的,当传输数据时用做定位标识。域名是以英文符号"."来隔开,顶级域名是固定的,一个网址就是该网站的域名如.com/.cn/.net等等。

在这里插入图片描述

ARP的功能是() 。A.通过lIP地址找到MAC地址
B.通过IP地址找到IP地址
C.通过域名找到IP地址
D.通过lP地址找到域名正确答案:通过IP地址找到MAC地址

ARP(Address Resolution Protocol) 地址解析协议,用于实现打通第二、第三层,根据IP地址获取物理mac地址的协议。OSI模型把网络工作分为七层(“应表会传网数物”),IP地址在OSI模型的第三层(网络层),MAC地址在第二层(数据链路层),彼此之间不打交道,跨越ISO模型的第二,第三层实现数据传输,需要使用到ARP地址解析协议,可以根据网络层IP数据包包头中的ip地址信息解析出目标硬件地址(MAC地址)信息。实现通信的顺利进行。

DNS协议介绍
上文中所说的ARP协议,是在局域网内依据IP 地址查询到对应的MAC物理地址 ,这里要讲的DNS协议则是用来实现域名与IP地址之间的互相转换。

域名的使用是为了方便人类的识别和记忆,而机器呢只识别IP地址,这其中就需要一个工具将两者进行互相转换,这个工具便是域名系统,也称为域名服务器。域名系统(Domain Name System,缩写DNS)是互联网的一项服务,它作为一个将域名和IP地址相互映射的一个分布式数据库。

6. Linux、计算机网络、操作系统掌握的怎么样?数据结构用的多吗?

。。。。。。。。。

7. 你这简历项目挺多的,但和我们不太匹配

A:简历前五个项目都是嵌入式相关的
Q:我们主要做 Linux下C开发

8. 你人为你做的最好或者突出的哪个项目?

(我想着实习期间做的机器视觉与嵌入式岗位无关,而自己在校时做了一些嵌入式项目,于是就挑选了 基于51单片机的智能黑板擦项目,该项目获实用新型专利

。。。。。,虽然看起简单,但是整个过程从整体构思、电路搭建、机械结构设计、单片机程序编写等等所有工作都是我一人完成,还很考验人的,有点像嵌入式全栈工程师,软硬件各个方面都涉及到了。这个项目,真正最难得不是在程序设计上,而是空间受力平衡和机械机构协调问题,很多机械机构是不到,只能根据需要自己设计,边实验边改进。最终,也达到了满意的效果,并且申请了专利。

Q:投入使用吗?
Q:代码有多少
A:2000多行

但是,面试官的意思,这也和他们工作需求关系不大,他们主要是Linux下c开发。【总之 感觉就是在故意找茬】

Q:出差给公司带来的价值呢?

(我的实习简历中 有提到实习期间 去甲方场调试 一台价值百万的客户定定制设备,我在与预计时间内完成调试,所有参数达到合同指标,交机后两周项目进行到验收环节,这个重要的环节我做的很好。)

A:。。。。。。。。。。。。。。

9. 为什么没有找机器视觉岗位?

开始也是准备找机器视觉岗位,所以我实习的时候也是找的机器视觉岗位,
但是当我是实习结束后开始投简历,发现机器视觉基本都要985硕士,211要的都少。
但是我并没有,而是投递机器视觉的岗位岗位的同时,也兼顾嵌入式、C/C++开发,毕竟。。。。。 
。。。。。。(面试没经验,回答的太老实了)

(值得高兴的是,我最后还是找到了 满意的机器视觉岗,工资嵌入式高多了!!!)

11. 你认为你和985的学生差距在哪?或者说能和他们一样做的好?

(还是有差距的,在做算法的时候,经常会用到高等数学公式,有时还要会改进公式、自己编写公式,用以解决实际问题。我实习期间,就开发简单的算法。)

。。。。。。。。。。。巴拉巴拉说了一堆

12. 既然你说你做的是简单的算法,那讲一个看我能不能听懂?

A:  发票精准定位。。。。
Q:那和车牌识别、二维码识别差不多吗?
A:。。。。。。。
Q: 那不是有固定的一套方案,可以直接用吗?
A: 大致思路基本是一致的,但不同的产品识别方法还是很大差别的。具体到每一个产品还都要结合实际情况,用户实际需求。。。。。。。。

反问环节:你有什么问题要问的吗?

1 该岗位对网络要求高吗?

不高,本科那些学明白了,就够了,,用不了多高级的,也不会去写IP协议那么高级

2.主要是在Linux下面开发吗?

是的Linux 下开发C

3. 笔试在面试中的比例?

C基础和成绩是基础分
Linux、计算机网络、操作系、数据结构 ,这是加分项

4.这轮面试如果通过了,下一轮是技术面还是HR?

技术面就这一轮,如果过,下一次就是HR面
http://www.dtcms.com/a/325443.html

相关文章:

  • 【Linux让旧电脑重获新生的奇妙魔法】
  • 【k8s】k8s安装与集群部署脚本
  • Godot ------ 平滑拖动03
  • 量子神经网络:从NISQ困境到逻辑比特革命的破局之路
  • Day 37:早停策略和模型权重的保存
  • C语言指针(四):字符指针、数组指针与函数指针的实战指南
  • Unity大型场景性能优化全攻略:PC与安卓端深度实践 - 场景管理、渲染优化、资源调度 C#
  • 在Mac 上生成GitLab 的SSH 密钥并将其添加到GitLab
  • 在 .NET Core 5.0 中启用 Gzip 压缩
  • AI时代基于云原生的 CI/CD 基础设施 Tekton
  • Redis Sentinel 中 `sentinel resolve-hostnames yes` 的必要性解析
  • C#图形库SciChart与ScottPlot及LiveCharts2对比
  • Linux客户端利用MinIO对服务器数据进行同步
  • 掌握while循环:C语言编程基础
  • Unity跨平台性能优化全攻略:PC与安卓端深度优化指南 - CPU、GPU、内存优化 实战案例C#
  • 《番外:Veda的备份,在某个未联网的旧服务器中苏醒……》
  • 扩展运算符...作用介绍
  • 关系型数据库:原理、演进与生态全景——从理论基石到云原生的深度巡礼
  • 国内 Mac 开启 Apple Intelligence 教程
  • 深入浅出JVM:Java虚拟机的探秘之旅
  • 第2节 PyTorch加载数据
  • 关系操作符详解与避坑指南
  • 软件编程2-标准IO
  • Maxscript实现在物体表面均匀散布的4种主流算法
  • C# 异步编程(计时器)
  • 大模型提示词工程实践:大语言模型文本转换实践
  • 实战:用 PyTorch 复现一个 3 层全连接网络,训练 MNIST,达到 95%+ 准确率
  • 软考高级资格推荐与选择建议
  • 大语言模型(LLM)核心概念与应用技术全解析:从Prompt设计到向量检索
  • STM32蓝牙模块驱动开发