第1章 岗位能力画像与简历优化模板
本章帮助面试者快速定位自身能力短板，系统梳理岗位核心要求，并按照大厂简历筛选策略优化简历结构。以下先给出岗位能力画像，再提供简历结构模板、关键词清单与成果量化句式，最后通过3个面试问答展示常见考察点与应对策略。
岗位能力画像（核心维度）
| 能力维度 | 核心要求 | 面试高频问题 |
|---|---|---|
| 底层原理 | B+树/哈希索引实现、MVCC、锁机制、WAL | “从磁盘读取一行数据经历了哪些步骤？” |
| 建模能力 | 关系代数、逻辑/物理建模、表结构设计 | “设计一个订单系统时如何分表？” |
| 性能调优 | explain分析、索引选择、缓存策略、批量写 | “某查询慢，你如何定位和优化？” |
| 工程能力 | C++/Rust、内存管理、并发编程、模块测试 | “如何避免内存泄漏？” |
| 问题排查 | core dump分析、trace工具、压测诊断 | “数据库死锁如何排查？” |
简历结构模板
- 个人信息：姓名、联系方式、GitHub/技术博客（如有核心项目开源）。
- 技术栈：分类列出，如存储引擎（InnoDB/RocksDB）、编程语言（C++17/Rust）、工具（Perf/Valgrind）。
- 工作/项目经历：按STAR法则，每段写2-3个成果点。
- 开源贡献：PR链接、issue修复、性能改进数据。
- 教育背景：学校、专业、成绩/奖项（突出计算机基础）。
关键词清单（高亮在简历中）：B+树 · MVCC · 锁并发 · WAL · buffer pool · 堆表/索引组织表 · 查询优化器 · 谓词下推 · 物化视图 · 分布式事务（Percolator/2PC） · 向量化执行 · 内存合并 · 锁等待图 · undo/redo log · 混合存储（SSTable + 行存）
成果量化句式（示例）
- 重写B+树节点合并算法，随机写入吞吐提升32%（5万tps→6.6万tps）。
- 改造锁管理器，死锁检测延迟从200ms降至8ms，系统公平性提升2倍。
- 设计自定义bloom filter过滤无效读，全表扫描IO减少60%。
面试问答1：请介绍你是如何设计一个存储引擎的？
面试官考察点：系统性思维、模块划分能力、是否深入理解存储层组件。
回答框架：分层概述（日志层→缓存层→索引层→存储层）→ 关键设计权衡 → 实际案例数据。
简短示例回答：先设计WAL保证原子性，再实现buffer pool管理数据页，用B+树索引组织行数据。以RocksDB的LSM-Tree为例，写放大因子控制在2以下，读放大通过bloom filter控制。
可能追问：如何做崩溃恢复？写放大与读放大如何平衡？
避坑提醒：不要只列知识点，要带具体数据或项目经历。避免说“用InnoDB的默认配置”，面试官期待你提出自己的设计方案。
面试问答2：一个查询执行计划显示使用了全表扫描，如何优化？
面试官考察点：执行计划分析能力、索引选择逻辑、实际修改经验。
回答框架：确认表大小与数据分布 → 检查查询条件与现有索引匹配度 → 考虑复合索引/覆盖索引/分区 → 验证优化效果。
简短示例回答：先explain看filter条件，发现WHERE a>100 AND b='x'，而仅有a的单列索引。创建复合索引(a,b)后扫描行数从200万降为3千，查询耗时从4.2s降到18ms。
可能追问：如果过滤性差怎么办？为什么MySQL有时候会选错索引？
避坑提醒：不要只说“创建索引”，要说明如何判断索引收益（如基数、选择性）。避免空谈“用explain”，要给出具体数值。
面试问答3：在简历中写“优化了数据库锁机制”，如何给面试官讲这个故事？
面试官考察点：问题定义、技术方案设计、量化结果。
回答框架（STAR）：场景（S）→ 任务（T）→ 行动（A）→ 结果（R）。
简短示例回答：S：线上出现死锁频繁，每秒触发20次。T：降低死锁率并提升并发。A：分析死锁图发现锁升级顺序不一致，改为行级锁按tuple哈希排序加锁，并引入死锁重试机制。R：死锁率降至0.1次/秒，并发写入量提升40%。
可能追问：为什么选择哈希排序？重试逻辑会不会引起活锁？
避坑提醒：STAR中A部分要突出你的设计思考，而不是简单工具操作。数据必须真实可信，不要编造夸张数字。
📌 简历修改小技巧：把“熟悉MySQL”改成“深入理解InnoDB行锁与MVCC，解决过死锁问题”；把“参与改造存储引擎”改成“主导实现bloom filter，将无效读IO降低60%”。动词用“实现”“重构”“设计”“调优”。