阿里云可观测存储 AI Agent 工程岗一面：存储性能与查询优化
本场面试题
- 怎样介绍 Agent 存储查询优化项目？
面经与参考答法
阿里云可观测存储 AI Agent 工程岗一面：存储性能与查询优化
这轮一面把 Agent 项目与存储基础结合起来，追问 SSD/HDD 访问延迟、查询优化、一次存储读取的完整链路，并安排了二分边界和整数转字符串两道编码题。
同一原问涉及多个既有专题时，下方分列复习入口；它们不代表新增独立题目或面试流程。题后的回答均为整理教学，不是候选人现场作答。
（1）怎样介绍 Agent 存储查询优化项目？
（1）怎样介绍 Agent 存储查询优化项目？
先说明查询对象、数据规模、读写模式和原始瓶颈，再用执行计划、慢查询日志与分层指标定位问题。优化可能包括改写查询、建立合适索引、减少扫描列和数据量、批量访问、缓存热点结果或调整分区。效果应同时比较延迟分位数、吞吐、资源消耗和正确性，避免把偶然缓存命中当作稳定收益。
延伸阅读：SQL 索引优化。
（2）一次访问 SSD 和机械硬盘大约需要多久？
（2）一次访问 SSD 和机械硬盘大约需要多久？
关联知识点待核实。
只能回答数量级并说明访问模式。现代 NVMe SSD 的随机读取通常在几十到数百微秒量级，SATA SSD 往往更高；机械硬盘随机访问受寻道和旋转延迟影响，常在数毫秒到十几毫秒量级。顺序访问、队列深度、块大小、缓存和具体设备都会显著改变结果，因此面试中应先澄清是设备延迟还是端到端应用延迟。
（3）一次存储读取通常经历哪些层次？
（3）一次存储读取通常经历哪些层次？
关联知识点待核实。
应用发起读取后进入系统调用，经 VFS 和文件系统检查页缓存；命中时可直接复制或映射返回。未命中则由文件系统把逻辑偏移映射到块，经过块层、I/O 调度、设备驱动和控制器访问介质，再通过 DMA 把数据写入内存并通知完成。数据库还可能在其上叠加 Buffer Pool、WAL 和自己的调度策略。
（4）为什么查询优化还要理解底层存储？
（4）为什么查询优化还要理解底层存储？
关联知识点待核实。
执行计划只能说明逻辑算子，底层知识能解释随机 I/O、顺序扫描、缓存命中、写放大和并发队列为何影响实际性能。例如索引并非总优于全表扫描：返回比例很高时，大量随机回表可能更慢。应从应用、数据库、操作系统到设备逐层测量，在证据指向某层后再深入，而不是一开始就做无目标的底层改造。
（5）怎样做机器级性能分析？
（5）怎样做机器级性能分析？
关联知识点待核实。
先建立延迟、吞吐、CPU、内存、磁盘利用率、队列深度和缓存命中率的时间关联，再用数据库执行计划和系统观测工具缩小范围。通过对照实验改变并发、块大小、缓存和查询形态，判断瓶颈来自计算、锁、网络还是 I/O。性能结论必须说明工作负载和环境，否则单个平均耗时没有可迁移性。
（6）二分查找怎样避免边界错误？
（6）二分查找怎样避免边界错误？
关联知识点待核实。
固定一种区间语义并维护循环不变量最重要。以左闭右开 [left, right) 为例，令 right = n，循环条件为 left < right；若 a[mid] < target，更新 left = mid + 1，否则更新 right = mid。循环结束后 left 是第一个不小于目标的位置，再检查是否越界及是否等于目标。mid = left + (right - left) / 2 可避免加法溢出。
延伸阅读：数组与下标、算法复杂度分析。
（7）怎样手写 int 转 string？
（7）怎样手写 int 转 string？
关联知识点待核实。
先处理零和进制范围，再记录符号。对最小负数不能直接取相反数，可先转换到足够宽的有符号类型，或用无符号运算得到绝对值。循环取模得到最低位字符，除以进制推进，最后追加负号并反转；若支持 2～36 进制，还要统一数字和字母映射。复杂度为 O(log_b |n|)，额外空间同样与位数成正比。
（8）岗位方向不完全匹配时怎样应对？
（8）岗位方向不完全匹配时怎样应对？
关联知识点待核实。
先坦诚说明直接经验边界，再把已有项目中的查询、索引、缓存和性能分析方法映射到存储问题。对不熟悉的设备参数给数量级与影响因素，不编造精确值；同时通过追问业务负载、技术栈和岗位预期判断双方是否匹配。技术面试既评估知识，也评估如何处理未知问题。