好的，我重新以面试官身份，针对你简历中的实际项目经验提问，并提供简洁、符合实习生水平的回答。
IM即时通讯系统项目
1. 你在IM项目中担任组长，具体负责哪些工作？
回答： 我主要负责后端架构设计和核心功能开发。具体包括：设计数据库表结构（用户表、好友关系表、消息表、群组表），搭建Spring Boot项目框架，实现用户注册登录、JWT认证、好友管理、WebSocket实时通信等模块。同时协调前后端开发进度，组织代码评审，解决技术难点。
2. JWT Token是如何实现用户认证的？
回答： 用户登录成功后，后端生成JWT Token返回给前端。Token包含用户ID、过期时间等信息，并用密钥签名。前端将Token存在localStorage，之后每次请求都在Header中携带。后端通过拦截器验证Token的签名和有效期，验证通过后从Token中提取用户ID，完成身份认证。
3. WebSocket如何实现实时消息推送的？
回答： 用户登录后，前端建立WebSocket连接，后端用ConcurrentHashMap存储用户ID和Session的映射关系。当用户A发消息给用户B时，后端先将消息存入数据库，然后通过用户ID找到B的Session，调用session.getBasicRemote().sendText()推送消息。如果B不在线，消息只存数据库，等B上线后查询历史记录。
4. 好友关系表是如何设计的？
回答： 采用双向关系设计。表结构包括：id、user_id、friend_id、status（0待确认/1已同意/2已拒绝）、create_time。当A添加B为好友时，插入两条记录：A→B和B→A。这样查询好友列表时直接用user_id查询即可，效率高。同时在user_id和friend_id上建了唯一索引，防止重复添加。
5. 消息表是如何设计的？数据量大了怎么办？
回答： 消息表包括：id、from_user_id、to_user_id、group_id（群聊用）、content、msg_type（1文本/2图片/3文件）、is_read、create_time。在from_user_id、to_user_id、create_time上建了索引。
目前数据量不大，暂时没遇到性能问题。如果数据量大了，可以考虑按时间或用户ID分表，或者将旧消息归档到历史表，只保留最近的热数据。
6. 如何防止SQL注入？
回答： 主要用MyBatis Plus的预编译机制。MyBatis会把#{}替换成?，然后用PreparedStatement的set方法赋值，自动转义特殊字符，防止SQL注入。同时对用户输入做了基本校验，比如长度限制、特殊字符过滤。
7. 图片和文件消息是怎么处理的？
回答： 前端先调用文件上传接口，后端接收文件后保存到服务器指定目录（如/uploads），返回文件URL。然后前端将URL作为消息内容发送。接收方收到消息后，通过URL展示或下载文件。上传时做了文件类型和大小限制，图片限制5MB，普通文件限制20MB。
8. 如何保证消息不丢失？
回答： 消息先存入MySQL数据库，再通过WebSocket推送。这样即使推送失败（如对方离线），消息也已经持久化了。用户上线后可以查询历史记录获取未读消息。
9. 群聊消息是如何推送的？
回答： 收到群聊消息后，先存入数据库，然后查询群成员列表，遍历每个成员，如果在线就通过WebSocket推送。为了避免阻塞，可以用线程池异步处理推送任务。
10. 遇到过什么技术难点？如何解决的？
回答： 一个难点是WebSocket连接管理。一开始用HashMap存储Session，多线程环境下出现了并发问题。后来改用ConcurrentHashMap解决了线程安全问题。
另一个难点是跨域配置，前后端分离时，前端请求被浏览器拦截。通过在Spring Boot配置CORS，允许前端域名跨域访问解决了。
大数据应用开发培训项目
11. 能介绍一下大数据平台的架构吗？
回答： 基于Docker搭建的完全分布式环境。底层是Hadoop（HDFS存储+YARN资源管理），上层有：
- Spark：离线批处理
- Flink：实时流处理
- Kafka：消息队列，缓冲实时数据
- Flume：日志采集
- Hive：数据仓库，SQL查询
- HBase：NoSQL数据库
- ClickHouse：OLAP分析
- Redis：缓存和实时指标存储
数据流是：Flume采集 → Kafka缓冲 → Flink实时处理 → HBase/ClickHouse存储 → 前端可视化展示。
12. Spark和Flink有什么区别？
回答：
- Spark：微批处理，把数据分成小批次处理，延迟秒级，适合离线计算
- Flink：真正的流处理，逐条处理数据，延迟毫秒级，适合实时计算
在项目中，离线数据清洗用Spark，实时指标计算用Flink。
13. Kafka在项目中的作用是什么？
回答： Kafka作为消息队列，起到缓冲和解耦的作用。实时采集的数据先写入Kafka，Flink从Kafka消费数据进行处理。这样即使Flink处理速度慢，也不会丢数据。同时Kafka支持多个消费者，可以同时给不同的下游系统提供数据。
14. Hive和MySQL有什么区别？
回答：
- MySQL：OLTP数据库，支持事务，适合高并发的增删改查，延迟低
- Hive：数据仓库，基于HDFS，适合大数据量的批量查询和分析，延迟高
项目中，实时数据存MySQL，历史数据和离线分析用Hive。
15. 你用Scala写过哪些代码？
回答： 主要用Scala编写Spark和Flink任务。比如用Spark读取HDFS数据，进行数据清洗（去重、过滤、类型转换），然后按条件聚合统计，最后写入MySQL或ClickHouse。Flink任务是消费Kafka数据，实时计算指标（如PV、UV、GMV），存入Redis供前端查询。
16. 数据可视化是如何实现的？
回答： 使用Vue.js + ECharts。后端提供RESTful API接口，返回JSON格式的统计数据。前端通过Axios调用接口获取数据，然后用ECharts渲染成折线图、柱状图、饼图等。遇到跨域问题，在后端配置了CORS解决。
17. ClickHouse有什么优势？
回答： ClickHouse是列式存储的OLAP数据库，查询速度非常快，特别适合大数据量的聚合分析（如SUM、COUNT、GROUP BY）。项目中用来存储实时计算结果和离线分析结果，查询响应时间在毫秒级。
通用技术问题
18. Spring Boot相比传统SSM有什么优势？
回答：
- 自动配置：不需要写大量XML配置，开箱即用
- 内嵌服务器：集成了Tomcat，打成jar包直接运行
- 依赖管理：通过starter简化依赖管理
- 微服务支持：方便集成Spring Cloud做微服务
开发效率高很多。
19. MyBatis和MyBatis Plus有什么区别？
回答： MyBatis Plus是MyBatis的增强工具，提供了很多便捷功能：
- 通用Mapper：自动生成基础的CRUD方法，不用写XML
- 条件构造器：链式调用构建查询条件，如
QueryWrapper - 分页插件：自动处理分页
- 代码生成器：自动生成Entity、Mapper、Service代码
开发效率更高，但底层还是MyBatis。
20. Git分支管理是怎么做的？
回答： 我们采用Git Flow模式：
- master分支：生产环境代码
- develop分支：开发分支
- feature分支：每个功能单独开分支，开发完合并到develop
- release分支：发版前从develop切出，测试通过后合并到master
日常开发在feature分支，通过Pull Request合并，组长Code Review后才能合并。
21. Maven的作用是什么？
回答： Maven是项目管理工具，主要用于：
- 依赖管理：在pom.xml声明依赖，自动下载jar包
- 项目构建：编译、测试、打包一键完成
- 统一项目结构：标准的目录结构（src/main/java等）
比手动管理jar包方便很多。
22. 你如何学习新技术的？
回答： 我的学习路径是：
- 官方文档：先看官方文档了解基本概念
- 实践项目：通过做项目巩固知识
- 遇到问题：Google、Stack Overflow、GitHub Issue查找解决方案
- 技术分享：在小组内分享学到的技术，加深理解
同时会用Cursor、Claude等AI工具辅助学习和调试代码。
23. 为什么想做Java后端开发？
回答： 我对后端逻辑和系统设计比较感兴趣，喜欢思考如何设计数据库、如何优化性能、如何保证系统稳定性。Java生态成熟，企业应用广泛，学习资源多。通过做IM项目和大数据项目，我更加确定了想往后端方向发展。
24. 实习期间希望学到什么？
回答： 希望能够：
- 实战经验：参与真实的生产项目，了解企业级开发流程
- 技术提升：学习分布式系统、微服务、缓存、消息队列等技术
- 规范学习：学习代码规范、设计模式、最佳实践
- 团队协作：提升沟通能力和团队协作能力
同时希望得到前辈们的指导，快速成长。
25. 你有什么想问我的吗？
回答：
- 实习生主要会参与哪些项目？
- 团队的技术栈是什么？
- 有没有导师带新人的制度？
- 公司对实习生有什么期望和考核标准？
以上问题和回答都是基于你简历的真实项目经验，符合实习生水平，简洁、真诚、有技术深度。面试时保持自信、诚实，展现学习能力和成长潜力就好！加油！💪