Thư Viện Câu Hỏi Phỏng Vấn

Tổng hợp các câu hỏi tuyển dụng thực tế theo nhiều cấp độ từ Entry đến Expert để bạn tự tin chinh phục nhà tuyển dụng.

Tất cả công nghệ .Net (39) ADO.NET (33) Agile scrum (43) Android (44) Angular (121) API Design (53) Arrays (19) ASP.NET (52) ASP.NET MVC (35) ASP.NET Web API (32) Availability & Reliability (2) Azure (53) Backtracking (7) Big-O Notation (16) Binary Tree (19) Bit Manipulation (9) Blockchain (42) C# (105) Caching (2) CAP Theorem (2) CDN (2) Concurrency (2) Cosmos DB (50) Cryptography (4) CSS (63) Data Structures (69) Databases (50) DDD (2) Dependency Injection (4) Design pattern (23) Devops (32) Divide & Conquer (2) Docker (38) Dynamic Programming (10) Entity Framework (57) Fibonacci Series (4) Flutter (136) Git (63) Go lang (60) Graph Theory (19) GraphQL (71) Greedy Algorithms (7) Hash Tables (25) Heaps and Maps (10) HTML (73) Ionic (29) IOS (75) Java (141) Javascript (137) jQuery (95) Kotlin (60) Kubernetes (27) Laravel (90) Layering & Middleware (2) Linked Lists (17) LINQ (30) Load Balancing (2) Microservices (30) Mongodb (27) MySQL (58) Net core (66) Node.js (119) NoSQL (2) Objective-C (33) OOP (75) Package Managerment (60) PHP (78) PostgreSQL (50) PWA (22) Python (82) Queues (11) React Native (38) React.js (116) Reactive Programming (11) Recursion (5) Redis (25) Ruby (79) Ruby on Rails (121) Rust (88) Searching (18) SOA (2) Software Architecture (3) Software Testing (11) Sorting (13) Spring (78) SQL (43) SQL Server (66) Stacks (10) Strings (17) Swift (89) Systems Design (50) T-SQL (43) Trees (31) Trie (8) Typescript (100) Unit testing (22) UX Design (74) Vue.js (84) Web security (45) WebSockets (25) Xamarin (81)
2686

Làm thế nào để xử lý các tác vụ nặng (như gửi email hàng loạt, xử lý video) bất đồng bộ trong Laravel?

Senior

Sử dụng hệ thống Queues & Job Workers của Laravel:

  1. Cấu hình Queue Connection: Thiết lập driver (như Redis, Database, SQS) trong file .env (khuyên dùng redis cho môi trường production).
  2. Tạo Job Class: Sử dụng lệnh php artisan make:job ProcessPodcast. Trong phương thức handle(), viết logic xử lý nặng.
  3. Dispatch Job: Gọi ProcessPodcast::dispatch($data) từ Controller để đẩy tác vụ vào hàng đợi và phản hồi ngay lập tức cho client.
  4. Chạy Worker: Chạy lệnh php artisan queue:work trên server (thường quản lý bởi Supervisor) để liên tục lấy các jobs ra khỏi hàng đợi và xử lý bất đồng bộ.
2687

Cơ chế Route Caching và Config Caching trong Laravel hoạt động như thế nào và tại sao cần lưu ý khi deploy?

Senior
  • Route Caching (route:cache): Biên dịch tất cả các khai báo route trong file routes/*.php thành một mảng phẳng duy nhất được lưu trong bộ nhớ đệm của framework, giúp tăng tốc độ điều hướng đáng kể.
  • Config Caching (config:cache): Gộp toàn bộ các file cấu hình trong thư mục config/*.php thành một file duy nhất.
  • Lưu ý khi deploy: Khi đã bật Config Cache, hàm env() sẽ luôn trả về null bên ngoài các file config. Do đó, Best Practice là chỉ gọi env() trong các file ở thư mục config, còn trong Controller/Service bắt buộc phải gọi thông qua config('key').
  • 2688

    React Server Components (RSC) là gì và khác gì so với Server-Side Rendering (SSR) truyền thống?

    Senior
  • Server-Side Rendering (SSR): Là cơ chế render toàn bộ component của trang web thành HTML tĩnh trên Server và gửi về Client. Sau đó, Client sẽ chạy quá trình Hydration (tải JS và gắn các event listeners) để trang web tương tác được.
  • React Server Components (RSC): Là các components chỉ chạy và render trên Server. Mã nguồn Javascript của RSC không bị bundle gửi về Client, giúp giảm dung lượng bundle size đáng kể. RSC có thể truy cập trực tiếp vào database hay file system của server mà không cần qua API Gateway.
  • 2689

    State Management: So sánh Redux Toolkit và Zustand? Khi nào nên chọn cái nào?

    Senior
  • Redux Toolkit: Là thư viện quản lý state toàn cục lâu đời, tuân theo luồng dữ liệu một chiều chặt chẽ (Action -> Reducer -> Store). Cung cấp DevTools mạnh mẽ nhưng có nhiều boilerplate code.
  • Zustand: Là thư viện quản lý state hiện đại, tối giản và cực kỳ nhẹ (chỉ khoảng 1KB). Cú pháp định nghĩa store rất trực quan, không cần Context Provider bao quanh ứng dụng.
  • Lựa chọn: Chọn Zustand cho các dự án vừa và nhỏ hoặc khi cần sự nhanh gọn, tối giản. Chọn Redux cho hệ thống lớn Enterprise có luồng dữ liệu cực kỳ phức tạp và cần kiểm soát chặt chẽ trạng thái biến đổi.
  • 2690

    Sự khác biệt giữa Worker Threads và Cluster Module trong Node.js? Khi nào dùng cái nào?

    Senior
  • Cluster Module: Nhân bản tiến trình Node.js hiện tại thành nhiều tiến trình con (Child Processes) chia sẻ chung cổng mạng (port) thông qua Load Balancer (Round-Robin). Mỗi tiến trình con có bộ nhớ và instance V8 riêng biệt. Thích hợp cho các tác vụ I/O-bound để tận dụng hết số nhân CPU của server.
  • Worker Threads: Cho phép chạy nhiều luồng (threads) thực thi mã Javascript song song bên trong cùng một tiến trình Node.js. Các luồng này chia sẻ chung vùng nhớ (SharedArrayBuffer). Thích hợp cho các tác vụ nặng về CPU (CPU-bound) như xử lý ảnh, mã hóa dữ liệu.
  • 2691

    Cơ chế hoạt động của Stream API trong Node.js? Tại sao nó giúp tối ưu hóa bộ nhớ RAM?

    Senior

    Stream là cơ chế đọc/ghi dữ liệu theo từng phần nhỏ (chunks) liên tục, thay vì tải toàn bộ file vào RAM một lần duy nhất.

    • Ví dụ: Khi đọc một file dung lượng 4GB trên server có RAM 2GB, nếu đọc bình thường bằng fs.readFile, server sẽ bị crash do tràn RAM (Out of Memory). Nhưng nếu dùng fs.createReadStream, dữ liệu được chia nhỏ thành các buffer chunk khoảng vài chục KB và truyền đi liên tục (pipe) sang writable stream, giúp lượng RAM tiêu thụ luôn ở mức rất thấp và ổn định.
    2692

    Làm thế nào để phát hiện và xử lý hiện tượng rò rỉ bộ nhớ (Memory Leak) trong ứng dụng Node.js chạy production?

    Senior
  • Phát hiện: Sử dụng các công cụ giám sát APM (như Prometheus, New Relic) để theo dõi biểu đồ tiêu thụ RAM. Nếu RAM tăng liên tục theo dạng bậc thang mà không giảm sau khi chạy GC, hệ thống đang bị rò rỉ bộ nhớ.
  • Phân tích: Chụp Heap Snapshot tại các thời điểm khác nhau bằng cách sử dụng module v8 hoặc cắm --inspect để dùng Chrome DevTools so sánh sự khác biệt (đặc biệt tìm các đối tượng tăng đột biến không bị giải phóng).
  • Nguyên nhân phổ biến: Biến toàn cục (global variables) không được dọn dẹp, closure giữ tham chiếu cũ, hoặc các sự kiện (Event Emitters) quên chưa gọi removeListener.
  • 2693

    Spring Boot Starter là gì và cơ chế Auto-Configuration hoạt động như thế nào?

    Senior
  • Spring Boot Starters: Là các gói dependencies gộp sẵn giúp lập trình viên không phải khai báo thủ công hàng loạt thư viện liên quan (ví dụ: spring-boot-starter-web bao gồm cả Spring MVC, Tomcat, Jackson...).
  • Auto-Configuration: Hoạt động dựa trên chú thích @EnableAutoConfiguration (nằm trong @SpringBootApplication). Lúc khởi động, Spring Boot sẽ quét classpath, nếu phát hiện sự hiện diện của một thư viện nhất định (ví dụ H2 Database), nó sẽ tự động cấu hình các Beans mặc định cho thư viện đó mà không cần viết cấu hình thủ công, trừ khi lập trình viên tự ghi đè cấu hình.
  • 2694

    Làm thế nào để xử lý các giao dịch (Transactions) đồng thời trong Spring Boot bằng @Transactional?

    Senior

    Chú thích @Transactional của Spring được dùng để tự động hóa việc quản lý transaction (commit nếu thành công, rollback nếu có runtime exception):

    • Cơ chế: Spring sử dụng AOP (Aspect-Oriented Programming) tạo ra một proxy bao quanh class/method đó để mở và đóng kết nối transaction.
    • Lưu ý quan trọng: Lời gọi tự thân (Self-invocation - gọi phương thức @Transactional từ một phương thức khác bên trong cùng một class) sẽ không kích hoạt transaction vì proxy bị bỏ qua. Để khắc phục, cần tách phương thức đó sang một bean khác hoặc inject chính bean đó thông qua Spring Context.
    2695

    Làm thế nào để phát hiện chu trình (loop) trong một Danh sách liên kết đơn (Singly Linked List)?

    Senior

    Sử dụng thuật toán Floyd\'s Cycle-Finding Algorithm (còn gọi là thuật toán rùa và thỏ - Tortoise and Hare):

    1. Khởi tạo hai con trỏ: slow (rùa) và fast (thỏ) cùng trỏ vào node đầu tiên (head).
    2. Duyệt qua danh sách liên kết: Mỗi bước, di chuyển con trỏ slow đi 1 bước (slow = slow.next) và con trỏ fast đi 2 bước (fast = fast.next.next).
    3. Nếu không có chu trình, con trỏ fast sẽ đi đến cuối danh sách (gặp null) và thuật toán kết thúc với kết quả false.
    4. Nếu có chu trình, con trỏ fast chắc chắn sẽ đuổi kịp và gặp lại con trỏ slow tại một node nào đó (slow == fast). Lúc này thuật toán trả về true với độ phức tạp thời gian cực kỳ tối ưu là O(n) và độ phức tạp không gian là O(1).
    2696

    Thuật toán Dijkstra tìm đường đi ngắn nhất hoạt động như thế nào? Điều kiện áp dụng là gì?

    Senior

    Thuật toán Dijkstra dùng để tìm đường đi ngắn nhất từ một đỉnh nguồn đến tất cả các đỉnh khác trên đồ thị có trọng số:

    1. Cơ chế: Sử dụng một hàng đợi ưu tiên (Priority Queue / Min-Heap) để liên tục chọn đỉnh có khoảng cách ngắn nhất chưa được tối ưu từ đỉnh nguồn, sau đó cập nhật khoảng cách tới các đỉnh kề với nó (quá trình Relax).
    2. Độ phức tạp: Sử dụng Min-Heap giúp thuật toán đạt hiệu năng O((V + E) log V) với V là số đỉnh và E là số cạnh.
    3. Điều kiện: Trọng số của tất cả các cạnh phải không âm (non-negative). Nếu đồ thị có cạnh âm, ta bắt buộc phải sử dụng thuật toán Bellman-Ford để tránh rơi vào vòng lặp vô hạn.
    2697

    Làm thế nào để phát hiện chu trình (cycle) trong đồ thị có hướng (Directed Graph)?

    Senior

    Có thể sử dụng thuật toán duyệt đồ thị DFS (Depth-First Search) kết hợp kỹ thuật tô màu các đỉnh (hoặc sử dụng Recursion Stack):

    • Trạng thái 3 màu:
      • Trắng (Unvisited): Đỉnh chưa được duyệt.
      • Xám (Visiting): Đỉnh đang nằm trong nhánh đệ quy hiện tại (chưa duyệt xong các đỉnh kề).
      • Đen (Visited): Đỉnh và toàn bộ các đỉnh kề của nó đã duyệt xong.
    • Phát hiện chu trình: Trong quá trình duyệt DFS, nếu gặp một đỉnh kề đang ở trạng thái Xám, điều đó có nghĩa là có một cạnh ngược (back edge) trỏ về tổ tiên của nó trên nhánh đệ quy, tức là đồ thị tồn tại chu trình.
    2698

    Hãy giải thích cơ chế của kỹ thuật Sliding Window (Cửa sổ trượt) trên mảng dữ liệu?

    Senior

    Sliding Window được dùng để tìm kiếm một phân đoạn con (subarray) thỏa mãn điều kiện nhất định trên mảng mà không cần tính toán lại từ đầu các phần tử trùng lặp:

    • Cơ chế: Duy trì một \'cửa sổ\' được định nghĩa bởi hai chỉ số startend. Khi mở rộng cửa sổ sang phải (end++), ta cộng thêm phần tử mới vào kết quả tạm thời. Khi điều kiện bị vi phạm, ta thu hẹp cửa sổ từ bên trái (start++) và trừ bớt giá trị của phần tử bị loại bỏ.
    • Hiệu năng: Giúp chuyển đổi các thuật toán vét cạn độ phức tạp O(n^2) thành thuật toán tuyến tính O(n) vì mỗi phần tử chỉ được duyệt qua tối đa 2 lần.
    2699

    Hãy phân biệt sự khác nhau giữa tiếp cận Bottom-Up (Tabulation) và Top-Down (Memoization) trong Quy hoạch động?

    Senior
  • Top-Down (Memoization): Bắt đầu giải quyết từ bài toán lớn nhất bằng đệ quy. Trong quá trình chạy, kết quả của các bài toán con sẽ được lưu lại (thường trong HashMap hoặc mảng). Khi gặp lại bài toán con đó, ta trả về ngay kết quả đã lưu mà không cần tính lại. Dễ hiểu và tự nhiên nhưng tốn chi phí gọi hàm đệ quy trên Stack.
  • Bottom-Up (Tabulation): Bắt đầu giải quyết từ các bài toán con nhỏ nhất trước, điền kết quả vào một bảng (mảng 1D hoặc 2D) bằng vòng lặp, sau đó sử dụng các kết quả này để tính toán dần lên bài toán lớn hơn. Tránh được việc tràn Stack và thường tối ưu hơn về không gian bộ nhớ.
  • 2700

    Bài toán cái túi (0/1 Knapsack Problem) được giải quyết bằng Quy hoạch động như thế nào?

    Senior

    Bài toán yêu cầu chọn các đồ vật có khối lượng và giá trị sao cho tổng khối lượng không vượt quá W và tổng giá trị lớn nhất:

    1. Trạng thái: Gọi dp[i][w] là giá trị lớn nhất có thể đạt được khi chọn trong i đồ vật đầu tiên với giới hạn khối lượng là w.
    2. Công thức truy hồi: Với đồ vật thứ i có khối lượng weight[i] và giá trị val[i]:
      • Nếu weight[i] > w: Không thể chọn đồ vật này -> dp[i][w] = dp[i-1][w].
      • Nếu weight[i] <= w: Ta chọn giá trị lớn hơn giữa việc lấy hoặc không lấy đồ vật -> dp[i][w] = max(dp[i-1][w], dp[i-1][w - weight[i]] + val[i]).
    3. Kết quả: Nằm ở ô dp[n][W] với độ phức tạp thời gian là O(n*W).

    vừa nâng cấp PRO khóa 1 phút trước   Tìm hiểu khóa học