![蚂蚁十面面经-大数据开发](https://imgs.xnip.cn/cj/jy/11/73bf5c35-6442-42b7-b7ad-454a888e2cbb.jpg)
1-4面为春招实习,很遗憾最终没有通过,5-8面为秋招投递同一个部门,hr面后通知说换了一个组加一轮技术面和hr面,总体来讲实习面试更侧重实验室项目,秋招面试会细聊实习工作,每一轮的面试官都很nice,也都是一次很好的学习经历,感恩这一年和蚂蚁的相遇~
一面(技术面)
- 介绍项目
- 遇到了什么问题 怎么解决的
- 介绍一下大数据的发展历程
- 项目选型,为什么用这些组件
- 介绍另一个项目
- 除了准确率还用了什么指标来评判模型?
- 医疗大数据有没有前景
- 想从事什么行业
二面(技术面)
- 介绍项目
- 数仓的分层模型怎么做的,每一层做了什么事情?
- Hive中大表和小表怎么聚合的?复制小表到maptask的过程是什么样的?
- 维度模型里各个维度之间怎么聚合的?
- 聚合过程的数据倾斜怎么解决?
- 项目中遇到了什么问题,怎么解决的?
- 随机森林和决策树的区别是什么?怎么体现随机的?
- 场景题:
- 1.一个城市里经纬度不同的一百万条数据 在hive中,怎么聚类?
- 2.m个班,n个同学,两两之间聊天就会产生一个边,怎么评判一个班的活跃程度和是否有明星同学(一个点的边很多),产生明星同学的变化过程怎么衡量?
- 概率:
- 17个水果,10个苹果,4个橘子,3个香蕉,从里面拿9个,问恰好拿出4个苹果,3个橘子,两个香蕉的概率。
三面(技术面)
- 介绍项目
- 每一个部分具体的组件是做什么的?
- sparkStreaming里的数据怎么处理的?
- 维度建模怎么建的?分了哪几层
- 建模的过程怎么进行数据质量管理?上万张维度表的话怎么很快的找见?
- 每天数据量的规模(千万级)?
- 十亿级的数据量这个系统要怎么优化,kafka里怎么优化?
四面(hr面)
- 自我介绍
- 职业规划
- 从用户的角度谈谈健康码还可以有什么优化
- 谈谈对支付宝这个产品的理解
- gap考研的经历,有哪些收获
- 从父母身上学到了什么东西
- 大学有什么高光时刻
- 谈谈技术回馈社会的理解
- 做项目的时候怎么明确需求的
- 做项目的过程里受到过最尖锐的批评
- 学习的途径有哪些
- 说一个你身边成功的人,你从他身上学到了什么
- 来实习的话还有什么担心的
五面(技术面)
- 实习工作
- 10亿数据如何用Spark取top1000
六面(技术面)
七面(技术面)
- 实习工作
- 工作中有遇到过数据倾斜吗,怎么处理的
- 介绍下Flink的exactly one
八面(hr面)
九面(技术面)
- 实习工作
- 介绍一下温存技术
- Flink和Spark的区别
- 如何和pm或分析师的交流
- 数据建设中最大的成就感是什么
- 职业规划
十面(hr面)
- 实习工作
- 用三个词形容自己
- 为什么要考研,考上之后和自己预想的有差别吗
- 介绍下在学校的工作
- 实习工作中最大的成就感
- 从学校到公司有哪些转变