蚂蚁十面面经-大数据开发

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）

• 实习工作

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）

• 和四面同一个hr，打电话说不用面了

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