一面 50 min 一位技术很强的老哥 面试体验很好

0.开场热身

1. 自我介绍
2. 你以后的业务倾向于做哪一块？

1.项目相关

介绍下你的第一个Spark 项目

1. 双流Join，讲一下过程
2. 你的数据过期时间是多久？为什么这么设置？
3. 双流 join 之后你的数据会从Redis 里面删除吗？
4. 你说到了用Redis 来缓存延迟的数据，如果缓存存储的数据过多会出现什么问题，怎么解决？
   猜：会出现OOM问题，我觉得可以用Redis 集群来解决单个Redis 节点上数据过多的问题
5. 追问场景：如果两个流，一个出现了异常，重启后两个流之间出现了很大的延迟。是不是会导致数据全部缓存到Redis 里面？
6. 那么你打算怎么解决这个问题？不会啊 大家知道怎么回答这个问题吗？能不能在评论区告诉我一下，谢谢！
7. 你在做Hive 数仓项目的时候有出现过数据倾斜的现象吗？是如何解决的？
   先答了聚合数据倾斜，打随机数再二次聚合的方法。
8. 还有哪些倾斜的场景？
   继续答了join 倾斜，大表和小表join。小表复制N份大表打1-N的前缀，join，之后再聚合。忘记说采样了，面试官没有继续追问。下次再改进回答。

2. 数据结构相关

1. 说一下怎么判断链表有环？
2. 说一下怎么找到环入口？给出详细证明过程？

3.Java 基础相关

1. 说一下HashMap 的底层实现
2. 说一下重载和重写的区别
3. 说一下抽象类和接口的区别
4. 反射是什么？反射是怎么创建对象的
5. 用过线程池吗，说一说线程池的各个参数？以及他们的含义？
6. maximumPoolSize 和 corePoolSize 有关联吗？
7. 说一下有哪几种拒绝策略？

4.HiveSQL 相关

两道SQL 题目

题目一

tmp表
id class score
求出每门课程前十名的人

说一下row_number(), rank(), dense_rank() 的区别

题目二

temp表
每个id（用户）会被打上不同的标签。labels. show是曝光次数，click是点击次数。
要求：求出每个label 的曝光次数和点击次数。

id labels show click
1 [a,b,c] 10 3
2 [b,c,d] 20 4
要求返回结果
label show click
a 10 3
b 30 7
c 30 7
d 20 4

面试官问：你知道UDF，UDAF和UDTF 的区别吗？这个地方列转行你觉得会用到UDAF还是UDTF？

5.算法

力扣103 二叉树 zigzag traversal

6.反问

1. 有数仓相关的场景吗？
   面试官答：对商家（用户）的创作内容，曝光、浏览、点击的受众进行分析。方便后续推广。
2. 项目中难点是什么？
   面试官答：千亿场景下的双流join（多流join），数据量超级巨大。

7.总结

首先，兄弟们知道如何回答项目部分的第五个第六个问题吗，能不能在评论区里贴一下答案，谢谢你！

我很喜欢和广告、商业化相关的场景，同时快手超大数据量也很吸引我，面试体验也很好。有一些问题答的不好，之后查漏补缺继续复习。希望能给一个二面。

二面 45 min 一位很友善的大哥

warm-up

自我介绍
职业发展规划

项目相关+基础知识

1. 介绍下Spark 项目全流程
2. 介绍下数仓分层架构，如何分层的
3. Flume + Kafka + Scoop 的采集架构，如何保证数据的可靠性
4. Redis 为什么快？
5. ElasticSearch 你在项目中是怎么用的，如何建的索引？
6. Spring 了解吗，说一说？
7. 场景：打印错误日志，同一个链路的方法要求打出相同的数字？好像是这个题目。面试官提醒用ThreadLocal 做。这里不太了解，有懂的兄弟吗？
8. 场景：现在有直播带货业务，你来搭建数仓，你会怎么去搭建？
9. SQL题目：一面的题目如何反向得到 labels 列。
10. Spark 和 Hadoop 的区别，说一下
11. Spark shuffle 和 hadoop shuffle 的区别说一下。

撕题

K个一组反转链表

三面 40min

leader 面，leader 全程对我不感兴趣

有实习吗？
做自动驾驶的啊，讲讲自己的项目？
一道题目：二叉树最大宽度。
卡壳了，最后没编译出来。中间想和面试官沟通，也不理我，最后到时间了。
反问：觉得大数据开发过程中的难点是什么？
又吹了一波快手。

说实话终面我感觉很不舒服，面试官不想和我交流，做题过程中问提示也不理我。全程没有感觉到双方的吸引力。 就这样吧，很感谢这次经历。