《大华面试》专题

9.11 一面（30min） 纯八股： 介绍下hadoop（hdfs、mapreduce、yarn） 介绍下hbase 介绍下flink flink checkpoint、connect和union的区别、flink如何处理数据倾斜 介绍下kafka kafka如果有台机器挂掉会发生什么 链表反转 面试官全程表情和语气冷淡，体验不是很好..当然答得感觉也很一般

个人情况：本双一流硕211非科班，一段搞深度学习的实习。项目自己做的。全程面试被追问麻了面试官有问题必追问 自我介绍 项目深挖（20min） 实习工作介绍（5min） 数据倾斜有哪几种解决方法 Group by 倾斜，join倾斜，null值倾斜 分别说说这些倾斜怎么解决：全说上来了，面试官问：还有呢？。。。开启负载均衡，对小文件进行合并，对数据类型进行检查，还有呢？我就记得这些了 Hdfs小文件

部门：优选事业部-美团买菜 timeline: 8.24 一面 8.28二面 8.31 hr面 9.7 oc 一面： 项目介绍 什么是指标体系 指标体系包含元素 指标分类 数仓分层、分层好处 数仓分层和指标分类之间有什么关系 什么是总线矩阵 什么样的数仓是一个比较好的数仓 什么方法可以落实上面说的数仓 缓慢变化维；除了拉链表还有哪些方式 什么情况下可以使用map join 怎么解决数据倾斜问题 J

1. 自我介绍 2.项目介绍 3. 你的项目有用到很多微调方式，能给我解释一下吗？（lora pv2 prompt tuning 等） 4. 能详细介绍一下 Transformer 结构吗？ 5. bert 在训练的时候， 如果一个 batch size 的内容长度不一样， 这个怎么解决？（我说的加 padding token） 6. 那加 padding token 会不会对计算结果有影响？ （

纯纯kpi面试，十几分钟就结束了... 大概问题如下 自我介绍 1. 什么时候开始接触Java，什么时候决定把Java作为未来的方向？怎么学习Java的八股 2. Java的三大特性？ 封装继承多态 具体讲一下这三个特性 3. Java支持多继承吗？不支持，从开发的角度说一下为什么不支持多继承 4. ArrayList的优缺点 支持随机访问，支持顺序可重复 不支持线程安全 5. LinkedLis

面试流程主要包括： 笔试、业务一面、业务二面 笔试主要考察一些性格、行测相关内容 业务一二面主要聊产品、思考等等内容，有空再完善下。 已成功入职 内推找我

1. 自我介绍 2. 介绍项目，简单问一下。比较看重底层 3. 打开leetcode，屏幕共享做了一道链表的中等题 4. 问了操作系统、c语言、计算机网络、硬盘管理等 整体强度不小，没有抓住一个问题深挖，回答之后马上下一个问题。 整体大概45min，流程应该二到三面

1.自我介绍 2.微任务，requestAnimationFrame，requestIdleCallback 3.chrome调试工具,怎么定位问题，sourcemap 4.微前端，monorepo 5.websocket 6.闭包有哪些场景 7.vue3数据绑定原理 8.白屏检测怎么做的 9.性能优化 10等等等等，聊天为主，基本上简历上这啥就问啥

部门：互联网事业部-深圳 职位：客户端开发工程师 平台:腾讯会议 45min 风格:先问项目后问八股 #面经# #秋招#

大概面了90分钟，项目拷打，问了一堆框架，啥也不知道，狠狠的自闭了。 分布式存储的框架有了解吗？比如哪些开源的框架？ raft算法讲一下吧 向量检索的方法了解吗？有哪些开源的？ 模型的网络加速方法了解吗？ 大模型了解吗？原理和部署方式是怎样的？ 单指令多数据SIMD了解吗？ 有把项目或服务部署到移动端过吗？ GPU了解吗，平时有没有用到？ 写题：链表局部翻转，基本实现了，还有点细节没处理完，被叫停

自我介绍 数据倾斜问题 spark的shuffle相对于mr的shuffle有什么区别 spark的stage怎么划分的 yarn中都有什么，作用是什么 hdfs读写流程 rpc和http分别是什么，有什么区别 项目中都有什么数据 数仓的分层，每层都做了什么事 反问 金风科技二面总经理面 自我介绍 总经理问题： 1.本科和研究生都是通信，为什么选择大数据 2.怎么在完成学业同时学习大数据的 2.对

总体情况 讯飞自研平台，视频面 40余分钟 无手撕 具体问题 以下相关问题并非按序，而是整理时重新分类了 个人情况相关 自我介绍 老家哪里 希望在哪发展 专业是啥？ 为啥想做Java后端 学校课程 项目 ==项目如果要上线需要做哪些地方的改造== 集群、高可用session共享问题 引入Kafka做什么 出于什么考虑发送kafka消息之后谁监听？ 八股类 Java基础 面向对象和面向过程的区别 面

【30min】自己提到推荐领域和数据挖掘领域，直接就问了两个领域比较熟悉的算法有什么，大概介绍一些 不会的： 1. XGB shrinkage 2. FM 算法为什么时间不高 3. 如何将用户之间和物品之间的特征加入协同过滤中（随便说了，特征拼接） 比较明确的问题： 1. 随机森林，提升树的区别 2. 随机森林如何构建？特征采样的好处 场景题 1. 给出手机的BOM结构图，对于预测手机销量和原材料

闲来无聊，发一个加州湾区的DS面经，和国内的面试题差别挺大的。 1.对于下列预测分类任务，AUC是不是评价模型的好指标，为什么？1. 预测一张图片是否显示了一只猫。2. 判断一辆汽车是否存在罕见但非常严重的制造缺陷。 2.您正在建立一个模型来检测一种罕见的属性（称之为 Prop），这种属性只影响不到 0.1% 的网页。您可以使用哪些技术来确保您建立的模型不会偏向于假阴性？ 3. Softmax方程

65b最近很累了，问了半天发现是校招的，不是社招的 面试时长：40min 面试内容： * 自我介绍 * 实习介绍 * raft协议 * redis一致性 * AI框架前端 * avl和b+和红黑树 * tcp粘包 * reduce优化 * copy on write * 零拷贝 * 堆查找元素 * 模板结构体 * 智能指针具体使用 * 完美转发和右值 * 协程调度 * sm、block、warp