《大数据开发实习》专题

一面 50分钟 自我介绍 http协议是哪一层的协议，讲一下对http的了解 tcp协议和udp协议是哪一层的协议，讲一下他们之间的区别，以及他们各自的应用场景 你知道get和post请求吗，讲一下他们之间的区别 当我们输入美团网址的时候，这个从输入到显示页面的过程 你了解操作系统吗，linux了解吧，你说一下你用过的命令 当我们要查看文件的具体属性用什么命令 讲一下静态链表和动态链表的区别 数据

1、 面试官直接自我介绍，说HR面，开始问我问题。 2、 看专业是大数据相关的，你这是定向保研吗？ 3、 你为什么选择大数据开发这个岗位？ 4、 平常你怎么学习这些技术的？ 5、 新技术看文档、博客、源码这些？ 6、 经过两轮技术面，你对自己的评价？ 7、 什么时候能来实习？ #找实习多的是你不知道的事#

1、自我介绍 2、MR的执行过程，用了几次排序，Reduce怎么知道拉取哪些数据 3、RDD的底层实现（Spark用的不多就没问了） 4、项目介绍（没有针对项目进行提问） 5、SQL优化思路，具体讲了关于数据倾斜这块 6、SQL题：包含班级、学生、课程、分数的表，查询每个班每门课前三的学生 7、SQL题：包含user_id和target_id的表，找到互相关注的用户，优化不用join实现 8、SQ

1、自我介绍 2、为什么要去北京 3、MR的原理 4、为什么环形缓冲区到80%之后才反向溢写 5、SQL中哪些函数走MR，max走不走 6、select a,count(distinct b) from table group by a，MR的流程 7、SQL优化，如果给你两张表，用户视频表和用户粉丝表，怎么处理数据倾斜 8、SQL题：每个用户都有5门成绩，总计6列。请生成两列，其中1列是用户ID

1、自我介绍 2、看我用Java，问我Java程序的执行过程，然后Java怎么跨平台 3、基本数据类型，是否可以相互转换 4、自动装箱自动拆箱,Integer i = 100 是什么过程 5、深拷贝浅拷贝 6、Java是值传递还是引用传递 7、JVM的理解 8、堆是怎么划分的，实际有没有用到有关JVM的地方 9、垃圾清除算法说一下，什么时候FullGC 10、多线程，线程安全，线程通信之类的 11

岗位：数据开发 体验还不错，面试过程偏向聊天，会问一些新技术，从基础的框架为起点延申出一些问题，面试官也很友好，有些问题答不上来也说没关系 问的相对基础，但但范围较广 （忘记录屏以下为回忆，面试时长1h [蔚来数开一面] 自我介绍 实习介绍（因为前一份实习和数开相关性不是很大，只是写过sql就简单带过了没深挖 kafka相关： kafka的结构 优点，和其他消息队列相比优势在哪 数仓项目（自己做的

1.自我介绍 2.两道SQL 3.mapreduce中map阶段和reduce阶段的task的数量怎么确定 4.了解哪些建模方式，了解维度建模吗，说说他们的区别 5.rdd有哪些shuffle类算子 6.shuffle的本质是什么 7.为什么数仓要分层，分层的意义在哪 8.四个排序的区别 9.spark的提交流程 10.hive中的元数据存储了哪些内容 已过

一面： 1.自我介绍 2.数仓分层 3.来了新的业务怎么建模 4.选用的什么模型，有什么考量 5.如果现在一张事实表一对多一个维度表，此维度表又一对多一个维度表，怎么设计模型 6.实习过程中用的什么计算引擎 7.spark UI会看哪些内容 8.数据倾斜问题怎么解决 9.介绍一下项目 10.为什么有的指标在下沉的时候要拆开来 11.SQL调优，讲一个具体的例子 12.SQL题：求中位数 二面： 1

时间：一个小时 数据采集通道的搭建要用到什么能力 离线数仓项目几个人，后端做啥 datax和sqoop的区别（应用场景上的区别） maxwell的底层原理是啥 怎么理解mysql的主库和从库 主从延迟比较严重对数据的影响 数据量级，条数 在日志采集项目中有什么收获 这块是新开发的还是迭代的 现在数据采集已经封装很成熟了，那做数据采集对后面数仓开发有什么优势吗 hive中内部表和外部表怎么转换 多张

没想到实习的第一面给了团子，记录一下： 1.面试官上来直接介绍业务：美团金融，负责借贷、理赔的，对这个挺感兴趣 2.发散：说说大数据和计算机专业的区别 3.谈谈对chatgpt的理解 4.介绍一下自己的项目背景（尚硅谷电商离线数仓） 5.两阶段聚合是怎么解决数据倾斜的 6.拉链表如何解决维度缓慢变化 7.数仓的分层结构 8.数仓的建模流程 9.如果产品给了一个用目前技术无法解决的问题，该怎么办？

1.实习经历拷打 2.项目拷打 3.数仓分层 4.sql：连续登录 已OC

1.自我介绍 2.你对redis宕机后的方法 我：...... 3.你说到算法。你有刷过letcode算法？ 我：很少刷letcode，一般都是刷sql的 3.kafka的副本同步 我：忘了 4.谈谈你对数仓的理解 我：..... 5.谈谈你对hbase和clickhouse的理解 我：.... 6.你说你对hive中的ads层数据导入到MySQL，为什么不是直接从hive的ads层中访问 我：不

2023春招找实习的同学跟我分享了他的面试经历，在这里我进行了一些总结梳理，然后发出来供大家学习 1. 自我介绍 2.八股文 hive的数据类型有哪些 hive中计算排名前N的函数有哪些 hive的优化手段你知道哪些 遇到过数据倾斜吗 mapjoin如何开启，参数是什么 3.SQL题 rt_ data表存放了当天每半小时的店铺销售数据，表名: rt_ data，字段名: shop id (店铺id

暑期实习（投得算是比较早），来和大家分享一下面经~😀 流程：顺丰流程个人感觉挺高效，体验也非常不错。 投递完之后就测评 4-15 显示简历通过安排面试 4-24 一面结束 代码是手写单例模式 4-25 二面结束 HR面 4-29 邮件offer  （以下面试问题不是按照时间顺序，是按照个人回忆的顺序😅😅）我的技术栈是Spark方面的。 1.自我介绍，详细介绍一个个人的关于分布式系统开发的项目

6.8号电话通知简历筛选通过，问我什么时候有时间，进行电话面试。 6.9号电话技术面，30分钟，问的内容比较基础，基本上都是围绕着简历内容展开。 自我介绍 简历中项目的详细内容 Flume和Kafka如何搭配使用（项目中涉及） 项目中的数仓是如何构建的？如何分层的？分层的意义在哪里？ 项目中用户画像是如何展示的？ Spark和MR有什么区别 Spark启动后的程序流程 Spark宽窄依赖 Spar