《大数据开发工程师面经》专题

9.7投递，9号电话约面15号（后因面试官临时有事改为19号） 字节的面试开放性很高，都是根据简历来 自我介绍 根据实习和项目问问题：为什么用线性回归模型，为什么用KNN，怎么向不懂的人直白地介绍KNN，怎么优化预测算法，更多的预测算法 介绍常用的app：网易云音乐，介绍下不足：推荐算法不准确，怎么优化算法，怎么测试优化后的算法：ABtest，怎么给推荐算法的数据集设置权重并验证，怎么确认是推荐算

之前一直在牛客找面经，对自己帮助也很大，意向了也写一篇，感谢！ 一面： 1、介绍项目 2、ODS和DWD怎么区分，分别存什么样的数据 4、跨数据域问题，怎么做的 5、有哪些宽表，对应什么指标和业务过程 6、留存率、漏斗分析等，是怎样的开发过程，后续使用 7、任务性能优化或代码方面的优化 8、hive on spark和spark区别，计算时间上有差异吗 9、kylin为什么快 10、两道SQL  

2024年9月25日 一面 15:00开始，15:35结束 技术问题 java 中常用集合有哪些？ HashMap 的实现原理？ HashSet 的实现原理及使用原理？ ArrayList 和 LinkedList 有什么区别？ 双亲委派策略是什么？ 深拷贝和浅拷贝的区别？怎么实现？ 序列化和反序列化实现的是深拷贝还是浅拷贝？ java创建线程的方式 线程池使用的时候应该注意哪些问题 BIO、NI

可以提前准备好答案，也就那么几题，录制视频后会转成文字，可编辑文字。 一个小时，四题，每题限时6min。 1、分享一段你达成挑战性目标的经历。当时你的目标是什么？挑战在哪里？过程中你做了哪些关键行动最终保证了目标的实现 2、请分享一段你学习新知识和技能并运用于生活或工作的经历。你为什么要学习这个知识技能？过程中遇到哪些困难？你做了什么来掌握？最终如何在实践中应用的？ 3、请分享一段通过你的沟通协调

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

美团一面3.20 1、聊项目 对我研究生的课题很感兴趣，让我展开讲一讲 2、说说对数据湖的看法，企业里应用数据湖还处于探索阶段，问我觉得这是什么原因 3、hadoop的架构原理是什么呢？有哪几个部分组成 4、hadoop是如何去读取和写入一个文件的 5、HDFS存储文件，是怎么进行存储的？ 6、假如我有一个千兆的文件，那是怎么上传到HDFS上呢？具体是什么一个过程？ 7、Hadoop默认副本是几个

自我介绍 讲项目（but项目经历貌似不匹配）全程都是我在输出 然后问了一下java new一个对象还有其他方式吗？克隆？？ 操作系统进程和线程的区别 讲一些数据科学和数据开发的区别（他说我更适合数据科学qwq） 后面反问：你们是做什么的 好像是爬取数据建数仓emmmmm Over 他让我去做一下笔试题我也不知道这是什么意思emmmmm （可能是看我笔试成绩再决定挂不挂我？？？）

#你都收到了哪些公司的感谢信？# #晒一晒我的offer# #数据人的面试交流地# #数据人offer决赛圈怎么选# #数据分析#

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.自我介绍 2.实习中需求方向源自于哪里，最终交付哪些东西 3.数据倾斜展开聊聊，数据倾斜的本质，热点数据处理 4.bitmap原理和运用场景 5.零点漂移怎么解决 6.常见的维度建模模型和方法 7.java的垃圾回收机制 8.关系型数据库介绍一下，和数据仓库的区别 9.MySQL索引 10.数仓分层介绍一下，分层的好处 11.spark宽窄依赖，算子举例 12.手撕：java二分查找，sql窗

一面：3.14 1.首先问实习经历，简单说了下是做数据处理跟分析，然后又简单问了一下实验室项目，没有深入问 2.Java的数据结构有哪些 3.聊一下数组这种数据结构，各种操作的时空复杂度，arraylist的扩容。 4.有哪几种树? 5.详细介绍一下b树跟b+树，b+数查询时间复杂度，为什么? 6.b+数有哪些商业用途（答了MySQL索引） 7.增删改比较多的情况下，为什么一段时间后要重新建立索引

时间线： 5.10一面 —— 5.14约二面 —— 5.17二面 —— 5.25直接发offer 无hr面，无oc 美团一面 1.项目 1）项目的总体架构和实现？ 2）Flulme 和 Sqoop 如何保证数据不丢失？ 3）数仓中的主题是什么，是根据什么来确定的？ 4）数仓分层的优点和缺点 5）星座模型 6）数仓分层，每一层的作用？ 7）事实表和维度表有什么关系？ 8）事实表有哪些类型？ 9）除了

2022/06/15 一面  35min 1：介绍项目 2：数仓分为几层？每一层作用？ 3：数仓分层的意义？ 4：flume导入数据到HDFS 为什么中间加kafka？ 5：项目中可视化用什么做的？ 6：SQL题 一列为日期 一列为金额  按月统计金额总和 7：MapRedcue原理 8：MapReduce的三个阶段 9：研究生上的课 10：接触过实时的大数据业务吗？ 反问：部门技术栈 ？实习的话