《大数据求职》专题

TimeLine：一面20221115（已挂） BG：北邮本硕，管理类专业，两段实习经历：字节数据分析师、美团商业分析师 写在前面的话：北京移动的面试环节紧凑，面试时间5-6分钟，问的问题都比较常规 一面 1. 毕业时间在什么时候？ 2. 在北京移动公司是否有直系亲属？ 3. 对于北京户口是否有刚需？ 4. 你的年薪预期是多少？ 5. 有没有投北京移动的其他岗位？ 6. 是否愿意接受调剂到市场/综

个人情况简述：本硕双非，acm银牌 随便找群友要了个内推投递 笔试4.2题，投递选择的是都喜欢，笔试完在人才池待了十几天，被数仓部门捞了 一面（总时长50分钟） 聊实习经历和简历项目，聊了约30分钟 聊天环节把整个技术栈聊的差不多了，还有离线、实时数仓的很多点，后面又问了几个问题 离线数仓分层设计、实时数仓设计，spark、flink相关生成经验，S3、OSS的使用理解，k8s的使用心得等都在聊项

使用指南 - 疑难问题 - 数据矛盾问题 - 为什么抵达率会有大于100%的数据出现 抵达率的计算方法为访问次数比上点击数，如有无效点击，点击会被过滤掉不计费，但是后续的PV、访问次数等数据统计会记录到，所以点击数量可能出现小于访问次数。百度统计里边的点击量和凤巢里边的点击量是一致的，都是过滤了无效点击之后的数据，但无效点击产生的访次还在，所以可能导致抵达率>100%。

1、 确认专业，保研，成绩，排名 2、 课程内容，研究生课程等 3、 数据库底层索引的优劣势？ 4、 我现在有一张表把所有字段都加索引了，这样好吗？ 5、 存储过程和视图？ 6、 视图字段是单独存储的吗？ 7、 MR原理用你自己话简单描述。 8、 MR中数据倾斜的产生情况，你如何解决？ 9、 一个复杂的SQL中发生了数据倾斜，你怎么确定是哪个group by还是join发生的？ 10、 count

1、 是找大数据还是算法？ 2、 对大数据领域的了解？ 3、 从0-1建设数仓，你怎么做？ 4、 数仓建设规范，依据？ 5、 没想一块去，他想问建模思想之类的。维度、范式 6、 会哪些技术栈？ 7、 Hadoop讲讲吧？ 8、 为什么要有Hive，Hive作用？ 9、 详细讲讲MR？ 10、 数据倾斜发生的位置？ 11、 Combiner了解吗？ 12、 什么情况下不能用Combiner？ 13、

1、 在XX实习，目前没有offer吗？ 2、 实习和你项目的区别、实习项目主要做的内容？ 3、 实习的难点？ 4、 系统主要做的什么？ 5、 讲讲MR？ 6、 数据倾斜遇到过吗？ 7、 除了null值呢？ 8、 除了随机打散还有别的方案解决吗？

主要内容：1、Chunk缓冲机制,2、Packet数据包机制,3、内存队列异步发送机制,总结：这篇文章，我们来聊一聊在十亿级的大数据量技术挑战下，世界上最优秀的大数据系统之一的Hadoop是如何将系统性能提升数十倍的？ 首先一起来画个图，回顾一下Hadoop HDFS中的超大数据文件上传的原理。 其实说出来也很简单，比如有个十亿数据量级的超大数据文件，可能都达到TB级了，此时这个文件实在是太大了。 此时，HDFS客户端会给拆成很多block，一个block就128MB。 这个HDFS客户端

答的不是很好 #Java# 第一个面试官似乎是个领导跟之前大二面的ruoyi二开那个人脸熟，纯难崩。 自我介绍：自学Spring，微服务等等……，拿省赛奖等等，成绩前3%。 pua我学历大专 大数据提问：谈了下hadoop生态的hdfs，hbase，hive，kafka，MySQL，pg基本原理以及使用，etl概念 （加班潜规则） 然后我说想干Java，但是公司不招Java实习，现阶段项目很复杂，

1. 请简述您如何理解腾讯的企业文化，并结合您的经验谈谈您如何融入这样的文化环境。 2. 在团队合作项目中，您通常扮演什么角色？请举例说明您如何在团队中发挥作用。 3. 描述一次您在项目中遇到困难或挑战的情况，以及您是如何解决问题的。 4. 请讲述一个您成功领导团队达成目标的经历，包括您采取的策略和最终结果。 5. 面对紧急且重要的任务时，您如何安排时间和资源以确保任务按时完成？ 6. 请分享一个

从事数据开发，手写面试题5W字，涉及hadoop、zookeeper、kafka、spark、flink、clickhouse等常见的大数据中间件，文档可以后台踢我 1、Hadoop特点 hadoop是一个分布式计算平台，能够允许使用编程模型在集群上对大型数据集进行分布式处理 hadoop的三大组件：HDFS（分布式文件存储平台）、MR（计算引擎）、YARN（资源调度平台） 特点： 高扩容：had

从事数据开发，手写面试题5W字，涉及hadoop、zookeeper、kafka、spark、flink、clickhouse等常见的大数据中间件，文档可以后台踢我 1、Hadoop特点hadoop是一个分布式计算平台，能够允许使用编程模型在集群上对大型数据集进行分布式处理hadoop的三大组件：HDFS（分布式文件存储平台）、MR（计算引擎）、YARN（资源调度平台）特点：高扩容：hadoop在

#在牛客分享我的求职旅程##理想汽车信息集散地##理想汽车##实习##面经#

问题内容： 我想跟踪我的应用程序的数据使用，但要做到这一点，我需要能够得到的全尺寸和。仅获取的大小是不够的，因为请求和响应都传输了更多的数据（标头，参数，正在传输的实际URL等）。那么，有没有办法找到双向传输的全部数据呢？ 谢谢。 问题答案： 如果只希望度量“之后”，则可以提供适合自己的实现的子类，并在将请求返回给管理器之后获取相关的子类。 作为一个简单的示例（以及一点点sh * tty），sub

第一次问问题(温柔点)，因为我还没有找到任何有用的东西。 在R中，我有两个数据帧。一个（DataFrameA）有一列带有唯一日期列表。另一个（DataFrameB）也有日期列表。但是DataFrameB中的某些日期在DataFrameA中可能不存在。在这种情况下，我想将DataFrameB中的日期更新为DataFrameA中的最小日期，该日期大于DataFrameB中的日期。 在SQL中，我可能会

我目前正在研究使用cosmos db读取数据，基本上我们目前的方法是使用带有Cosmos DB SDK的.Net Core C#应用程序从文件blob或csv或json文件中读取整个数据，然后使用for循环，逐个从cosmos db中提取其信息并比较/插入/更新， 这在某种程度上感觉效率低下。 我们很好奇 cosmos DB 是否可以执行从文件 blob 或 csv 或 json 文件以及类似 S