《百度大数据开发工程师面经》专题

1、自我介绍 2、今后规划，为什么不读研，爱好 3、对美团的了解 4、项目介绍以及分工 5、数仓分层介绍，为什么要分层 6、数仓建模方法（范式建模、纬度建模、实体建模） 7、平常还有什么方式巩固大数据知识（《大数据之路》、博客、课程） 8、写一个快速排序（没写出来） 9、两道简单sql ①每个用户每天访问的第一条记录 ②00后中选课人数最多的课程 10、有没有用过udf 11、hive和spark

1、自我介绍 2、spark宽窄依赖，stage划分 3、rdd的弹性体现在什么方面 4、group by 和reduce by的区别 5、spark内存划分，内存调优参数 6、spark的join有哪些，sort merge（没答出来） 7、spark的shuffle过程，和mr的区别 8、数仓总线业务矩阵是什么 9、数仓分层，dws层存在的必要性是什么 10、spark以及sql的优化经验（数

不知道的还以为是HR面呢，基本没有专业问题 1、base杭州能否接受，有无考研想法 2、自我介绍（要求说优缺点，特长，经历） 3、希望我证明我在学校是一个比别人优秀的人，问我怎么回答 4、补充回答自己的软实力如协调、沟通、分析能力，对自己如何评价 5、觉得大三的自己和大一有什么区别 6、如何自学 7、素质测评写了哪些题，你对哪些题有优势，哪些有劣势 8、你觉得你和别人沟通时，说服能力怎么样 9、讲

- 美团：到店事业群--平台技术部（暑期实习一面） - 上来面试官说看你简历挺匹配的，I'm like whaaaaat - 自我介绍 - 为什么去读研了 - 你们团队多少人 - 你们数仓怎么分层 - 你主要负责哪几层 - ODS 数据从哪来，怎么接入数仓 - ODS 表是什么事实表类型？更新方式？ - ODS 到 DWD 做了哪些处理？ - DWD 有哪些表，事实表如何设计的？ - 你提到了数据

一面前还有笔试 两道算法题挺简单 本来以为进去要转c++的 在自我介绍阶段就没怎么聊java 都在说自己不怎么会c++ 结果最后反问才知道原来是分布式数据库 java是作为计算层的主要实现语言 怪不得这面试官这么了解java 1. jvm调优 有啥常见参数 2. 常见设计模式 3. docker如何打包镜像 4. mmap系统调用 然后基本上都在问项目 面试官对电商业务好像还挺了解 聊了大概35分

简单介绍一下项目 项目里一些点随便聊了一下 没问几个问题 算法 实现一个HashMap 问了面试官是要拉链法还是可以用最简单的开放寻址 回答都可以 然后我就整了个开放寻址 随便写了个测试样例没出啥问题就过了 总时长30min

面试时间：50min 自我介绍 实习内容 工作部门是数据中台，数据中台是什么？和数据仓库有什么区别？ 项目用什么采集数据？原理？还了解过其他采集工具吗？ 对数仓分层的理解？ 你们是按什么标准分主题的？用的什么数仓模型？ MR的工作流程？ Spark原理？和MR的区别？ RDD依赖关系？ Job、stage、task划分？ Hive介绍，原理？Hsql转换到MR的过程？ Hive的文件存储格式？ 知

感觉自己和快手的相性不是很好，每次都和面试官不和，感觉应该是无缘快手 1.自我介绍，大数据组件是自学的吗 2.工作内容，定位，成果介绍 3.前期调研也是你做的吗，怎么调研出的指标体系，耗时多久 4.复购率是几日复购率，为什么选择这个天数不选择15天，你这个调研不够深刻，调研他的打法和业务目标不才是第一步要做的事吗 5.有多少个维度和指标，为什么用grouping sets不用cube，介绍coun

1.自我介绍 2.学校大数据有哪些课程，做了哪些实践 3.你觉得大数据是什么，对于社会的帮助 4.大数据和大模型的联系，你在实习或者写sql的时候有没有用过大模型 5.你觉得大模型可以取代你做的这些数据开发工作吗，把大模型甩给业务人员，他们可以用大模型完成数据开发吗 6.针对大模型和大数据，总结一下，从短期来看和长期来看 7.对于spark3.0的新特性了解吗 8.spark的join有几种，和M

1.十分钟自我介绍 2.项目最难点和最有技术的点 3.一句话总结你的问题解决方案 4.一句话总结你的项目的价值 5.手撕：合并k个有序链表 6.问机试题目思路 大部分时间在写算法，感觉面试官对大数据相关的技术栈不太感兴趣，问大数据相关问题就像走过场一样，最后也没有反问，emmmm有点难评 #数据人的面试交流地#

自我介绍 为什么这么快找实习 离线数仓介绍 数据哪里来的 有什么数据 实时数仓和离线数仓的数据是用的同一份数据吗 有什么需要去聚合的指标 做这个项目有什么收获,难点 sql题 第二大薪水 排序秒了 8.19 oc

1.自我介绍 2.jvm的gc全流程，为什么要分这么多区，标记整理等算法对于gc的优缺点，遇到过哪些gc的实际例子，怎么定位这样的问题 3.同一个进程中有三个线程，一个线程发生了内存溢出，另外两个会怎么样，为什么 4.线程共享数据怎么实现的，一致性怎么保证 5.手撕：判断完全二叉树，反转链表 6.sql：窗口函数 7.hdfs架构，读写数据流程，datanode在写数据的时候挂了怎么办 8.小文件

场景题：上游订单数据有问题，时间也是错误的，你怎么从 ODS 中找到这张订单表的位置？（不会） 第一种思路：全表扫描 第二种思路：做一张表，对表id进行hash，表中存储该表id对应的分区 DWS 层能不能没有（答：模型设计中我们一般要做到公共处理逻辑的下沉和单一，所以一般我们会把汇总逻辑放到DWS层，不把它暴露到APP层去实现，所以一般总会设计DWS层的） FlinkCDC MySQL 连接器的

#软件开发2024笔面经# 阿里云数据开发岗位面试公司名称:阿里云 面试岗位:大数据开发 整个是大数据开发，我以为是数仓开发，结果问的全是Spark问题，被搞自闭了。1，自我介绍 2，park中RDD的Task数量由什么决定?3，Spark怎么实现算子中的变量共享?4，Spark共享变量的使用条件? 5，可序列化?连接池实例是在算子内还是在算子外? 我一开始没想好，先回答了连接池的作业:是为了连接

一个小姐姐打电话告诉我会议号的。 进去之后，先自我介绍，然后让我讲项目。 hdfs的读写机制 雪花模型星型模型的区别和适用场景 小文件的弊端 又在问项目 20分钟结束了，反问环节都没有。。。