《大数据测试》专题

自我介绍 专业课程、成绩 是否学过计算机专业课（408） 线程、进程的区别 编译型语言和解释性语言区别、使用场景 计算机32位、64位存储空间多大 Java内存存储 Linux通过文件名、文件内容查找 介绍Redash 比较ClickHouse、Doris和Mysql架构、使用场景和优缺点 b+树的优势 实习主要工作 反问： 如何使用好一个数据模型 对我的建议

自我介绍 深挖实习经历 （介绍实习主要工作、场景复盘等等延伸） hive相关 （hive原理、hive sql区别） 数据倾斜的常见case ClickHouse相关 group by原理 left join与right join区别与特点 主要技术栈 对岗位的理解 反问： 部门与产品业务线 校招生定位

腾讯会议一面(30分钟) 自我介绍 项目介绍 数据如何采集，整个流程叙述一遍 项目难点说一下 两个项目的区别讲一下 数仓分层里面的表叙述一下有什么 分析一下两个事物之间的关系，怎么分析(有点抽象的问题)，有什么经验

1.自我介绍 2.熟悉flink还是spark 答：flink 3.介绍下flink架构吧 答：这里越深越好，我就讲到了flink的jobmanager(dispathcer，jobmaster)和taskmanager 4.flink有哪些算子? 答：map,flatmap,filter,window,union等,RichFunction提供生命周期open close,上下文环境。 5.fl

#歌尔# 项目 ETL部分 拉链表的设计与作用 数据量的大小 为什么选择kmeans，介绍一下其他的聚类方法 八股 介绍下数据仓库的分层 大数据中的数据倾斜 hive开窗函数 spark streaming和flink的区别 sort by 和 order by的区别 有没有用过doris等 （没用过） 什么时候可以来实习

自我介绍 实习工作介绍 事实表与维度表如何搭建 星型模型与雪花模型 维度冗余 业务场景理解 数据倾斜原因和常见手段 手撕 一道sql： 连续登录7天用户 两道算法： 二维动态规划 n! 尾数0的个数

项目 垃圾回收，JVM调优 Elasticsearch 结构 索引 集群分片 redis 数据结构 mysql优化，事务 ，索引，MVCC 聊天

4.27 1h B2B，百度电商部门 介绍完自己直接开始写算法题 随机数据的峰值，如 1 2 3 6 5 8 7，返回 6 或 8都行，要求时间复杂度O（lgN） 斐波那契数列，要求时间复杂度O（lgN），矩阵解法 求两个字符串的最长公共子串，如 abcedfgh 和 bcedgh 最长公共子串是bced 求两个字符串的最长公共子序列，如 abcedfgh 和 bcedgh 最长公共子序列是bce

对于工作计划应用程序，我需要为w周（=7w天）生成许多可能的员工计划。员工时间表由计划期内每天的班次（早班、晚班、夜班、Rest日）列表组成。应用程序是用Java编程的。 此时，我代表员工时间表如下： 移位是表示分配移位的枚举，定义为： 我在枚举声明和方法中也有一些shift属性来比较属性，但我认为这与此无关。 每个员工都有一份他可能的时间表列表： 我的问题是，我实际上有50名员工，我想为每个员工

面试官都没开摄像头，然后让我开了。 两个面试官一男一女 1. 先讲讲对索引的理解和概念。 2.出了一道sql题学生成绩表： 学号，姓名，性别，班级，分数 按照分数倒叙，以班级分组，姓名排序 如果 分数相同 并列。 3. 删除表中 学号 为10010的数据： 4.讲讲join 5.python 中的闭包理解 6.split 和 join理解 7.给一个txt文件找出所有大写字母的个数 口述pytho

一面（11/3） 自我介绍 拷打项目 然后问了一个Flink反压的问题 二面（11/10） 自我介绍 拷打项目 问了前端展示大量数据，如何考虑？（可能大佬就是前端的） 问了用了哪些数据库？ 问了Kafka 和 Flume 的应用场景？ （可能时间比较紧张，所以问的比较急，二面没有遇到反问环节了）

项目为sgg经典离线数仓 1. 自我介绍 2. 项目介绍（难点、亮点） 3. 根据难点亮点提问 4. 数据域是什么，如何划分数据域，为什么这样划分数据域 5. DIM层维度表的设计原则 6. DWD层事实表设计要点 7. mapreduce shuffle流程 8. maptask和reduce task 与哪些因素有关 9. 数据热点（数据倾斜）在哪些场景下出现，如何解决 10. spark是为

主要内容：1.数据核心原理：从“流程”核心转变为“数据”核心,2.数据价值原理：有功能是价值转变为数据是价值,3.全样本原理：从抽样转变为需要全部数据样本,4.关注效率原理：由关注精确度转变为关注效率,5.关注相关性原理：由因果关系转变为关注相关性,6.预测原理：从不能预测转变为可以预测,7.信息找人原理：从人找信息，转变为信息找人,8.机器懂人原理：由人懂机器转变为机器更懂人,9.电子商务智能原理：大数据改变了电子商务模式，让电子商务更智能,科学进步越来越多地由数据来推动，海量数据给数据分析既

一面 共 30min 自我介绍 实习经历介绍 项目介绍：数仓分层的理解 为什么用spark而不用hadoop 为什么spark比hadoop快 spark开始计算的标志 java抽象类和接口的区别 对继承和多态的理解 最近有想要学习的新技术吗 #科大讯飞##秋招##大数据#

主要内容：1.数仓构建,2.数仓最重要的是什么,3.如何保证数据的准确性,4.如何做数据治理？数据资产管理呢,5.如何控制数据质量,6.元数据的理解？元数据管理系统,7.数仓如何分层的？及每一层的作用,8.为什么要分层1.数仓构建 1). 前期业务调研 需求调研 数据调研 技术选型 2). 提炼业务模型，总线矩阵，划分主题域； 3). 定制规范 命名规范、开发规范、流程规范 4). 数仓架构分层：一般分为操作数据层（ODS）、公共维度模型层（CDM）和应用数据层（ADS）,其中公共维度模型层包括