《大数据》专题

首先做了三道SQL题，主要涉及分组聚合、窗口函数。 3.3 一面 28min： 1.自我介绍 2.为什么要做这个项目 3.介绍DataX 4.项目问题 5.介绍HDFS 6.Hadoop hive hdfs spark关系 7.职业规划 8.数仓分层 9.窗口函数 3.6 二面 45min： 1.自我介绍 2.项目介绍 3.维度模型 4.一道数仓场景题 5.数仓分层 6.SQL常用函数 7.ran

时长：1h 由于问题太多，分四类进行整理 0. 实习相关：之前有数据开发的实习经验，就问了之前工作有没有spark或者hivesql优化的经验；如何确保数据的有效性；实习公司数据存储格式（Parquet），还知道哪些数据存储格式 1. 大数据相关问题：为什么Spark比MR快；对Spark的了解；两个表join的优化方法（大小表join可以map-side join, join前过滤null值）；

总共33min，凉透了，可能因为我是第一次面试，没经验，被面试官牵着鼻子走 1、数据仓库和数据库的区别 2、数仓的分层 3、维度建模的基本构成 4、了解缓慢变化维吗 5、说一下拉链表 6、用到了哪些用户指标作为算法的输入呢？ 7、协同过滤的常用算法有了解吗？ 8、Presto和Hive区别 9、Hivesql和sparksql区别 10、Sql：统计最近下单的用户是在去年12月份的用户数量 11、

- 3/9笔试 - 选择题大概三四十个 - 问答题10个，涉及python，HSFS八股，Java八股 - 3/14一面，全是快问快答25min - 问简历，项目介绍，项目中提到的模型被揪出来问了细节 - 常见的机器学习算法讲讲，深度学习会多少呢？ - 编程语言？希望会Java - 各种排序算法，时间复杂度，随便介绍几个呗 - Python的装饰器 - 指针和引用的区别（这是C++，但是当时并不知

个人情况简述：本硕双非，acm银牌 测评答的个人感觉不错，笔试AK 测评隔天笔试（第一批），之后就跟大部队流程差不多约了一、二面 一面（总时长50分钟），二面（总时长40分钟） 纯业务理解，深挖实习经历和项目经历 提出的问题多为数仓设计问题和开放性问题，基本都是大量的对话和交流，因为很多想法是结合项目经验的临场idea，个人没有记录 携程给我的感觉就是，如果你做过很多项目，阅读过大量相关设计的学习

#暑期# #投递实习岗位前的准备# 3月23日--分享个经验，求个好运 时长一个小时二十分钟 自我介绍 因为学统计的，问了中心极限定理和大数据定律 机器学习-XGBoost算法简介 两道智力题：逻辑判断谁说谎了和分金条 问了为什么研究生跨专业保研了？ Hive和MySQL区别 数据库的索引有什么用 说一下索引的类型，还有B+树索引 数据仓库和关系型数据库区别 Hadoop生态圈简介 问我SQL写的

1.自我介绍 2.说一下数据库范式 3.说一下Hbase 4.Hbase的rowkey怎么设计的 5.说一下Clickhouse 6.说一下你了解的数据库底层的一些知识 7.数仓为什么这样分层 8.数据表和数据视图的区别 9.实习 数仓让你觉得有成就感的地方 10.你对离线感兴趣还是对实时感兴趣 11.你知道OLAP数据库都有哪些 12.Sql题 13.Hive Spark优化掌握的怎么样？ 14

电话技术面，业务部门直接打电话，看到很少有牛友发这个岗位所以记录一下。 大概十五分钟左右，也可能是我答的不好所以问题比较少。 1.自我介绍 2.hadoop生态 3.hdfs读写 4.spark运行机制 5.hive内外表区别 6.常用编程语言 7.反问 面试官人很好的，我最先开始没接到电话，给我打了好几次，不太清楚的问题也没有过多为难。不过太久不面好多都忘记了，答的并不全面估计凉了。

基于SuperMap 9D产品，构建了一个针对人口移动进行相关分析的平台，用Elasticsearch作数据存储，SuperMap iServer 作数据分析和发布的服务器，SuperMap iClient作前端客户端展现的开发平台，通过出租车数据进行不同空间尺度和不同时间尺度下的人口、岗位分布情况分析，并得到各区域范围的通勤交换关系，对主城及市域进行人群移动分析，为城市交通规划提供数据参考和决策

针对空间数据可视化渲染的技术，涌现出很多优秀的产品，包括地图库的渲染产品以及可视化效果的可视化库。 主流的开源地图库 OpenLayers，业内使用较为广泛的地图库，OpenLayers3完成了面向对象的重构，同时也进行了h5升级；Leaflet，一款实践多、社区活跃、插件丰富的开源地图库，Mapbox早期的地图库就是基于Leaflet开发的；Mapbox GL，其推出的矢量瓦片可视化效果和性能都

在大数据可视化发生不断变化的同时，空间大数据在可视化方面，也出现了巨大的变化，同时涌现出了一系列全新的可视化表达效果，如热力图，格网图等，图 四 1展示了空间分析方法与空间可视化技术的对应关系。 热力图和密度图 热力图和密度图两种专题图可以为用户呈现一种趋势，从数据变化的趋势中，找到规律，辅助决策。通常用于聚合分析、区域汇总、热点分析和密度分析结果的效果展示。如图1和图2所示，该图展现了全球航班的

第 6 章 大量数据的表示和处理 第 2 章讨论了现实世界信息在计算机中的抽象表示问题，那里主要介绍的是简单数据， 而本章将继续介绍复杂数据的表示和处理。简单数据一般指单个数据，并且没有内部结构， 不可分割。复杂数据正相反，可在两方面呈现复杂性：一是数量多，即待处理的数据是由大 量相互关联的成员数据组成的；二是有内部结构，即数据在内部由若干分量组成，每个分量 本身可能又由更小的分量组成。对于大量数

CIO决策世界以全球化、互联网化的思维整合行业热点话题，为企业IT管理者提供最有价值的趋势分析和技术盘点。在这里，你会看到全球各地资深IT观察者的独家观点，你也会得到各行各业IT实践者的独家秘笈。立足中国，放眼全球，让行业趋势分析带动深度思考，让技术盘点推动IT转型。

#校招##秋招#

#国企#一面 约37min 1. 介绍一下项目 2. MongoDB分布式存储是怎么做的？ - 数据分片是怎么做的？ - 如何保证节点间数据的一致性？ - 如果有节点挂掉会怎么办？ 1. 地理数据如何索引？ 2. 喜欢用什么开发语言？ 二面 约40-50min - 自我介绍 - 问了一些奖学金的情况 - 介绍项目经历 - 对分布式事务了解吗？解释一下分布式事务是做什么的 - 如何保证分布式事务的原