字节跳动大数据开发岗位三面凉经
早上十点开始的面试
一面：
自我介绍，
一开始问的忘记了。。
编程题有道是n个有序数组求TopK
问了下实习的内容
介绍下Kafka，巴拉巴拉一顿说
问Spark的shuffle过程，然后问了下普通shuffle存在的问题，答了会出现很多磁盘文件
然后说了下用consoiderPartition，可以减少文件数。
然后问使用这个是解决了上面的什么问题，一开始答说是磁盘IO，后面追问确定是磁盘IO么，
想了下，说shuffle过程产生了大量文件，可能操作系统不支持打开太多文件。
一面大致就是这样，有些记不太清楚了
二面
自我介绍
问了下实习相关的
HTTP传输层用了什么协议
介绍下TCP和UDP，巴拉巴拉扯了两者区别，拥塞控制什么的
HTTP的Header都有哪些
有没有去试着改下header的内容
算法题：leetcode买股票问题
给定每天股票的价格，只允许一次买和一次卖，求最大收益
解决了上面那个问题后，问允许多次买卖，求最大收益
问了下Spark遇到数据倾斜怎么办，这里讲了很久，讲到后面面试官说大概就到这里把，然后就问有什么想了解的，
然后二面就结束了
三面
自我介绍
问下实习相关内容
有没有了解过一些流式处理的框架
说了flink、sparkstreaming、strom
然后问了下三者的区别
看我简历写了Spark，问了Spark不少东西，把Spark的相关概念都问了个遍，RDD、task、Stage、executor等等
还有彼此之间的关系也问了个遍
进程间通信方式有哪些，答了管道、消息队列、共享内存
继续追问，还有其他的么
答曰记不住了，然后问了下这三者的区别
说完后又继续追问，还有没有其他的
说了下socket，嘴抽说了句socket一般用于不同机器之间的进程通信
追问那在同一台机器的进程就不能用socket么
答应该可以把，把Socket的IP设置成localhost应该可以，问能不能设置成其他的，emm 设置成127.0.0.1应该也行
问设置成本机真实IP行不行？emm 应该可以。追问，那设置成这三者的区别是什么。
后面给了一个Spark相关的工程题目，给定hive表，存储着关于文章的信息，字段如下(文章ID，userId，action，date(分区字段))
其中的action包括了：点赞，评论，不喜欢，展示，可以根据公司内部提供的一个rpc，传入文章ID得到文章的类别ID，
问如何实现得到每个类别的热点文章的Top1000。
一开始围绕着如何确定文章的热点谈了很久，如何对action字段进行量化，哪些action对分数的影响权值比较大，如何分配权值等等
然后面试官给了一个方法fun(点赞数，评论数，不喜欢数，展示数，date)，该方法可以返回每篇文章的最终分数
然后叫我根据上面hive表存储的信息以及这个方法，把每个类别的热点文章Top1000给求出来
这里写了很久没能搞定，最后就凉了。。。
小天才公司福利 1192人发布
