秋招的一些面经吧
渣硕的秋招算是终于结束了，写一下秋招的一些面经吧。应聘方向是大数据开发和java开发
大概拿到的offer有：阿里、美团、快手、贝壳、作业帮、旷视、农行总部、海康威视、有赞、云从科技、招银网络科技等
一.阿里巴巴（已拿offer）：
渣硕阿里面了总共三个部门，最终有幸拿到了阿里新零售的数据研发。
最后数据研发岗位没有总结面经。前面两个部门。
阿里cbu一面（java开发）（挂掉）：
1.项目，实习难点
2.用过的数据结构
3.树和图和链表都有啥
4.进程间通信方式，socket和消息队列区别
5.安全攻击的方式和解决方案
6.ajax
7.哈夫曼树和应用
8.序列化和实现方式，作用
9.分库分表如何排序
10.散列知道吗
11.死锁场景，
12.ipc的常见方式
12.微服务是啥
13.最大堆最小堆添加节点
由于是电子专业，所以和安全的问题基本上都没有回答上来。
2.用过的数据结构
3.树和图和链表都有啥
4.进程间通信方式，socket和消息队列区别
5.安全攻击的方式和解决方案
6.ajax
7.哈夫曼树和应用
8.序列化和实现方式，作用
9.分库分表如何排序
10.散列知道吗
11.死锁场景，
12.ipc的常见方式
12.微服务是啥
13.最大堆最小堆添加节点
由于是电子专业，所以和安全的问题基本上都没有回答上来。
阿里淘系技术部（java开发）（一面+二面+三面挂掉）
一面
1.java hashMap和concurrentHashMap2.volatile关键词，结合内存模型，java为什么可以跨平台，java加载过程
3.cas原理。aba问题如何解决,原子类
4.线程不安全的例子，如何解决
5.异常分类，什么时候throws
6.==和equals区别
7.java代码写了多少i
12.hive的优化
13.讲讲hadoop和mapreduce
14.讲讲spark
15.了解什么中间件吗？kafka和redis，zookeeper
16.kafka的作用和架构
17.redis回收策略，redis实现分布式锁
18.zookeeper实现分布式锁
19.实习重构的难点
二面
1.mapreduce重构成spark任务的限制2.mapreduce和spark的区别
3.hive的优化
4.两个很大的数据集，如何判断重复的数字（bitmap），bitmap有数据大小限制吗
5.mapreduce写udf
6.hive中udf实际用过吗。具体处理流程
7.springmvc处理流程
8.servlet线程安全吗。如何保证安全。servlet全局变量是多个线程都可以访问吗
9.spark为什么用scala，scala和java的不同
三面
刚从杭州网易hr面回来，状态不好，好多基础题没回答上来，挂掉（二面面试官打电话说特别可惜）
阿里新零售数据中台四面（数据研发岗）（拿到offer）
可能是数据研发岗为，进入了我熟悉的领域。所以就回答的还不错，不过就是hr面试之后好长时间才捡漏一个offer
二、快手（已拿offer）
快手是大数据平台部，秋招前的散招。加上hr面总共有五面，最后只给了我一个大白菜，很气。大数据开发
一面：
1.kafka中patiton如何保证有序
2.storm数据倾斜，某个省数据量特别大。
3.storm进行join
4.很多数据，一个namenode不够用
5.storm中数据量很大，acker影响性能吗
6.udf写用户经纬度是否在
7.数据库acid如何保证一致性
8.hdfs为什么128M
9.zookeeper中CAP怎么哪个
10.storm中bolt数量
11.hbase的高可用
12.多个表full join
13.hive sql编译过程
14.数据仓库，星型模型和雪花模型，适用于什么
二面:
1.累计报表
2.父子关系，统计出来
3.公司业务（分为哪几块）
4.hive大表进行join，如何分库分表减少数据倾斜
5.如何确定map数量
6.如何处理小文件
三面:
1.杀死线程池中线程的方法
2.hbase有什么缺点
3.多线程进行1到100加和操作。开10个线程进行加和
4.spark提交job流程
5.hashMap的扩容
四面:
1.累计报表优化,每日新增
2.concurrentHashMap默认桶数量，多线程写时冲突概率
3.线程池数量和io型、cpu型,原因
4.多线程原因
1.kafka中patiton如何保证有序
2.storm数据倾斜，某个省数据量特别大。
3.storm进行join
4.很多数据，一个namenode不够用
5.storm中数据量很大，acker影响性能吗
6.udf写用户经纬度是否在
7.数据库acid如何保证一致性
8.hdfs为什么128M
9.zookeeper中CAP怎么哪个
10.storm中bolt数量
11.hbase的高可用
12.多个表full join
13.hive sql编译过程
14.数据仓库，星型模型和雪花模型，适用于什么
二面:
1.累计报表
2.父子关系，统计出来
3.公司业务（分为哪几块）
4.hive大表进行join，如何分库分表减少数据倾斜
5.如何确定map数量
6.如何处理小文件
三面:
1.杀死线程池中线程的方法
2.hbase有什么缺点
3.多线程进行1到100加和操作。开10个线程进行加和
4.spark提交job流程
5.hashMap的扩容
四面:
1.累计报表优化,每日新增
2.concurrentHashMap默认桶数量，多线程写时冲突概率
3.线程池数量和io型、cpu型,原因
4.多线程原因
三、美团（已拿offer）（大数据开发）
一面：
1.spark输出文件的个数，如何合并小文件
2.hbase的预分区。
3.storm的反压机制，在哪触发的反压zookeeper的watch机制，ack机制
4.kafka用的哪个版本，offset存在哪
5.class文件在1.8存储在哪
6.如何预防数据倾斜
二面：
计算机的分页
storm的消息保证
hdfs的ferderation
hdfs中namenode请求太多
信号量ipc通信
判断是不是二叉搜索树
贪吃蛇用什么数据结构
计算机网络中分页，虚拟内存是什么
ACID是什么
三面:
redis一致性
kafka一致性
kafka相对于其他的优点
roi从哪来。供谁使用
#阿里巴巴##Java工程师##面经##大数据开发工程师#1.spark输出文件的个数，如何合并小文件
2.hbase的预分区。
3.storm的反压机制，在哪触发的反压zookeeper的watch机制，ack机制
4.kafka用的哪个版本，offset存在哪
5.class文件在1.8存储在哪
6.如何预防数据倾斜
二面：
计算机的分页
storm的消息保证
hdfs的ferderation
hdfs中namenode请求太多
信号量ipc通信
判断是不是二叉搜索树
贪吃蛇用什么数据结构
计算机网络中分页，虚拟内存是什么
ACID是什么
三面:
redis一致性
kafka一致性
kafka相对于其他的优点
roi从哪来。供谁使用