猿辅导数据分析2020春招面经
更新：2.24接OC啦，不是凉经了哦耶😝
一面2.14（像简历评估面）
自我介绍，问了一点点实习经历，项目基本没挖...
都是好基础的题没啥印象了...
比如假设检验步骤，方差已知未知时均值检验统计量分布，怎么估算pi，一个学课成绩排名的sql request，rank和dense_rank区别，斐波那契数列实现
二面2.20（我就是被一面的简单给蛊惑了被血虐）
自我介绍，啥也没挖...
直接sql request：给定日期内每天都做新题的用户数（大脑一度宕机还好最后写出来了）
问知道哪些概率分布，描述泊松分布（说的很混乱，基础太差了orz）然后问一个班级每天来上课的人数是不是泊松分布，当然不是但竟然没解释清楚（应该是泊松k可以到无穷吧，我说个泊松是流动的...这造词能力真是可以，流动是什么鬼阿？？被怼流动是泊松过程...）
概率题：蛋糕圆周上一点，从圆心切两刀分成两个扇形，问包含圆周上点的扇形面积期望
这题我在面经看到了，昨天还找同学讨论来着，结果too young too naive想的太简单了orz 想当然觉得是1/2，经考官点拨应该是和第一刀切的位置有关的，最差的情况才是1/2，最好情况是3/4，然后再综合求期望...
然后，我以为这题pass了，等着出新题，结果考官迟迟没动静，我以为他在忙别的事就也没说话...结果好一会儿之后他说那行先看后面的...所以其实刚才是让我把那题做出来是吗orz
下来算了一下感觉是5/8，设第一刀离圆周点的弧度为θ，θ服从[0,pi]上的均匀分布，此时扇形条件期望面积为(1+θ/2pi)/ 2（现在才恍然大悟这是个条件期望题orz），期望面积%3DE(E(S%7C%CE%B8))%3D%5Cint_%7B0%7D%5E%7B%5Cpi%7D%5Cfrac%7B1%7D%7B%5Cpi%7D%5Cfrac%7B1%2B%5Cfrac%7B%5Ctheta%7D%7B2%5Cpi%7D%7D%7B2%7Dd%5Ctheta%20%3D%205%2F8)
，其实就是（最差+最好）/2...
问参数检验和非参检验区别，非参不知道分布是怎么检验的，扯了卡方检验用频数，还有用排序啥的
又问了怎么估算pi，大概是看我太菜出点简单的orz
好像还有点别的忘记了...
三面（和二面连着的）
自我介绍，问实习遇到的困难，我答刚接触业务各种名海量表有点手足无措，追问如果重新入职有什么能帮助新人快速上手的方法（意想不到的出题角度）
实习做海外广告投放啥的，考官就提了下国内的营销方法，说和海外区别比较大，我刚想了下其实互通的地方还挺多，当时应该详细说下以体现我透过表象看本质的能力（在这吹有用吗？？）
问我职业方向，对互联网数分工作的理解，秋招情况（好痛我好痛）
后面就让提问了，问了疫情停课不停学对在线教育的影响啥的...
反正就挺凉的，春招这缩招情况感觉都没啥数分岗了我太难了
#猿辅导##校招##数据分析工程师##面经#
简历不错，但是得准备好选型话术，比如我举个例子你为什么要用caffeine，一般我们的小项目不会有这么hot的key需要本地缓存，你要说明你是如何发现有这么hot的key连redis都兜不住的，引入后优化了多少时间，然后还有本地缓存大小设置为多少，这个大小能保证热点key不会因为太小而淘汰也不会因为太大影响服务吗，为什么不用guava，引入本地缓存同步问题怎么解决。
然后分库分表，为什么你觉得要分表，数据量多少，分多少张表几个库，分片键选择依据，你的所有查询能不能准确定位到某一张避免全库扫描，有没有数据倾斜问题就是分的每张表数据量差距特别大，你是一开始分库分表还是后期发现瓶颈才分，如果后期才分你如何把旧表的数据搬过去同时还能确保业务正常运行。
然后是消息队列，你说缓存高并发请求，却选择了吞吐量较小的rabbit，有什么原因吗，为什么不选Kafka。
然后你说分布式锁解决集群环境并发安全，也就是说你是集群部署的，请问是怎么部署的，docker还是k8s，部署几台，配置是多少，jvm参数设置是多少，有监控吗，线上遇到故障吗，怎么解决的，有做负载均衡吗，数据是怎么压测的等等。
zset缓存本月实时排行数据具体怎么做的，会有大key问题吗。
其他本小渣暂时想不到了，留给其他大神点评