前言

• Java太卷？想转大数据？该学什么？
• 大数据工作内容？SQL boys？
• 本文内容来自交流群里的小伙伴投稿

数仓架构图

需要掌握的技能

Java部分：

• Java基础核心、集合框架、多线程并发、JVM、设计模式等。

Hadoop生态体系：

• HDFS：大数据领域文件存储系统。
• MapReduce：Hadoop体系里的数据计算模型。
• HadoopHA：配置高可用的Hadoop集群。
• Hive（HiveQL）：提供类SQL的方式处理数据。
• Kafka：大数据领域顶级的分布式消息队里。
• Flume:日志采集传输框架，常用语电商数仓系统

Spark生态体系：

• 开发语言：Java、Scala（Spark底层开发语言）、Python。
• Spark Core：Spark的核心弹性分布式数据集RDD。
• Spark SQL：封装RDD，提供类似表结构的DataFrame数据结构，便于操作数据。
• Spark Streaming：Spark提供的实时数据处理框架。
• Kafka：大数据领域顶级的分布式消息队里。
• ElasticSearch：全文检索引擎。

其他：

• 数据仓库方面相关知识、主流的OLAP系统、优秀的实时流处理框架Flink、调度工具等。

QA

• Q：Java太卷？该转大数据嘛？

  • A：大数据相比Java竞争确实小点，要转的话，建议越早越好。

• Q：上面列出的东西，都得学会了才能去找实习吗？

  • A：当然不是，学会Java + Hadoop or Spark即可，实习注重基础。

• Q：大数据工作内容？

  • A：实习大多都是SQL boys，正式入职会接触到写公司自研的大数据引擎。

百度大数据实习面经

一面

• 自我介绍（学校、专业、目前学习情况，技术栈）。
• java是编译型语言还是解释性语言。
• 介绍一下HashMap，ConcurrentHashMap。
• 多线程原理。
• mysql里 innodb和myisam的区别。
• 为什么使用b+树做索引。
• 一条sql语句的执行流程。
• Linux经常使用哪些命令。
• Linux系统内核了解吗。
• Linux里的alias命令。
• 介绍一下简历里的数仓项目吧（电商数仓）。
• Hadoop里的MapReduce流程。
• WordCount怎么写。
• 算法：两个栈实现一个队列
• sql题：
  • 两列：身份证号,性别
  • 统计一下男性和女性的人数。

二面（leader）

• 介绍一个简历里的项目。
• HadoopHA如何实现。
• MR流程。
• HDFS小文件过多怎么处理。
• 数据倾斜怎么处理。
• HDFS的常见的配置文件。
• Kafka介绍一下。
• Kafka数据完整性如何保证
• Kafka消费者组概念
• 数据库三范式，数据仓库的建模方式
• 数仓分层，每层的作用。
• 反问：部门的业务，技术栈。

工作内容

• 根据业务部门的提供的各种报表需求，写sql。