一道大数据面试sql题目分享

30min八股和业务，20min手撕1.自我介绍2.项目中业务数据用MySQL来存储，MySQL的事务有了解过吗3.b树和b+树区别4.慢SQL处理，sparkSQL运行慢如何处理5.hive和spark区别6. 为什么要有DWD层 如何构建的，有没有进行一些指标的分析7.DWS层作用，如何进行构建的，建表依据8.没有ADS层可以吗9.业务域和数据域什么区别，不同主题域是否会有重叠10.有接触过数据治理吗11.如果让你接手一个 数据治理项目，会从哪些层面着手12.ER模型和维度 模型区别13.MapReduce中有几个排序，有什么区别14.索引有什么作用手撕:连续登录大于3天用户ID有的记不清了，大概这些最后反问:当前阶段是加强对技术栈的理解更重要还是业务方面的理解答，对于学生阶段更应该深入技术栈，加强学习，以后工作可以加强对业务的理解作为面试官，在考察时更注重哪些层面的能力答，会更加看重对做的项目的理解，比如做一件事为什么要做这件事，为什么要用这种方法，看有没有进行这个思考，以及思考的深度

昨天二面的，已经卡链接一天了求求腾子给个offer吧,可怜可怜孩子吧

一面（面试官很好！很有耐心！）1.spark中rdd叫弹性分布式数据集，这个弹性的含义2.小文件的危害以及怎么处理3.spark中宽依赖、窄依赖4.stage的划分5.kafka怎么保证数据不重复消费（没回答上，但说了怎么重复消费数据）6.checkpoint机制7.spark的三种join（boardcast join,sort merge join,shuffle hash join）7.四道sql（前两道很简单，第三道次日留存和七日留存，第四道连续登录问题）8.算法题：移动最少区间个数 使得剩余区间无重叠1. 输入：[1,2][2,3][4,6][1,3]2. 输出：13. 解释：移除[1,3]后，剩余区间无重叠（面试后在牛客网看见有人分享这道算法题）一面最后面试官还问我以后的计划，我说打算先实习明年春招边实习边找工作，她居然问我没想留着字节吗（我当然想！）中间有些问题没想起来，耗时1小时40分钟二面（面试官很好！问的都是和数仓相关的，结合我的实习问）1.之前工作都干了什么2.之前实习搭建数仓的结构3.了解事实表吗，了解维度表吗4.怎么和其他人对接的5.你属于风控部门，但主要是构建数仓开发，那有没有和其他数据开发人员交流过6.你只有一段实习吧，那实习前后有什么感悟吗7.为什么要选择数据开发（我说因为之前实习是干数仓的，他说不要因为之前干什么就觉得以后三十年干什么，实习还是丰富点，看看干什么）8.最后反问二面耗时50分钟，感觉面试官对我回答的第七个问题不满意，只是我明年要毕业了，得多来一份垂直的实习建议多复习spark、hive方面的八股文、概念问题，实习生主要负责离线数仓开发

视频面，共计45min1. 自我介绍2. 项目细节3. 项目难点4. 业务价值5. spark和mp问有没有了解过，我直接答了一套spark比mp好在哪里6. Hadoop的三大组件 下来发现错了，是yarn、hdfs、mapreduce，我答得是hdfs、hive和mapreduce7. HDFS的调用原理  简单讲了讲yarn这一套，具体细节忘了，还是得多记忆几遍8. 数据倾斜了解过吗？怎么解决9. 职业规划是什么10. 来b站想学什么，之前实习中学到了什么内容11. 一道sql，牛客较难，涉及到的是两个两表关联反问：1. 评价：对业务理解什么都不错，但是非科班出身担心基础问题，但是也不是什么大问题2. 部门主要负责的业务3. 实习生过来主要做什么