【小红书4面已OC】大数据开发-数据平台

已OC，评论区有意向群大家可以加入交流

一面：

挺走流程的，项目+八股+性格

二面：

项目+做题+性格，题目是一个实时指标，一个离线指标，居然要求在web上写flink，然我选择用SQL写离线，题目是统计一个直播间的最大在线人数，感觉挺好的，但是说方向偏业务，问了我的意向，我没表达出兴趣。

三面：

1.自我介绍

2.项目介绍

3.Hudi项目难点

1）.FlinkJob怎么配置采集表的个数：个数太多会导致单个slot输入数据量太多，Hudi累计的数据存在state里（超过阈值会flush），累计太多做ck的时候需要的时间就越长，CK的GAP需要加长，会影响实时采集的时效性。所以对数据库的采集需要多个Job来保证时效性，同时要保证每个Job的表大小尽可能相等（Job里业务表的TPS需要大概相同）

2）.Hudi的bucket数量，bucket对应一个分区下面的file group,他也是写并发的最大值，它数量过多会导致一个小文件问题，数量过小会导致File group里面的parquet+log过大，影响下游的查找优化。（社区说是用hashMap的方式，也看到RFC使用一致性hash来动态扩展Buket数量）

4.Ozone项目

5. B+树和LSM-T区别

5.各自使用的场景

6.OLTP和OLAP *

7.范式建模和维度建模 *

8.优缺点-各自优势 （这里可以扩展很多，列存储和行存储，指令的向量化优化，AP提前聚合宽边来构建指标，TP范式拆分来支持快速修改）

四面：HRBP

问对小红书的了解，优缺点