9.23-知乎-数仓-凉经

贝壳数开实习4.21再不记录就忘了。一面 40min+项目难点，怎么解决的。数据仓库的定义，分层的好处，维度建模。数据倾斜概念，解决方法。MapReduce过程。一道很简单的sql题。做数据开发需要具备的能力。问的八股挺少的，有很多聊天。二面 40min+疯狂拷打Java知识。怎么判断哪些需要回收，内存回收机制。kafka页缓存，怎么实现的，零拷贝怎么实现的，底层，为什么kafka能用页缓存和零拷贝。Spark为什么比MR快。进程和线程的区别联系，多线程和多进程的优缺点。还有好多不记得了……算法二叉树层序遍历。HR面 15min什么时候开始找实习的，现在面试流程走完的有多少公司；能够实习的时间，用三个关键词形容自己的性格，对工作地点的要求，职业规划，能够到岗时间和实习时间等常见问题。

百度地图组 50min 无算法1.自我介绍2.项目拷打3.项目-项目上线or还是预研4.项目-项目怎么迭代，你是下发任务的，还是合作任务的5.项目-怎么合作任务（主要问接口文档怎么写的）6.项目-spark是什么写的，为什么不用scala7.用过spark什么算子你感觉特别惊艳，其算子源码是怎么写的8.问了一个奇奇怪怪的算子，可能是我没用过，也可能是没听懂他发音（x）9.在一个大型项目中，有很多spark任务，你会让spark任务怎么进行管理，你怎么知道任务执行到什么程度，你怎么控制任务的提交和撤销10.项目-讲讲redis，为什么项目里在持久层和用户间引入一层缓存11.项目-nacos干啥用...

#软件开发2024笔面经# 阿里云数据开发岗位面试公司名称:阿里云面试岗位:大数据开发整个是大数据开发，我以为是数仓开发，结果问的全是Spark问题，被搞自闭了。1，自我介绍2，park中RDD的Task数量由什么决定?3，Spark怎么实现算子中的变量共享?4，Spark共享变量的使用条件?5，可序列化?连接池实例是在算子内还是在算子外?我一开始没想好，先回答了连接池的作业:是为了连接的复用，将可能会用到的连接通道给提前打开，存在大量通信请求场景时，可以用到连接池来优化整个通信过程的效率。我回答是 连接池实例应该在算子外创建和管理，这样算子共享相同的连接池。但面试官说让我好好想想。然后问我如果进行网络连接，是一台电脑连接还是多台连接?应该是在算子内，通常是因为数据不能或不应当在算子之间共享，或者存在连接泄漏的风险。例如，在使用HBase时，连接器必须在算子内实例化连接池中的连接，以确保每个算子在处理数据时都能获得可用的连接。6，习惯用的语言?Scala熟练不?对Scala有什么看法?7，为什么选择Spark来处理数据?因为非结构化的数据多吗?这是3面，整个流程大概花了50分钟，问的问题脉友一场，知无不言

Vivo 泡池子泡死了，大部分同学都在2024-04-03~2024-04-08左右（清明节前后）开了。 2024-04-19收到感谢信。 投递2024-02-27 深度学习算法工程师（AI方向） （线下）一面2024-03-26 30多分钟。基本围绕项目，无八股。把自己项目准备好，感觉还行 自我介绍 介绍项目一与项目三，以及一些衍生问题。 spark单个计算节点计算量很大怎么办？（数据倾斜。。。没考虑过；面试官让随便说一下） 你觉得Transformer为什么能够在nlp一统天下？ 你觉Transformer相对于其他模型最大的优势是什么？ 专硕三年？专硕和学硕的区别？ 实习？ Jav...