面试复盘｜字节提前批 大数据开发 一二三面 已oc

2 计算机基础

操作系统

• 线程和进程的区别
• 什么是死锁、为什么会发生死锁、如何预防死锁
• 进程调度算法有什么

计算机网络

• tcp和udp的区别
• 经典握手问题
• java相关
• string、stringBuffer、stringBuilder的区别
• java容器有什么、哪些是线程安全的
• 如何实现线程安全
• synchronized、lock、volatile的区别（忘记了volatile是啥了）

机器学习

• 什么是过拟合
• 如何防止过拟合

数据库

• 了解数据库的什么引擎（myisam、innodb、kylin、doris）
• 有什么类型的索引（hash索引、b树、b+树、min_max、bitmap、bloom、稀疏索引）
• innodb用什么索引，为什么innodb使用b+树索引
• hash索引的缺点
• b树和b+树的区别

• 了解什么大数据的组件（hive、spark、kafka）
• 如果现在有个hql，是select count(*) from 表，这个是怎么翻译为MR任务的（就解释了一下计算key的方法，map并行执行任务，reduce的一个过程）
• hive有什么简单的优化方法（谓词下推、小表join大表balabala）
• 什么时候会发生数据倾斜
• 如何防止数据倾斜（讲了三四种方法）
• shuffle时会对数据进行排序吗（会，按key排）

反问：

• 介绍一下做过的项目，项目用到的技术，项目最终的效果怎么样
• 介绍一下LSTM
• LSTM相比RNN有什么改进和优势
• word2vec有几种方式
• cbow是怎么生成词向量的、算法描述一下
• 实习主要做什么工作
• 应用层数据开发的时候有接触过什么数据库引擎
• 数据治理的思路是什么样的，为什么会有数据治理的需求，数据治理主要可以解决什么问题

• 我也自我介绍
• 询问了一下实验室的大致情况，实验室的研究方向
• 聊一下自己了解大数据体系的什么组件、知识的来源是什么
• 为什么想从事数据开发的岗位（问就是喜欢、热爱，希望长期从事数据开发的工作）
• 实习单位数仓的一个架构是怎么样的，从各业务系统拉取的数据是经过什么样的一个pipeline，才最终变成了oltp
• 用过字节的产品吗（虽然没有用过，但是感觉说没用过不太好。。。于是说了一下用过抖音，因为面试部门的业务和抖音相关）
• 除了抖音还用过什么内容展示类产品（b站、知乎。。）
• 内容展示类产品获利的点你认为有什么（广告、导流、带货、会员等衍生服务。。）
• 如何去发掘有潜力的创作者（正好前段时间看了一些推荐系统，于是结合推荐策略讲了一些，也不知道对不对。主要提了三点，一是基数人口统计学，如果一个默默无闻的创作者突然有个视频爆火，可能有潜力；二是建立用户画像，有潜力的创作者在行为模式本身特征上可能和爆火的创作者比较相似，三是视频内容、主题等维度上，可能也比较贴合当前火爆的作品）
• 抖音和b站在模式上有什么不一样的地方
• 抖音电商有了解吗，有在上面买过东西吗（没有，没有。。。）
• 第一代电商某宝某东、第二代电商某多多、第三代电商抖音等，在运营模式上有什么不同（主要比较了一些某宝和某多多的策略上的不同，多亏了好早前看过的一些b站视频。。）
• 从哪些途径了解到的这些公司的信息和知识
• 有考虑在实习单位转正吗
• 如果上海有岗位，愿意去上海吗
• 反问：抖音什么时候开始做电商的、抖音电商发展怎么样、抖音盈利的来源有什么