美团一面凉经（数据开放方向）

9月30日更新:发意向书了-----时间线：9.5一面    9.12二面部门：核心本地商业-基础平台研发目前官网状态还卡在业务复试，base地面试的时候说的只接受上海，上海是没有HC了吗？还是说在横向排序？有没有牛油遇到和我类似的情况😂

1 自我介绍，让挑一个项目介绍2 策略模式、工厂模式、模板方法模式。优势和本质区别？不是问他们的写法区别，而是他们的本质区别，工厂模式也可以实现策略模板方法模式也能实现策略，为什么会有单独的策略模式？3 DDD的优势，DDD的劣势，领域是怎么划分的？有没有看过别人的交易系统的领域是怎么划分的？4 充血模型和贫血模型？他们谁对谁错，应用的区别？5 redis持久化怎么使用？aof和rdb介绍一下？Redis集群怎么实现的？哨兵模式怎么实现？怎么选取新的主节点？Redis既然可以持久化，那为什么不用Redis来作为类似于MySQL这些数据库存储固定数据而且是只用来缓存？6 说说G1和CMS区别？哪...

以下是本人在大数据方向的技术栈学习路线，另外还有诸如HBase、Kylin、实时数仓项目、数据湖项目、湖仓一体等。下面列出的是基本所必须掌握的内容。对于项目方面，建议先离线后实时开发的学习，再之后便是数据湖等项目。另外推荐可以经常翻看《大数据之路》这本书，里面涉及到的理论和企业中的白皮书基本一样。平常也可以多翻看各个公司公开分享的技术文章，源码等。类似阿里的学习文档、美团的技术文档等，在没有实际生产经验时可以了解各个场景下技术选型、底层调优、内存调整、资源配置、数据治理等各个重要环节和内容。1、Java：JAVA SE、JVM、JUC（刚开始只需要看Java基础就可以了，不需要学习一些web框架，因为不管是源码二次开发，UDF开发，还是数仓都不需要用到这些框架（除了平台开发之外），像Spring这些web框架，在学习完所有的大数据框架之后，找工作之前如果还有时间，可以去学一学这些框架【加分项】）2、Linux+Shell3、Git、Maven（了解会用，有印象，如果需要使用能快速学习上手使用即可）4、Hadoop（HDFS，MapReduce，Yarn）5、Zookeeper6、Hadoop高可用（了解即可）7、Hive（重点，需要熟练了解原理，并且会写HQL，以及一些优化，是基础）8、Spark（大部分公司都是写SparkSQL，并且调优，需要明白底层原理，内存结构，SparkUI等）9、Flume10、Kafka（时间紧张的话，可以先放一放，和Flink一起学，kafka+Flink+Spark是处理实时数据的）11、Maxwell、DataX、Dolphinscheduler（项目中数据同步、模拟日常调度工作）12、sgg电商数仓x.0（跟着做完这个项目，就知道什么是数仓，什么是维度模型，什么是指标等等，以及生产中一些内容）13、Flink14、MPP架构（类似Doris、Clickhouse）15、实时数仓项目16、数据治理17、数据湖、湖仓一体18、刷算法、刷sql、刷场景题

一面1. 你项目中Prometheus搭建的监控系统日志是用什么存储的2. 你实习中提到的数据事务一致性，是怎么做的3. 你对分布式事务有什么了解4. 你用redis队列，为什么不用rabbitmq、kafka还有其他一些消息队列，他们有什么优缺点，你是怎么考虑选型的5. Java中Arraylist和LinkedList的区别6. 他们访问和增加、删除一个元素的时间复杂度分别是多少7. HashMap和ConcurrentHashMap是怎么实现的，他们有什么区别8. ConcurrentHashMap达到它的存储容量后，它会怎么做9. mysql主键索引和唯一索引的区别10. 主键索引为什...