阿里云数据开发一面，问项目穿插八股，本帖就只记录一下八股部分1.三范式是什么2.Spark RDD和DataFrame的区别3.Spark涉及shuffle的具体算子4.MySQL存储引擎是什么5.MySQL存储的结构是什么，为什么不能用特别长的key6.使用过哪些大数据框架7SQL的窗口函数，什么作用，具体例子8.了解过云计算吗9.springboot会用吗

岗位：软件开发工程师-数据开发方向部门：核心本地商业-基础研发平台技术岗位处女面，运气挺好，没有被问到完全不会的题，感谢团子缓解我的焦虑4.30 一面（60min）1.自我介绍2.介绍项目架构，数据源等3.项目中遇到的难点4.数仓为什么要分层，各层的职能5.讲一下项目中提到的零点漂移问题6.hive结构，7.hive优化8.数据倾斜9.tcp三次握手10.进程和线程的区别，进程的几个状态11.B树和B+树的区别12.数据库ACID13.事务隔离级别14.java垃圾回收机制15.jvm内存结构16.三个排序窗口函数的区别17.算法题 三数之和反问5.7 二面(60min)1.自我介绍2.拷打项目3.数仓各层4.为什么数仓要采用维度建模5.为什么要有ODS层6.介绍DWD层，有哪些表，DWD层的意义7.累积型快照事实表的应用场景8.了解sparkStreaming 和 RDD编程吗9.hive和spark的区别10.以mapreduce为例 讲一下求 topk、求第K个的思路11.进程线程区别，二者开销上的区别12.算法题 IP地址 回溯那题5.9 电话oc

有没有同学也是5.15hr面的，有消息可以相互告诉告诉

项目为sgg经典离线数仓1. 自我介绍2. 项目介绍（难点、亮点）3. 根据难点亮点提问4. 数据域是什么，如何划分数据域，为什么这样划分数据域5. DIM层维度表的设计原则6. DWD层事实表设计要点7. mapreduce shuffle流程8. maptask和reduce task 与哪些因素有关9. 数据热点（数据倾斜）在哪些场景下出现，如何解决10. spark是为了解决mapreduce什么问题设计的11. 手撕sql ，用户关注表有user_id、user_follower_id，求相互关注的用户对(这里想考察的应该是当数据量大的时候，如何不使用join来求相互关注，因为当时场景给定的id是字符abcd，可以考虑使用concat)12. 谓词下推是什么13. 连接条件写在on里和where里有什么区别14. count(1)和 count(*)的区别15. count(1)如果其中有Null值，和count(*)一样吗，为什么16. mapreduce和spark处理distinct去重操作的执行计划以及原理（下去搜了下，面试官想听的应该是mr在执行distinct时会只用到一个reduce造成大量shuffle这个点）17. sparksql调优的方法依赖日志诊断，具体不同情况如何根据日志去调优18. 反问5.10 更新  流程已结束 双非属鼠又一次倒下了