朋友们，不知道你们有没有这种感觉：最近打开技术论坛，满眼都是“大模型”、“Agent”、“AIGC”。而曾经风光无限的“Hadoop”、“Spark”、“数据仓库”，仿佛成了死了。面试时，视频另一边的面试官更关心你懂不懂Prompt工程，会不会调参，而不是你如何处理过PB级的数据。那么，我们这些“旧时代”的遗民，该何去何从？那个属于大数据的、轰轰烈烈的时代，似乎真的过去了。而我，很怀念它。

1.吉利发来录用通知书了，开的有点低，而且网上风评差，听说加班很多，拒了2.饿了么笔试完一个月多，发感谢信了，为啥不先简历筛选再笔试呢哼哼哼，浪费时间3.移动九天发来笔试邀请，网上风评一般，也拒了

1.具体追问了数据倾斜和OOM的问题是如何处理？2.数据治理这一块你做了什么？不要说数据治理分这些3.你是怎么做数据监控的？有哪些方面的监控？你如何具体定位问题去解决？4.你的数据标准是如何制定的？你如何去保证数据的准确性和一致性？5.agent这块是否了解？你实习主要是做什么的？agent的原理和强化学习这些是否有了解过？手撕：接雨水 用了双指针后要求用单调栈

1.自我介绍2.介绍一下spark的内存模型?3.动态内存管理中存储内存和执行内存的区别?4.对堆外内存有了解吗?5.有了解过oom的几种类型吗?6.治理过数据吗?举个具体的优化案例?7.除了提高shuffle并发，还有什么方法能优化?8.平时在公司平台上使用的大数据组件有哪些?9.spark是完全基于内存吗?10.spark的几种join有了解吗?介绍一下?11.sort join和hash join的shuffle区别?12除了join，还有哪些操作会引起shuffle?13.spark shuffle过程中有sort和没有sort的区别?14.熟悉非等值连接吗?15.sql题:求次日、三日、七日留存率。16.如果是日增量的分区表数据量很大，如何进一步处理?16.需要用distinct吗?代码能否优化?17.反问环节。