27双非acm，小厂实习。简历感觉很怪，但说不上问题在哪，牛友们觉得呢？然后贴数据的话，实习写的东西流量都很小，只用测下正确性，写提升xx%性能这种怕被深入拷打（

1. 自我介绍2. 项目介绍3. 项目中的表的存储格式无感切换是怎么实现的4. Paimon表的merge原理5. Paimon的原理6. LSM的劣势7. Paimon表的Partial Update与Flink的join有什么区别8. 数据库中进行大数据查询的时候，分页查询怎么优化9. 事务的隔离级别有哪几种10. 常用的数据库的隔离级别是什么11. 数据库的主键是什么样子的12. 进程之间是怎么进行通信的13. 操作系统中的用户态和内核态是怎么样的14. URL的http访问全流程15. Paimon表的查询和Clickhouse哪个比较快16. Clickhouse的主键和跳数主键都有的时候，先使用哪一个17. Kafka为什么实时性高18. SQL连续性登陆算法题19. 动态规划两个字符串相同最长子串20. 环形链表二哎，感觉有些可惜，数据库事务和锁还有主键的没有细看，一紧张有些想不起来了，对比了别人的数开面试，感觉问题有奇怪。

隐形歧视最大的还是学历吧，学历是个敲门砖随着越来越卷的时代，就你去招人也肯定是招985 211显得nb，而且现在人这么多根本招不完，学历就是第一道线，虽说学历高不等于能力高，但学历高的人，学习能力肯定都是强一些的。就现在这情况，学历低的除非有特别突出的能力+几段大厂实习+一些高star开源项目才能进去，但这样的人在高学历中都是少之又少，在基数这么大的情况下，还是相当困难的一件事情。而且还有一点，虽说大家很多都知道学了，比如之前跟着黑马学习，那时候找个工作没问题，随着业务的收缩，要求也越来越高，大家都一样学习体系学下的东西都差不多，那还不是学历高的先进去吗对吧。现在AI时代转变的阶段，很多东西都在重塑探索，一天n个新技术，以后可能学历这个因素的占比会大大降低，还是要学会使用AI，了解工程思想，最好还是自己和AI设计一套自己的项目最好，这样竞争力能够大大提升。之前就在想就应该人人都有自己的作品然后去应聘，这样才能看出来大家的实力。但实际上鉴于种种因素吧大部分人的项目都是网上找的，有的还会魔改一下，怎么说运气和实力还是缺一不可。有点乱了就这样吧。

1. 自我介绍2. 用Hive还是Spark,比较了解哪个3. spark问题定位流程，以及解决方法4. 现在有一个任务跑的很慢，你如何去定位5. 介绍一下广播和Shuffle的区别，以及Shuffle为什么会比广播慢？你这里面之前说到的大部分都是在数据传输上，包括涉涉及到一些网络会导致它传数据量大比较慢嘛。6. Shuffle将各个节点的数据传输到另一个节点之后，会做什么操作呢？7. 小文件导致任务运行缓慢，是在Spark读的环节还是哪个环节？8. 用过二级分区吗？用Spark写Hive二级分区时有没有遇到过什么问题？9. flink的滑动窗口，以滑动窗口为例子啊，就是每5分钟统计过去一小时的那个行为流水，100万一分钟的，然后你5分钟去输做这种滑动窗口所计算的时候，怎么去预估它可能会产生多大的输出，以及计算量。10. flink 的就它发完了，它在重写的时候有个问题，我想问一下。它能基于checkpoint，我们可能说是checkpoint来重启嘛。那我数据从kafka里面消费的时候，我们可以某个精确到某一秒的时间点，能回溯对应的数据吗？11. 那有没有哪里有性能问题？换一种更好的方式写的话，你会怎么写？12. 如何优化你写的这两个sql13. 这两段sql在spark里面是如何运行的