11.10：面的数仓方向，面试官是做指标层和应用层的，所以问了很多相关内容，无组件八股，全部集中于对数仓各项内容的理解和应用，压力蛮大的，感觉凉凉了评价：需要系统理解一下onedata体系，加强基础理论

我们组之前有个号称“资深测试工程师"，但他的操作我真是看一次震一次。有次版本，只需要他在数据库里加一行查表语句。研发为了怕他搞错，手把手给他发了三遍：第一次：完整 SQL第二次：截图 + 红框标注第三次：直接复制粘贴版，连空格都整理好了结果他硬是说：“我没看到，你再发我一次。”研发当场沉默三秒。然后更离谱的是：测试确认环节他直接眼睛验收，不跑用例、不验证逻辑、不校验数据，嘴里念一句“应该没问题了吧”，然后 直接提单上线。上线后出问题了，他的第一反应不是排查，不是复现，不是定位，是直接甩锅。永远第一时间甩锅，姿势熟练，速度飞快。就像整个项目里，他唯一稳定输出的就是 甩锅链路闭环。更好笑的是，这人还喜欢在会上讲：“我们要保证质量，流程要严格。”

大模型算法岗，实际上是大模型应用开发，薪酬偏低，六险一金，12%公积金。要等春招吗，现在在恶补后端开发的八股（有一定开发经验及基础不过忘得差不多了），想找后端+ai的岗位，之前一直找智能体开发的岗位，这个岗位要不工资偏低，要不就过不了简历。而且对比我其他面试的公司，这个亿迅的工资和待遇越看越高，周围人也没有offer，也没有师兄可以参考。

1.mapreduce执行流程2.hdfs如何保证数据一致性3.flink和kafka如何保证数据的一致性4.flink的checkpoint里的barrier对齐和非对齐分别如何实现exactly-once；非对齐实现需要怎么做？5.kafka如何保证数据一致性6.spark和mr的shuffle有哪些区别7.spark的内存参数一般怎么调整；一般集群的spark内存参数会在什么样的一个级别？8.数仓分层，每一层有什么作用？具体的全链路流程是什么样的？9.维表应该如何进行设计？10.用户画像如何搭建？11.然后是一些数据结构的考察。12.然后是两道sparksql题，不难。其中一个是考察数据构造，需要对sparksql有较深的使用了解。