来写写两个多月前的过期面经。1. 实习经历深挖。2. 优化代码逻辑、解决数据倾斜的优化思路。3. Spark 中 Stage 如何划分？依据是什么？4. Spark 的容错机制如何实现？未到达 Checkpoint 时失败会怎样？5. 广播变量（Broadcast）的传输机制是什么？如何处理大文件广播导致的网络压力？6. Spark 和 Flink 的核心区别是什么？适用场景有哪些？7. Flink 的状态管理机制是什么？有哪些状态类型？8.两道算法题+1道SQL题。#数据开发# #软件开发# #大学生实习# #面经#

柠檬微趣数据分析实习生二面有面过这家公司数据分析实习生的uu吗？他们家到底想要什么人才，二面让自己埋点，自己建立需要的表，查一款游戏的升级节奏，全程纯口述，没有具体的表啥的给你。我先说了一个建立子表的思路，面试官觉得太复杂了，说一个查询就能做到，随后用了一个窗口函数的查询进行优化，被说有问题（确实，我自己的问题：求均值用的mean（）over（），但不知道是不是这个点的问题。 哈哈哈哈哈）。面完相似了#面经# 数据分析师 #找实习# 数据库 #sql 

实习期间做了什么工作数据库分表怎么保证数据一致性怎么验证系统对业务的提升结果进程和线程的区别进程间的通信方式linux里怎么对日志文件进行关键词过滤查找| 是什么意思键入网址到网页显示，期间发生了什么在键入网址到网页显示的过程中，有哪些环节可以进行负载均衡。手撕实现atoi()，将字符串转为整数。

1.自我介绍2.实习项目细节3.场景题4.换另一个面试官继续问反问京东科技部门，整体面试时间基本刚刚30min左右，有点奇怪，感觉披皮面偏算法的数据挖掘类，一直在围绕数据打标签这些来说，问我sql的场景题是说一张hive表只有一个字段id，怎么对他打序号标签，我回答用rownumber这类函数，他说在数据量小的时候可行，但是我现在假设有30亿条数据，你能想到什么办法后面换了个面试官问我的也是机器学习怎么做预测，之前实习里调了哪些参数（简历有写），然后问我类似的标签场景题

#面试问题记录# 面试蚂蚁金服到了技术3面，但没有hr面了问题如下；1项目介绍一下2 干的数据开发技术组件和模型以及数据治理说一下3离线数仓怎么确保任务及时性，任务产生了dqc告警怎么解决4 干财务工作模型该怎么设计5数据治理该怎么治理，比如模型治理，运行效率，和任务合理性以及跨层很多问题6 实时任务一旦延迟该怎么快速解决延迟，如何确保数据不重复，不丢数据，如何知道延迟7flink任务优化可以从哪些方面入手，对于效率问题该怎么操作8kafka分区和写入该怎么设计，怎么能确保下游消费数据不延迟，不丢数据9 实时数仓如何做到指标实时，并且数据不会算错，10对于olap引擎知道哪一些，哪个更好，后续推荐用哪一款来批流一体#牛客AI配图神器#

java的基本数据类型和包装类的默认值是什么java中传参数是传递的值还是引用java的集合有哪些，怎么实现的，使用过程中要注意什么java的集合是不是线程安全的ConcurrentHashmap的数据结构是什么JVM的内存区域是怎么划分的垃圾回收是回收哪一部分JVM的垃圾回收机制JVM的参数有哪些JVM的堆内存满了要怎么调整JVM的分析工具有哪些rocketmq和kafka的区别举一个用到rocketmq的场景怎么解决消息堆积、消息丢失，消费者消费能力不足的问题Redis的数据结构有哪些，使用过程中要注意什么什么情况下会用到Redis乐观锁怎么解决超卖问题怎么模拟的高并发怎么判断产生了超卖g...

1.自我介绍2.你的工作中间是开发工程师，为什么投递数据分析岗位3.你平时在工作中间流程是什么，具体做了什么4.简历中信贷流程 第一步到第二步转化率低怎么分析5.某一天步骤1突然转化率低怎么分析6.平时工作中数仓有几层，每层怎么建表的7.有什么需要反问的#工作中，努力重要还是选择重要？#

#面试经验谈# 1 在介绍数仓模型时大概分下面介绍数仓分层有哪些层，每一层的作用和构建原理，有哪些数据域和主题，对于域和主题是怎么划分的，数仓命名规范怎么定的，ads层主要是怎么设计的，数据怎么对外运用，数仓不能跨层依赖，dwd必须要有ods的所有字段，不能聚合操作，dws一般都是轻度聚合，比如用户和订单的聚合，ads通常不能直接来源dwd，只能从dim和dws来，dim层快照和非快照的区分2 实时任务如何做到不延迟我认为该这样答，首先确保source端消费能及时消费，要评估一下数据的QPS，然后中间计算阶段并行度要够，在规定时间需要计算完成，最后sink阶段需要及时落表，还有就是任务失败要从checkpoint拉起任务，并且消费kafka的偏移量要从最新的地方拉起，防止重复消费导致延迟，

📍面试公司：北京水滴科技集团有限公司💻面试岗位：HR数据分析（校招）❓面试问题：2025/5/6，30mins，线上一面，没过。注意面试的表情管理1、自我介绍2、上一份工作的离职原因3、考公考研的想法（客观说辞。不要说不喜欢，太主观容易陷入被动）4、不太喜欢体制内的点是什么？5、在社保中心见习的经历，打消了你继续考公考编的心是吗？6、实习的行业和岗位跟本科专业不相关，你在选择实习的过程中有哪些考虑？7、那你经过这些实习，对自己未来3到5年的短期职业规划是怎样的，对想要发展的行业有什么考量？8、经过大学4年和实习，对本专业是更有好奇心，还是不一定要从事本专业相关的工作？9、纯数据分析吗？还是...

4.7 一面面试官没开摄像头，听声音比较年轻首先自我介绍LSMKV：详细介绍当时介绍的不好，因为没有准备，已经忘光了，介绍得没什么逻辑提问垃圾回收：因为介绍的时候没有讲，但是简历里面有写，我直接回答忘了提问布隆过滤器 它是绝对准确的吗？不是，假阳性；时间复杂度？哈希函数越多越好吗？ 太多了太少了都会让假阳性率上升C++八股面向对象是什么？析构函数？虚函数是什么？未初始化的已定义变量默认值？类型转换？回答了static_cast等，但是进一步问细节就不知道了（不知道具体的细节）指针和引用的区别？析构函数执行顺序？智能指针？unique_ptrshared_ptrweak_ptr 并详细介绍，照着...

#面试问题记录# 1 介绍一下你做的数仓工作2 数仓模型怎么设计的，用到了哪些技术3 如何做到数据不延迟，数据准确4 你觉得一个好的数仓该怎么设计5 flink和spark的区别，spark的宽窄依赖，flink的3种窗口和并行度怎么算6 卡夫卡分区该怎么控制，如何监控一个实时任务是否延迟，怎么确保数据计算是准的7 经典面试题，用户的开会时长和用户的职级判断8 目前数据湖和数仓哪个用的广，平时有接触到湖仓吗，用的哪些技术，比如hudi,paimon等等，这些技术组件哪个更好，有哪些优缺点

#数据人的面试交流地##实习进度记录##数据人的面试交流地#作业帮时间是随机的，今天下午测的。作业帮是10道选择题加2到算法题：选择题：考了数据结构排序二叉树，linux命令：awk '$NF' test 这里的test是一个有多行数据的文件，这命令是输出该文件末行的内容。还考了mapreduce优化数据倾斜的办法这里我好像选错了有两个选项一个是把count(distinct ) 替换为sum()group by 还有是将小文件先保存到内存中这两个好像是对的都可以优化数据倾斜此问题。还考了Flink的一些特性不过我还没学过flink，还考了kafka的高性能和低性能的一些问题，这我也是一脸懵。还考了六个盘的汉洛塔要移动几次才通过。然后是算法题，第一个是简单的二分查找，不过我只通过了94%，后面看估计是我对左右指针移动还是有点问题。第二个是leetcode32题，最长有效括号，可惜了我两个月前还写过但是还是没写对，只通过了63%。也不知道能不能过。阅文（寄了，以为是8.30考没想到是8.30结束结果只写了20分钟）：这好像是前面是单选题，中间是不定项，后面是问答题单选题：考了hive内置函数，考了hive与spark的对比，hadoop节点默认备份是多少~（还考了斗破苍穹的主角是谁虽然我没看过印像中好像叫萧炎）不定项：有mysql中delete，drop和truncate这三者的区别特点（我对truncate完全没印象），还考了flink的一些知识。问答题：第一个是mapredce工作流程这个还好，第二个是如何解决spark数据倾斜的方法。这里时间不够了我一点没写，也没多少印象。这里我现在写一下加深点印象1.可以增加随机前缀或后缀：来打散数据分布，在后继计算中去除前后缀从而负载均衡2.广播小表，如果是原因是小表与大表join可以将小表广播到每个节点，避免产生数据倾斜。3.salting方法：为倾斜数据填加盐值，打散倾斜数据4.分区策略调整：通过自定义分区器或者合理选择内置分区器来均匀分布数据5.增大并行度：针对只有少量数据造成的倾斜任务，增加并行度可以更快地处理这些小任务6.数据预处理：合并一些小文件，fliter操作等第三四个就是写sql语句，第三个挺简单的就是第四题来不及看了。ok就是这些了，预祝大家都能找到自己想要的工作实现，我还是继续去沉淀去了，这一个月也不知道自己在忙些啥好像就是一直在刷算法题和sql题，八股都没怎么看，对组件的掌握还是太浅了。#实习##数据开发工程师实习##暑期实习加油##牛客AI配图神器#

>岗位不对。权当是涨经验吧。经验+3>这是偏“数据分析”“数据挖掘”的岗位，问了不少机器学习、统计学的相关知识，而我都忘掉了。没有提问数仓、Hadoop这类技术栈的知识。速览问题：1. 自我介绍。2. 介绍第一个项目。3. 介绍项目中数据分析的方法与细节，什么是逻辑回归。4. 有了解什么是逻辑回归吗？5. 讲一下第二个项目。6. 讲一下什么是主成分分析。7. 给你一个数据集里面有一个32维的特征，怎么把它降到8维？8. PCA怎么做的，它的一个步骤大致描述一下，讲一下原理。9. 线性回归知道吗？10. 线性回归的参数怎么算的？11. 什么是多重共线性，如何解决？12. 如果数据中特...

#面试问题记录# 下面是我3轮技术面问的问题1 Hadoop包含哪些组件，分别介绍一下2 你眼中的大数据该干的活都有哪些3 数据延迟该怎么解决4 数仓模型设计流程，数据域，主题怎么划分，数据如何确保一定一致，如果数据出现丢失该怎么解决5 实时计算消费卡夫卡延迟该怎么处理，并行度和自愿该怎么分配可以做到不浪费也不会影响任务的产出6 你觉得自己在数据开发方面有哪些优点，平时是怎么表示出来的7你为什么要离职来阿里#牛客AI配图神器#

自我介绍数仓项目遇到的难点ods层数据采集流程假如业务这边有一张表，它的数据会发生变化，你会怎么做?(这里我不太理解面试官想要问什么)dwd层做的什么事(这里我答的是dwd层主要就是对接业务需求，根据业务需求建立对应的事实表，然后面试官让我说下具体做了哪些事,说是数据清洗方面的)DAU了解吗?(没听过)数仓分层的作用？一道sql，给你一张用户登陆表，求连续登录用户反问公司主要业务答的怎么样

一面 忘录屏了，就是一些简单八股1. 热点数据是如何划分的？2. 全量存Redis，考虑过容量、数据一致性问题吗？3. 如果系统持续扩展，缓存框架怎么优化？4. Redis集群如果有个节点宕机了，锁无法释放怎么办？5. 分布式锁的500QPS怎么做的，怎么确定他的准确性6. 分库分表的分片策略怎么确定的7. MySQL的脏读、不可重复读怎么去避免？8. kafka在订单创建和解耦中是如何实现的？9. 下单里有没有事务保证机制？10. 如何解决超卖问题，详细介绍一下11. **退票怎么保证库存更新的？**12. 消息怎么避免重复消费的？13. 怎么保证消息不丢失？14. 怎么去定位性能问题？15. 系统瓶颈怎么定位？例如一个商品展示消耗500ms，而其他产品只消耗了300ms16. 流程：后续业务老板面、hr面；部门业务：大屏端（车载、电视）的内容分发#牛客AI配图神器#

一面-60分钟实习1. 分片上传业务流程2. 秒传如何实现3. 文件唯一id如何生成，如果冲突呢？4. 断点续传。下一次从哪里开始5. openapi是做什么的。有限流吗？6. sql过滤条件添加。ThreadLocal问题。线程池使用ThreadLocal问题。复杂sql拼接有问题吗？技术1. 项目里面哪些设计比较好2. 缓存击穿、穿透3. 平时如何使用锁。使用场景是什么4. cas是什么。如果冲突次数很多对性能会有影响吗5. 索引。索引失效。注意事项，为什么不能随便使用索引？页分裂、页合并6. springboot中的常用注解7. @bean注解？如何使用？是线程安全的吗8. 单例模式9. 消息队列。如何保证消息不丢失？幂等策略如何设计考量？消息重试算法先给了个图的题目，判断有向无环图，不会，换题了大数相加面试官很好，可惜自己太垃圾了。敲代码低头，似乎被面试官怀疑作弊，当时也没有解释，后续投的字节全挂，可能被判定作弊拉黑了，估计这辈子都没机会进字节了#牛客AI配图神器#

基本聊天 说了实习就是一道sql了

愈发意识到自己的不足，每次的面试官都是老师，给我批评鼓励和指点，非常感谢。30min迅速结束，两道简单的SQL（奈何手生了，脑热了，没做出）。狠狠刷题狠狠背八股问题速览：1.自我介绍2.为什么选择数据开发？3.有无实习经历？4.学习的方式（是通过什么渠道学习的）？5.SQL题目做过没有？（开始手撕，两道题目）6.你会参加这次秋招吗？心仪的公司讲一下？7.对Spark掌握怎么样？8.Spark有什么理解，比如RDD？数据倾斜？9.可以给我介绍一下你学习到的数仓是个什么吗？10.主题的划分依据是啥？11.主题的概念是什么？12.简历写到星型和雪花型模型，这两种有什么区别？13.比如...