面试官说理解校招生不理解引擎相关知识点，主要提问项目。即使我的项目很水很简单，也一直在提问与项目技术栈相关的知识点。还有手撕代码。最后好像问了几个spark、数据倾斜的简单八股。

1、自我介绍2、询问实习——》感觉讲的时间长了，讲了5分钟。中间没给面试官反问，且逻辑较混乱3、项目的技术栈4、讲一下Spark的sql执行流程5、宽窄依赖怎么理解的？6、有一条SparkSQL执行很慢，你会怎么排查。7、你如果要看OOM的话，有没有接触过相关的工具，你平常查看线程的工具用过吗？8、Doris用的什么表的模型9、Hive你了解怎么样？你简单说一下他的调优机制10、mapjoin涉及大小表的划分，那小表的划分按什么依据来的，会不会有优化器觉得是小表，但实际是大表的情况。11、一般来说Reduce个数一般怎么计算的？反问：1、是不是驻场开发（被先前的好几家外包整烦了，但不太应该在这里问的）——>不是，给客户提供大数据平台的，做大数据平台上的OLAP引擎开发的，如StarRocks。

徕以为.目前所在地在哪?现在有课程安排?2.面试官介绍面试的流程3.自我介绍。4.sql题(口述回答):要取年至今所有用户的首次及末次下单时间。5.如果在此基础上，还要求出首次及未次下单时间对应的订单id、商品id等，应该如何处理?6.了解row_number吗?7.介绍一下实习公司的业务/产品?8.讲一下你做过的任何一个优化案例?9.有其它关于计算资源、存储的具体优化案例吗?10.介绍-下spark问题定位的流程?11.介绍一下项目涉及的核心指标?12.项目中部分指标是怎么做的(计算逻辑)?13.有没有考虑过为啥要做这些指标?14.有接触过实时项目吗?15.为什么要数仓分层?16.维度建模有哪些模型?17.有了解过大模型吗?有做过算法题吗?18.sql题:求出所有成绩均大于80分的学生姓名?19.讲解一下代码的思路?你写的代码可以如何优化?20.知道distinct和group by的区别吗?21.什么时候能到岗?能实习多久?22.反问环节。

1.实习介绍2.介绍-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

1.挑一个项目介绍2.了解实习经历3.针对实习项目，问数据层次怎么分层4.数据分层的作用5.针对具体实习项目，说明业务逻辑6.说明实习项目的“订单量”这个指标从源头到产出的 ETL过程7.针对实习项目，复盘后最大的难点是什么8.复盘之后有什么收获9.你刚才说复盘收获是处理小文件，那么spark怎么处理小文件的？10.处理小文件有哪些方法，举例子11.hive冷热分离的方法12.你刚才提到了组里有做ec存储，你了解ec存储吗13.暑期实习有什么感受，转正了吗14.了解spark的semi join吗，他是干嘛的15.了解spark的AQE，这是什么16.你刚才讲AQE提到了广播机制，这个在spark中很重要，讲讲广播过程呢17.了解网络吗?讲讲三次握手和四次握手区别。18.了解数据结构吗?讲讲O(nlog n)的不稳定排序算法Q1.求开方:给定排序算法。num=5.79, error=1e-8，求x使得abs(x^2-num)

一面（2025-4-27）：视频做题：1、在一个用户访问量激增的网站中，页面加载速度明显下降。采取哪些措施优化2、凸包算法问题3、OOM线上排查二面（2025-5-07）：自我介绍常规八股mysql与redis实习项目与个人项目AI接口调用消息中间件的使用反问：公司业务与技术栈，研发人员情况三面（2025-5-09）：自我介绍职业发展与规划对银行业务了解多少对AI的看法日常AI的使用薪资要求毕业之前能不能来实习能不能接受加班（以上凭记忆与笔记回忆）通过（薪资还可以不过没去）

深圳桑椹汽配科技有限公司的 软件工程类（深圳）岗位，这个岗位应该是偏大数据方向的，面试时间25分钟左右，面试官人好好，可惜自己好菜呀面试环节：1. 自我介绍2. 说一下实习3. 实习最大收获是什么4. sql熟悉程度5. 2张表，员工表和部门表，如何查询所有员工和对应的部门6. 员工表如果有工资字段，如何查询每个部门工资最高的员工7. 你学java，为什么考虑这个大数据开发岗位8. 你觉得大数据开发，需要什么技能与品质9. 你提到说自驱力，能举一个具体例子吗10. 你对大数据开发岗位，用到哪些框架有了解吗11. 你认为大数据开发和java后端开发，区别在哪12. 数据处理流程是怎么样的13. 在学校有参加社团或者其他组织吗14. 参加过什么比较大型的活动或者竞赛吗15. 比赛中如何分工，怎么达到目标16. 遇到分歧如何解决17. 给自己的数据能力打个分，1-10分，你觉得自己能得到多少分18. 得分点是什么，扣分点是什么19. 你觉得你未来如何帮助自己解决不足之处反问环节：业务，工作内容，然后面试官非常详细地说了一下，真的很好，非常感谢第二个问题，我个人表现如何

1.挑一个项目介绍2.了解实习经历3.针对实习项目，问数据层次怎么分层4.数据分层的作用5.针对具体实习项目，说明业务逻辑6.说明实习项目的“订单量"这个指标从源头到产出的 ETL过程7.针对实习项目，复盘后最大的难点是什么8.复盘之后有什么收获9.你刚才说复盘收获是处理小文件，那么spark怎么处理小文件的?10.处理小文件有哪些方法，举例子11.hive冷热分离的方法12.你刚才提到了组里有做ec存储，你了解ec存储吗13.暑期实习有什么感受，转正了吗14.了解spark的semi join吗，他是干嘛的15.了解spark的AQE，这是什么16.你刚才讲AQE提到了广播机制，这个在spark中很重要，讲讲广播过程呢17.了解网络吗?讲讲三次握手和四次握手区别。18.了解数据结构吗?讲讲0(nlog n)的不稳定排序算法Q1.求开方:给定排序算法。num=5.79，error=1e-8，求x使得abs(x^2-num)

五人一组，七面试官，轮流简历提问，无非技术问题1. 1-2分钟自我介绍2. 大数据相关擅长技术？数据开发相关3. 大数据组件了解多少？ 了解一些底层原理4. mapreduce过程？ 开始吟唱5. mapreduce比spark差在哪？6. 数据库or调优？7. rownumber作用，与rank区别？

1.自我介绍2.threadLocal是什么，在项目中是怎么用的3.你刚才说到弱引用，那弱引用和非弱引用有什么区别4.jvm中堆和栈各自有什么作用5.比如说我在一个 java 编写的函数，在函数内哪些写法会是分配到那个栈上面，哪些写法的数据会分配到堆6.给了两个例子，让判断是分配在堆上还是栈上7.刚才说到逃逸分析，逃逸分析是个什么技术，他的目的是什么8.问实习9.解释一下乐观锁和悲观锁，它们的核心的差异点在什么10.使用那个乐观锁防超卖？那我想问一下你的技术方案是怎么样的？11.简单的去讲一讲，乐观锁的sql你是怎么实现的，敲在公屏里12.sql题目13.你是人工智能专业，为什么想从事java后端工作，背后的逻辑是什么14.人工智能和传统应用开发，你有什么看法15学校里有没有做过人工智能相关的项目16.（扯到车道识别这项目）那你刚才这里比如车道识别的话，它主要的在现实中要解决问题是什么？17.针对一个没有做过的方向的事情，你是如何去进行学习的？你是如何学习一些新技术的，这些如何去学习的18.反问实习生工作内容大数据相关项目，涉及sql语句编写

第二场面试，但面的莫名其妙的。11.13于ssob投递，当时投递的是虾皮后端开发岗，hr接收了简历后提议给我转投数据开发岗（并提到此部门做的也偏后端）。当时没多想就同意了，并约到了11.18进行面试。当时电话对面的人语气似乎很急切，一直问下月初前能否到岗。 但昨天下午开始面的时候我就傻眼了，面试官一上来就和我提到，实习岗位和我的简历技术栈不匹配，他这边主要是招收大数据开发的（写SQL）。接下来对着简历问了一些八股就匆匆结束了，前后总共二十分钟，甚至算法题都没问。 这次面试过程没17号晚上面快手那场那么紧张了，精神状态好了不少，看来还是得多面，能面一场是赚一场，越面越从容。顺道问一下各位牛友，虾...

双非硕，我太菜了，回答的不太好，20分钟草草结束1、介绍我的实习、做过的项目2、hive的两个服务3、namenode的高可用4、索引的数据结构、索引失效的原因5、java常用的数据结构6、hive sql过程优化7、hive sql转化为任务的过程8、hive有哪些执行引擎就记得这些了，基本只问八股，项目、实习都没咋问

1. 介绍实习做了什么？ 部署项目的过程2. xxl-job执行器怎么使用？ 写了哪些注解？  多个同名的jobhandler管理中心怎么识别？3. 队列元素怎么去重4. 慢查询流程5. 表(id,name,age,score) 想根据age查询name。  原sql： select * from table where age = xx.   分析性能，以及如何优化。6. 平常使用lambda，stream多吗？  介绍一下用法7. 联合索引条件先后顺序重要吗？8. 项目接口防刷，幂等性介绍10. mongodb数据量很大，这个数据我们可能想要丢弃一部分，丢弃之前的我要丢弃每次我都要丢弃一年前的数据，你有什么好的办法吗。11. kafka，rabbitmq如果要监听多个topic，要写多个监听器吗？

1、自我介绍2、你对数仓的了解3、数仓每层的用处是什么4、怎么分事实和维度5、用户订单表（交易表），设计一个ETL流程将其转换成用户的每日消费汇总表，怎么设计6、假如有一张表里头有两个一模一样的重复数据，如何去掉重复数据？7、如果有一个ETL任务运行缓慢，如何优化？——看物理执行计划，数据倾斜，索引，当时是否有别的任务抢资源，（面试官：没其他的了？）8、ETL任务过程中的数据发散问题9、你对你的职业生涯有什么规划？10、加班会比较严重，你觉得你通过加班能得到什么，获得什么？11、刚毕业的大学生经验不足，你觉得你能用什么样的方式去快速获得这些经验？（觉得我的规划不够突出）12、谈谈你对公司的了解和对未来的期望

1.对 Hadoop 各组件之间通信所使用的 RPC协议的具体内容2.Hadoop 中读数据的完整流程(包括客户端发起请求、与 NameNode 交互、与 DataNode交互等各环节)3.在数据传输过程中，若 DataNode 突然挂掉，Hadoop 系统会如何处理(包括任务重试、数据副本恢复等机制)4.HBase 源码的核心模块、关键类及底层实现窪捞轶货嶍瑛冶辑(如数据存储、读写流程等相关源码细节)5.在 HBase 中构建二级索引时，通过何种方式或机制保证索引数据与原始数据的一致性(如事务控制、同步更新策略等6.JVM 的具体架构(包括程序计数器、方法区虚拟机栈、本地方法栈、堆等组成部分);堆内存的划分的原理及适用场景;以及平时实际工作中是否会调整GC算法调整的依据是什么7.JVM 参数中，-Xms(初始堆大小)和-Xmx(最大堆大小)仅设置其中一个，与同时设置两个且值相同的情况下，对 JVM 运行产生的具体区别8.如何通过命令或工具查看当前 Java 进程中内存各代(新生代的 Eden 区、Survivor区，老年代等)的内存占比情况9.用于查看 Java 进程中线程堆栈信息的具体命令(如 jstack 等)及使用方法10.如何查看 Java 进程中某个对象的具体大小包括对象本身及引用的对象所占用的内存)，可使用的命令或工具及操作步骤11.排查堆内存泄露的方法，除了将堆内存Dump 出来用MAT(Memory AnalyzerTO01)分析之外，还有哪些更简单直接的排查方式

1.项目介绍2.实习内容询问，角度有点偏，感觉面试官不是很懂java3.有无MySQL索引优化经验，说了实习的一段经历4.https的过程，中间对我所说的非对称加密构建会话秘钥不理解5.有无接触过java大数据开发，说无，因为之前介绍过实习做的doris业务，被面试官指正6000万级的数据量并不大6.介绍下过往设计模式的运用，解决什么问题的7.手撕，“我们来做个java题目吧”8 .反问环节，此时才面了30分钟出头

一面时间10.29面试了50min，但面试过程中网络经常出问题1、自我介绍2、你觉得大数据专业和计算机科学等专业有啥差异？3、你觉得哪门你的印象比较深刻、对你的影响比较大？4、你觉得大数据和传统数据库的主要区别在哪？5、你觉得事务是什么意思？举个例子6、你觉得整个事务是单纯数据库就可以完成的吗？7、事务能够解决怎样的问题？为啥需要事务——》什么情况下会出现幻读、脏读——》为什么大家不能一个一个读呢？——》并发8、大数据中有并发这种东西吗——》（有时候解决一个问题是靠技术解决，有时是靠一个规范，有的是使用模式）——》数仓怎么解决这个问题？——》（面试官）从技术层面上来讲早期HDFS是有这个问题的，并行写是有问题的，但这个问题是可以忍受的,一是因为不太用的到并发，实际数仓建设中一个表里在一定时间基本只有一个东西在往里写（delete,insert），二是因为出了点问题是可以接受的，早期谷歌大数据搜索，现在记录日志，很少有数仓一边写一边读9、大数据在分布式上的作用是啥，从存储、计算的层面来讲哪些比较有特点——》你觉得100台1G的服务器比较贵还是1台100G的服务器比较贵——》（面试官）100台服务器一直都是比较贵，电力、散热等，但不怎么容易坏——》Yarn解决的啥问题——》啥是计算资源——》讲讲Spark的计算这块介绍一下10、场景：你到现场，没有任何数据平台，给一份文件（数据量极大，以京东白条这种为例），第一列是时间，第二列是用户人名，第三列是消费金额，我现在要做个排序，找出单日消费前10的人，服务器上性能较一般，但啥语言工具都有，你会怎么解决？——》你觉得并行和并发有什么区别——》（面试官）一个大数据任务本质上处理方法是一样的，无非节点多就并行做，节点少就串行做，节点不多不少就整体并行，每个并行里是串行。11、聊聊你的离线数仓——》为什么企业要建数仓？——》数仓分层的依据——》ODS的中文是啥（回答错了）——》如果ODS和数仓只能留一个，你准备留哪个？（回答错，实际是保留ODS）——》你既然回答的理直气壮，那你觉得ODS为什么还留着，为什么没被干掉？（面试官跳过了）12、你觉得数仓几个层要被干掉一个，你觉得哪个层要被合并——》DWS（？）13、你对维度建模理论有了解吗？——》你觉得维度建模理论提出是为了解决啥问题，为什么要搞维度表，事实表，为什么不搞个宽表，2、300个字段堆那？——》你觉得实际工作中宽表用的多不多——》（面试官原话）所以你觉得维度建模理论是扯淡吗（笑）——》你觉得谁喜欢宽表？——》（面试官）政府部门的人相当喜欢宽表，实际工作环境中，不查数据，一般都是要求下载为excel，他只关心本部门的数据，那个数据没有那么多，他也不会写SQL，就要求你整到一起下载到excel让他去操作。（面试官）为什么这些理论和实际差别很大呢——》早期数仓很贵ODS最大的价值——》万一领导马上就要数据，数仓来不及跑，可以直接从ODS拿，像泄洪闸一样的方便的东西，另外一般参与ODS建设的人的资历比较老，ODS可以减小，但不能被干掉。面试官建议：你的逻辑能力、学习能力都不错，再找个方向去积累，数仓有些没那么牛，但可以做很久。

1.目前所在地在哪?现在有课程安排?2.面试官介绍面试的流程。3.自我介绍。4.sq1题(口述回答):要取年至今所有用户的首次及未次下单时间。5.如果在此基础上，还要求出首次及未次下单时间对应的订单 id、商品id等，应该如何处理?6.了解row_number吗?7.介绍一下实习公司的业务/产品?8.讲一下你做过的任何一个优化案例?9.有其它关于计算资源、存储的具体优化案例吗?10.介绍-下spark问题定位的流程?11.介绍一下项目涉及的核心指标?12.项目中部分指标是怎么做的(计算逻辑)?13.有没有考虑过为啥要做这些指标?14.有接触过实时项目吗?15.为什么要数仓分层?16.维度建模有哪些模型?17.有了解过大模型吗?有做过算法题吗?18.sq1题:求出所有成绩均大于80分的学生姓名?19.讲解一下代码的思路?你写的代码可以如何优化20.知道distinct和group by的区别吗?21.什么时候能到岗?22.反问环节。

1.WordCount 具体是怎么跑的?比如怎么分片、map 阶段做了啥、shuffle 是咋回事、reduce 最后怎么汇总的2.MapReduce和Spark 到底差在哪儿?适用场景这些都得对比着说3.Spark 提交任务时，Client模式和集群模式有啥不一样?比如 Driver 在哪跑、日志在陖瞎圈看、适合啥场景4.同一条 SQL，为啥 SparkSQL 跑起来比HiveSQL 快?得从执行引擎、优化器这些底层说说原因5.自定义 UDF 怎么实现?比如在 Hive 或Spark 里，具体步骤是啥，有没有踩过坑6.设计 HBase 表得注意啥?rowkey 怎么设计才合理、列族要不要分、版本数怎么设，这些睪腘狐旨を曽斷纰可能问到7.HBase 里的 HLog 是干嘛的?跟数据持久化、故障恢复有关系吗8.都是存在 HDFS 上的数据，为啥 HBase 能支持在线实时查询，Hive 就不行?底层存储结构不一样在哪9.用 SparkSQL 操作 Hive 数据时，有没有縈区堠浓ゴ壮攥到过兼容性问题?比如某些函数不支持、数据格式读不对之类的，怎么解决的10.Spark Streaming、Storm、Flink 这几个流处理框架，区别在哪?各自的优缺点和适用场景得搞明白场景题:11.数据量特别大，要用三个 Map 和一个Reduce 来做 Top10，哪种方法效率最高?得考虑怎么减少数据传输、避免倾斜