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 15分钟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)<error

1.AI项目:背景、过程、分层、架构、有哪些指标2.AI的召回率和准确率怎么计算3.DWM和DWS的区别4.Hadoop有哪些组件5.Mapreduce的过程6.数据质量监控7.数据治理怎么理解8.维护表总共有多少张,设置数据监控的有多少9.多天分区数据处理，UDF函数报错,怎么排查---日志，看哪一天的数据导致报错10.最近在学什么--CH+Doris11.Clickhouse和Doris的区别，使用场景12.AI方面的了解吗13.SQL,连续7+天登录

1.介绍一下项目以及项目中用到的一些大数据组件2.HDFS的文件存储格式有哪些?3.MapReduce过程，MapTask和ReduceTask个数怎么确定?4.MapReduce阶段哪些因素会影响性能?5.Flink和Spark Streaming的区别是什么?6.Kafka的消息传递机制是怎样的?7.大数据处理中的一致性、可靠性、可用性如何权衡?8.数据仓库和数据湖的区别是什么?9.Hive和传统数据库的区别?10.Spark如何进行数据倾斜的优化?

1.实习项目主要内容是什么?2.会java吗?3.说下数仓建模的分层4.说下维度模型5.星型模型和雪花模型的区别6.什么情况下使用星型/雪花模型更好7.HDFS读流程?原则是什么?8.了解spark吗?说-下宽依赖和窄依赖?9.了解 flink吗?10.hiveSQL怎么优化?11.搞成说明HQL的提交流程了机器学习的一些基本算法?12.英语口语可以吗?反问1.大数据开发是以java为主吗?2.基于前面的面试表现，如果想从事大数据开发有什么需要加强的?3.加强大数据组件的学习实习生有加班费吗?周末有，平时不会有

1.实习相关问题(实习做的主要是数据仓库湖仓一体相关的东西，比如读写外部服务器上的大数据格式文件这些东西)2.了解数据湖吗(hudi，iceberg这些)3.非结构化数据或者说多模态的数据用向量化存储，为什么能解决查询问题?4.设计一个向量数据库，需要哪些模块和核心能力?5.机器内存不够的情况下，如何取出几个大文件中出现频率最高的URL(搞底层的面试官真的很喜欢问内存不够，三面的时候问了同样的问题)6.刚才你有说到大根堆，实现一个大致的大根堆反问:业务和部门人数这些

1.实习项目主要内容是什么?2.会java吗?3.说下数仓建模的分层4.说下维度模型5.星型模型和雪花模型的区别6.什么情况下使用星型/雪花模型更好7.HDFS读流程?原则是什么?8.了解spark吗?说一下宽依赖和窄依赖?9.了解 flink吗?10.hiveSQL怎么优化?搞成说明HQL的提交流程了11.机器学习的一些基本算法?12.英语口语可以吗?反问1.大数据开发是以java为主吗?2.基于前面的面试表现，如果想从事大数据开发，有什么需要加强的吗

1.短期和长期方向为什么选大数据开发2.数据开发的核心价值，和对岗位的认知3.数据岗位的人员应该有什么样的能力4.宏观角度看数据的处理流程，该了解哪些技术栈5.实习期间遇到的最大问题和解决办法6.清晰介绍实习项目的业务逻辑简单题和编程 40 分钟Q1.给定sq1语句:7.问索引加在什么字段会提高查询速度8.内连接join是小表驱动大表还是大表驱动小表9.sq1执行顺序:where->J0IN->GROUPBYか香Q2.给定两个一对多的表A和B。10.问A left join B有哪几条结果Q3.给定sq1语句。11.问有多少个Map Reduce过程Q4.sq1编程，求表的互关对user love1 22 11 3返回（1，2）即可反问

10.13 忘了发了拷打项目，和市面上常用的有什么区别？当前公司常用的统计数据方式有哪些？分析项目的业务数据结构？有实习吗？有不那么底层的项目吗（？）Spark了解吗？从代码到输出结果，Spark引擎做了什么（紧张了没答上来）SQL题：表1：(id, date), is_new表2（领取红包记录）：id, date, time, money未领取红包的次日、7日每日DAU，最近1个月3天连续登录占比反问：建议：从整体解决方案出发，多了解业务链路更多理解应用、架构，基于平台来处理数据数据建模要加强，上下游链路多了解底层：了解源码、如何优化（Data Infra）、底层架构能力追问：现在在哪，什么时候毕业？（我还以为有机会。。。。）

1.实习项目主要内容是什么?2.会java吗?3.说下数仓建模的分层4.说下维度模型5.星型模型和雪花模型的区别6.什么情况下使用星型/雪花模型更好7.HDFS读流程?原则是什么?8.了解spark吗?说一下宽依赖和窄依赖?9.了解 flink吗?10.hiveSQL怎么优化?搞成说明HQL的提交流程了11.机器学习的一些基本算法?12.英语口语可以吗?反问1.大数据开发是以java为主吗？2.基于前面的面试表现，如果想从事大数据开发，有什么需要加强的吗

80分钟自我介绍5分钟认知问题20分钟1.短期和长期方向为什么选大数据开发2.数据开发的核心价值，和对岗位的认知3.数据岗位的人员应该有什么样的能力4.宏观角度看数据的处理流程，该了解哪些技术栈5.实习期间遇到的最大问题和解决办法6.清晰介绍实习项目的业务逻辑简单题和编程40分钟Q1.给定sql语句。7.问索引加在什么字段会提高查询速度8.内连接join是小表驱动大表还是大表驱动小表9.sql执行顺序：where->JOIN->GROUP BYQ2.给定两个一对多的表A和B。10.问A left join B有哪几条结果Q3.给定sql语句。11.问有多少个Map Reduce过程...

以下内容量比较大，不过自己复盘了一下，确实这几轮面试都是自己表现比较好的，问题也都回答了个7788，运气也算是集中到这几轮了岗位是字节data下面的数据平台的大数据XX工程师（防一下定位），拿到意向后努力回忆一下三轮面试的内容，也为我上一个帖子引下流，有知道数据平台情况的朋友可以和我同步一下相关信息。timeline：9.23 一面 （第二天约9.29二面）9.29 二面  （节后第一天约10.14三面）10.14 三面  （第二天约当天hr面）10.15 hr面10.24 意向-----------------------------------------------------------------------------------------------------------------------------一面（1h）：开始面时基本没觉得自己最后能拿到意向，所以回答还有思考都比较松弛，和面试官聊了一下ai时代下数据仓库的核心竞争力其实还是分布式架构，高可用以及弹性扩缩容这些大数据时代涌现出来的技术，因为就目前来看数据库支持RAG实现向量检索，虽然有一定竞争力，但没有任何垄断性（甚至最近经常刷推文看到RAG已死什么的，不过就向量索引这个事来说确实没什么技术含量）具体问题：1.实习相关问题（实习做的主要是数据仓库湖仓一体相关的东西，比如读写外部服务器上的大数据格式文件这些东西）2.了解数据湖吗（hudi，iceberg这些）3.非结构化数据或者说多模态的数据用向量化存储，为什么能解决查询问题？4.设计一个向量数据库，需要哪些模块和核心能力？5.机器内存不够的情况下，如何取出几个大文件中出现频率最高的URL（搞底层的面试官真的很喜欢问内存不够，三面的时候问了同样的问题）6.刚才你有说到大根堆，实现一个大致的大根堆（写了堆化完面试官就说可以了，没太刁难）反问：业务和部门人数这些-----------------------------------------------------------------------------------------------------------------------------二面（1h）经典面试官迟到几分钟，三轮面试加上hr面，面试官全都迟到了，说实话有点无语，不过二面时候由于非常紧张所以语速比较快，面试官提醒了一下可以降低一下语速给我松了口气还挺好的。1.实习相关问题（同一面）2.简单描述一下parquet格式，parquet中不同的column配置的行数是一致的吗3.列存的优劣势（三面也问了）4.知道布隆过滤器吗5.实习项目最大的挑战6.使用的C++排查问题工具有哪些？最后问了几个八股：7.死锁和活锁的区别在于8.C++里有守护线程和非守护线程吗？9.了解exactly once语义吗？手撕：使用int数组实现一个记录1~n值是否存在的位图。-----------------------------------------------------------------------------------------------------------------------------三面（1h）问的最多也是压力最大的一面，虽然没有手撕也没有继续问实习项目相关的东西了，但感觉面试官想把我榨干一样疯狂提问领域内知识，而且中间还会一度比较大声的打断我，不耐烦的重复自己的问题和我的回答有什么问题，压力还是比较大的，还好提前准备了一些业内知识，问到的时候能回答个7788，不然不准备可能前几个问题就寄了。1.olap与oltp的区别2.列式存储的优缺点3.向量化执行具体是指什么，SIMD是什么，具体使用SIMD指令时是需要调用函数吗还是怎么使用（不同架构的芯片提供的具体SIMD指令有所不同，可以程序中内联汇编调用SIMD，但是在高级语言层面，可以调用编译器如GCC的内置封装了SIMD指令的函数编译时指定芯片架构即可，或者某些操作系统或者三方库也封装了一些常用的SIMD指令函数，比如memcpy和memchr等会在编译时使用SIMD进行优化）4.数据库中的变长字符串如何编码才方便进行比较和存储？5.你说字符串前记录字符长度，但是如果我想直接访问第100个字符不是要把前100个字符都过一遍，怎么优化？6.使用字符偏移表或者说字符指针也可以，但是这样频繁来回访问会导致较为严重的CPU缓存失效（比如说先访问一个偏移的指针，然后遍历一大段字符串后，再访问下一个偏移的指针，此时就会发生缓存失效），如何解决？7.实习时有没有遇到一些任务执行时内存不够的情况，不够的话数据库是怎么处理的？8.把上个问题简单一些，比如说现在要对一个比较大的数据进行排序，数据不够放到内存里怎么排？（经典内存不够，说的底层一些就是外部排序，说的系统一些就是map reduce，都可以，看自己对那个更熟悉）9.给你一个单机redis，如何构建一个分布式redis集群（不是问redis集群怎么拉起来，是怎么构建一个分布式架构），我这里说了现在主流数据仓库的mpp架构，虽然对redis可能不是最优的，但是应该面试官也比较了解这个架构，也能说的比redis集群构造的东西多一点（但其实自己也不知道redis集群具体怎么做的，只知道mpp）10.你的实际存储数据的从节点是只能故障时使用吗，还是平常能读写？也是最后问了几个八股：10.C++的构造函数和析构函数能不能设置为析构函数？11.解释一下什么叫协程（因为学过一些go，所以就用go的gmp模型解释了一下相关理解，这个应该挺加分，因为go的gmp确实是各个语言中协程里做的最好的）12.知道什么是连接池吗（面试官这里好像有什么急事，没问的很清楚，所以就没回答的很好）反问：1.业务以及该岗位目前与ai的结合2.这场面试自己哪点做的不够好，面试官说我很多东西最后说的都是对的，但是说之前没组织好语言，讲的不够清楚，需要再提升一下交流能力，想清楚再说。这个确实是我的通病，很害怕面试官等一会就觉得我不会就不给回答机会了，所以一有想法就开始流式吐字，导致逻辑不够清晰，大家也可以注意一下，面试官给的建议就是先说个大概，然后说自己需要措辞一下，一般都会等，说清楚说对最重要，不是说的快（但该说不说，可能有的面试官一直看你半天不回答不会不会觉得你在等ai回复）。-----------------------------------------------------------------------------------------------------------------------------hr面（20min）面试官感冒了，说话一直吸溜鼻子，所以说问了几个问题就结束了，估计hr也知道决定权不在这一面上，所以没有很多刁难问题，感觉比较重点的问题就这个几个：1.之前看你面过一轮数据库的岗位，你有复盘为什么上一轮没通过吗（说实话我一点都不知道为啥挂我，问了几个冷门的linux知识没回答上来，然后手撕个反转链表后一周给我挂了，但是我回复还是结合着岗位匹配度不同和面试官关心得具体知识不同做了回答，简单来说就是这个岗位更适合我，之前那个没那么匹配，之前的面试官关心得点也和我自身得核心能力不太符合，大概这样）2.如何协作，遇到过什么困难，遇到压力如何应对（全是万金油问题，我就万金油回答，挑一些绝对不会出错得打法就好）3.手边offer反问：部门氛围，ai相关，啥时候出结果这些

1.自我介绍。2.你所提到的主题域是怎么确定下来的?3.项目所提升的业务方取数时效是怎么衡量的?4.介绍一下项目参与人员分工?5.项目的主要难点是什么?6.你提到了数据质量，那你在开发过程中是如何保障的?7.你在整个项目开发过程中的角色，主要工作内容是什么?8.项目在开发过程中有对产出时效进行保障吗?9.聊聊你对大数据岗位及其类型的了解?10.聊聊你认识的大数据生态组件有哪些?11.介绍一下你对自己现在的定位，以及后续从事行业的定位?12.最快什么时候入职?能实习多久?13.反问环节。

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。

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.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，还要求出首次及末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.介绍一下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。

研究生什么研究方向、为什么选择做数据spark和mr的区别，spark为什么快aqe的特性spark用过的参数shuffle.partitions调节的经验，调多大合适，是否有公式计算和存储的治理怎么做的spark合并小文件怎么做的，落hdfs之前合并还是之后合并？平台自动化合并小文件和repartition哪个快（合并小文件快）为什么要合并小文件cbo的优化规则对spark感兴趣吗，接受提前实习吗，最早什么时候

三面HR面，没问什么技术问题，都是单纯的面试问题1、自我介绍；2、简历简单了解；3、身边人是怎么看待你的；4、有什么团队交流不畅的经验；5、为什么选择我们公司；5、反问，问了培养方式和出差情况。二十分钟左右，流程很快，比前两轮技术面压力小很多，HR也很温和，简单提问后就结束面试了，希望能有一个不错的结果

若要对不同型号风电机组的载荷数据进行对比分析，你会从哪些角度入手?如何在风电机组振动噪声数据分析中发现潜在的故障隐患并预警?说说你对运用大数据技术处理风电机组海量数据分析的看法和设想。在风电机组关重需部件疲劳寿命研究中，如何考虑环境因素的影响?对于风电机组并网特性测试研究中的数据实时监测需求，你有何应对策略?当风电机组载荷数据分析结果与预期不符时，你会采取哪些措施进行排查?讲讲你对利用机器学习算法改进风电机组振动噪声数据分析的可能性。如何在风电机组功率测试研究中保障测试数据的真实性和有效性?假设风电机组关重需部件疲劳寿命研究遇到技术难题，你会如何寻求解决方案?对人于风电机组并网特性数据分析中的多变量因素，你如何进行综合考量?谈谈你对风电机组载荷、振动噪声等数据分析研究成果转化应用的思路。在风电机组关重霉部件疲劳寿命研究里，如何进行实验方案的设计与优化?讲讲你对风电机组功率、并网特性测试研究中的数据安全问题的认识。若要对风电机组振动噪声数据进行长期跟踪分析，你会建立怎样的海体系?

讲述一次你在团队数据分析项目中担任的角色和贡献，对在同花顺团队协作有何启示 ?假设要分析同花顺用户流失原因的数据，你会从哪些角度进行全面且深入的研究 ?如何运用数据分析来评估同花顺市场营销活动的效果，提出优化策略 ?请说明你对数据质量管理流程的认识，若负责同花顺数据质量提升会采取哪些行动 ?举例说明你如何通过数据分析优化业务流程，对同花顺内部流程优化有何想法?若要对同花顺不同产品线的数据进行整合分析，你会采取怎样的技术手段和分析思路 ?谈谈你对机器学习在金融数据分析中的应用理解，如何在同花顺发挥其价值 ?如何在保证数据分析准确性的前提下，提高在同花顺工作中的数据分析效率 ?请分享你处理高维数据的经验和方法，在同花顺面对此类数据会如何操作 ?岙不入校述一个你运用数据分析解决实际业务问题时遇到的挑战及解决办法，对同花顺工作有何参考?对于同花顺用户反馈数据，你会怎样进行分类、整理和分析以助力产品改进 ?如何利用数据分析为同花顺的客户服务部门提供支持，提升服务质量 ?请描述你对大数据框架(如Hadoop、Spark等)的掌握程度，在同花顺如何应用?举例说明你如何通过数据分析评估业务风险，对同花顺金融业务风要险防控有何思路 ?

来自同事的数开面经，速速发出来供大家参考自我介绍了解实习经历针对实习项目，问数据层次怎么分层数据分层的作用针对具体实习项目，说明业务逻辑说明实习项目的“订单量”这个指标从源头到产出的ETL过程针对实习项目，复盘后最大的难点是什么复盘之后有什么收获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？处理小文件有哪些方法，举例子hive冷热分离的方法你刚才提到了组里有做ec存储，你了解ec存储吗暑期实习有什么感受，转正了吗 15分钟了解spark的semi join吗，他是干嘛的了解spark的AQE，这是什么你刚才讲AQE提到了广播机制，这个在spark中很重要，讲讲广播过程呢了解网络...