1.对存储的认知是（存储的分类，对象存储）2.mysql事务，C和D怎么实现的3.索引，查询索引过程4.redis数据结构，说说zset5.http协议结构6.socket编程7.锁的认知，什么时候用谁8.手撕：计算数组中每一位元素与其他相同元素的距离和

1.自我介绍2.开始讲项目，然后就是项目问题  项目背景-目的-自己的职责-成果3.实习经历，问我两段实习都干了什么，问的非常细，基本上都问到了4.数仓项目遇到了什么问题，我说的数据倾斜，问怎么优化5.有接触过数据治理吗？有哪些规则？6.如果晚上数仓的某一层，失败了没跑出来，怎么解决，（我说的是设置一个时间阈值，达到这个阈值没跑出来就默认是报错，然后跑前一天的数据，然后第二天早上来了检查前一天的数据有没有问题） ，公司晚上有人值班吗7.举一个指标，来实现六层数仓你会怎么设计这六层···8.谓词下推  提前过滤行（这个我回答错成，投影上移，选取列）大意了9.怎么检验数据那个值到底对不对10.对大数据开发的理解，重要的是什么，实习你都学到了什么···11.sql,共享屏幕，连续最大在线人数，（前一天刚刚看了）结果太紧张了，直接拿日期-时间，面试官让我讲解一下思路，然后问我日期可以减去时间吗？我才想起来，然后我说用date_sub函数，后面是count计数，我又写成sum，但是这两个都是面试官提醒了我一下，我就改对了12.反问环节问的对于实习生是怎么培养的好久没面大厂，写sql时有点紧张

最近也面了阅安，大数据开发一面，感觉整体不难1 先自我介绍一下2 聊一下你这边做的项目，你在里面扮演的角色，项目主要亮点啥的3 你们离线数仓模型主要是基建了哪些模型，建设模型有啥规范，需要遵循哪些条件4 对于离线来说如何确保线上指标无异常，对于任务延迟，线上集群资源不足通常是怎么处理的，如果出现了问题后续需要怎么解决5 你们实时数仓怎么建设了，引入湖仓架构怎么解决的问题，现在主流的湖仓主要是有哪些，你们选择的是哪个6 flink如何保证精确一致性，对于oom如何快速定位，对于脏数据怎么处理的，线上任务并行度配置是怎么配置的7 对于数据治理怎么操作的，你认为如何很好的解决治理问题，如何量化你治理的成果8 对于我这边你有啥要问的

又是超过一小时的拷打，感觉这次挺综合的，八股、语言、大数据全都问了一遍1. 项目拷打，主要问我的项目为什么采用Hive Transform这种比较小众的方案，我的回答感觉他还是比较满意的2. 简述至少3种常见的排序算法，时间复杂度，稳定性3. 关系型数据库的索引的常用数据结构是？选择这种数据结构的原因是？4. MySQL中什么时候会导致索引失效？5. Java线程安全的数据结构有哪些？6. ConcurrentHashMap是怎么实现的？相比于在直接在HashMap外边加锁有什么区别？7. HashMap的key可以是什么类型？有什么要求？8. 处理金额相关的数据的时候，应该如何存储？在Java中和MySQL中应该选择什么数据类型？9. Linux下如何用一条命令统计某个目录下各个子目录的占用空间大小？10. 如果把Linux换成HDFS呢？如何统计？11. 对于一个超大的HDFS系统，会有什么性能风险？有什么优化手段？12. Spark的并发度是如何控制的？在一个任务中什么情况会导致并发度变化？13. 考虑以下场景：某电商网站有一个用户表（用户id，用户所在城市）和一个订单表（订单id，下单用户id，订单金额），请（1）统计总销售额前十的城市和这些城市对应的销售额（2）统计总销售额在10万元至20万元之间的城市14. 一个表有年、月、pv三个列，要求写行专列代码，转成年、一月、二月、三月……

1、自我介绍2、讲最拿手的项目，然后就是项目问题（我讲的数仓项目，问了数仓各层作用，为什么创建六层数仓，项目背景是什么）3、hive怎么统计当前的日期4、内部表外部表区别5、spark的shuffle阶段的原理6、select * from a left join on b where b.id = 1;和select * from a left join on b and b.id = 1;有什么区别7、子查询可以放在什么位置8、sql

我这也面试了一家游戏公司，大数据开发，似乎感觉聊的还行，也二面了1 先自我介绍2将你之前做的项目介绍一下，重点说一下技术难点和使用的技术栈，以及遇到什么难题3 有游戏相关的经验吗，对于游戏你这边知道主要看哪些指标吗，对于指标波动有啥好的提升方式4 你们这边用的数据平台主要是哪些，里面对于一些任务的管理和上线有啥区别，对于一些任务报警和数据监控是怎么配置的5 对于湖仓架构看你也涉及了，你这边主要是用的哪些技术，对于湖仓技术来说主要是解决了哪些问题，为啥要选这个技术，遇到哪些异常问题6 八股，数据倾斜怎么处理，flink如何实现精确一致性7 spark的宽窄依赖，任务调优有哪些参数，主要是解决啥问题8 对于大数据来说你感觉对于业务主要提供了哪些保证，对于一个技术来说你感觉实现起来有啥问题吗9 做一个SQL题吧，主要是用窗口函数实现10 有啥需要找我了解的

连续拷打超过一小时，传统八股不多 大数据相关拉满1. 项目拷打，主要拷打我上一段实习做的数据项目的技术选型2. 算法题：搜索二叉树，找两个值最近的祖先3. 请简述进程和线程的区别4. 给我了一个二叉树，让我说出其前序、中序、后续遍历的顺序5. Spark相比于Hadoop MR的优势 和劣势在哪里6. 描述一下Spark的宽窄依赖7. 在大数据开发的过程中，有哪些常见的数据倾斜情况8. 你刚才说的Kafka的数据倾斜，通常是什么情况导致的？如何避免？什么情况下 无法避免？9. 如果由于数据倾斜，导致Kafka一个分区消费慢，有什么处理方法？这个方法 有什么局限性？10. 如果上游Kafka没有数据倾斜，你在用Flink消费的时候出现了数据倾斜，通常是 什么原因导致的？有什么解决方案？11. Hive外部表和内部表的区别？12. Hadoop中Map任务数和Reduce任务数的决定因素？应该如何优化呢？13. Hive中order by和sort by语句有什么区别？14. Linux下如何在shell脚本中判断上一条命令执行成功与否?

八股轰炸，头一次见只问八股的，小米简历挂俩次，这次捞了我还特地准备了很久项目1.自我介绍2.oop面向对象编程的四大特性3.string buffer和string builder的区别4.怎么解决缓存穿透，击穿，雪崩5.redis的数据结构有哪些6.redis的持久化都有哪几种7.布隆过滤器的原理8.python爬虫的原理9.反问业务是什么？说技术栈是spark＋python，感觉有点像大数据分析的岗不像后端表现怎么样？问的都答出来了，还不错

前段时间面了高德大数据开发，面试如下1 先进行自我介绍2 讲一下你的项目技术细节和亮点以及体现你的技术能力3 starrocks的索引有哪些，对于不同的索引使用场景都有哪些，为啥要这样用4 starrocks的性能调优主要是做了哪些，带来了什么收益5 对于flink来说，你计算实时指标和starrocks聚合模型哪个计算的指标稳定可靠，为啥两种方式都可以实现，如果你来做会取哪个6 Paimon的使用场景主要是哪些方面，对于Paimon你主要是用来哪块，为啥不选hudi和iceberg7 flink八股，精确一致性，多流连接等等吧8 数据治理主要是治理哪一块，带来了啥收益9 对于离线建模的各个层级说一下，为啥要这样建设10 一个SQL题目，连续30天登录的人11有啥需要找我了解到的

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。

什么八股都没问，包括jd上的rfm和聚类，我主动提了也没问，就是让我讲自己的经历，然后面试官讲了公司的业务，再让我讲一下自己的优势，我说自己很会写sql，bi，pyecharts和r进行可视化，学习过机器学习可以很快上手。这里面不违心的只有sql和bi了，说真的学大数据以来没见过有人用py和r进行可视化的，不都是bi工具吗，机器学习我没学进去，有点难，但是jd上的聚类我还是清楚的，面试官人不错的。

前几天面了滴滴的国外业务，3面技术终面，过了，面试如下1，先自我介绍2 说一下自己做过的项目，讲一下技术难点和亮点3 能说一下你们数仓建模的基建过程吗，为啥需要这样设计，这样设计有啥好处4 看你实时经验丰富，你能说一下如果实时指标和离线指标不一致，怎么检验那个对的，为啥会出现不一致，不一致的原因有哪些5 你能说一下olap引擎有哪些吗，为啥你这边选starrocks，这个对于别的来说有啥特殊之处吗，用了哪些新特性6 对于flink任务如何确保精确一致性，如何确保实时任务没问题7 说一下实时的join有哪些，都是啥效果，哪些场景会用这个8 看你财务经验也有，对于流量数据和财务数据你认为有啥区别，侧重点主要是啥，财务需要遵循什么规范9 看你数据治理经验也有，对于数据治理你认为如何评价治理的细节，对于一个湖仓架构哪些指标可以衡量一个湖仓的好坏10来个SQL题目，最大的在线人数，这个是个经典题，比较难，需要有经验11 有啥要问的

今天参加大厂的线上面试职位是大数据分析师。走的是校招。上来面试官先让自我介绍，然后介绍了一下学校跟专业，还有在学校学习的相关课程和做过的相关项目。之后面试官问了哈杜夫的整体框架主要由哪三部分组成？说说你对flink的了解。Spark中行动函数和转换函数说一下这个忘记了，说说你最骄傲的项目中间运用了什么技术？你遇见过什么难题，然后是怎么处理的？我说计算数据非常慢，延时高，用索引来优化然后问我索引怎么创建，怎么创建唯一索引，然后索引的优缺点是什么？之后又问了锁的建立方法是什么？然后问这个锁优缺点和内部结构是什么？衍生出来look手动锁是用双向链表结构。说说你对链表结构的认识。优缺点是什么？学科方面问了操作系统的资源调度算法都有哪些？Linux系统中的shell命令，你能想起来的都说一下。重点问了我一个怎么给文件分配权限命令。我回答用chmod。之后又问了一些JAVA的相关的问题。最后做了一个编程题是计算字符串中字母出现的频率。不用区分大小写，不用管标点符号和空格。没有做完，但是他问我想法。讲了讲。后面他说今天先这样，因为后面还有一个面试。然后他问了我手中有几个offer？因为我没有经验，不会回答。然后我想问一下，他问了我这么多问题，面试也有四五十分钟，最后没有跟我讨论薪资问题，是什么情况？😔鼠鼠在线求解答

昨天刚面试的，面试官很好，没看到网上有2026多益的大数据工程师面试，所以说分享一下（首先本人网上关于多益的讨论我也知道，至于为什么选择多益，主要是其他公司没有回应，多益完全是走一步看一步，能进就进）1：自我介绍2：你实习做的是软件测试，为什么会应聘大数据开发？3：本科阶段大数据主要学习了什么大数据生态？有什么项目经验吗？4：刚刚说到你有三个月软件测试实习经验，，你有什么心得或者你学到了什么？5：你最了解的是java语言，那就从java开始吧，java中你最熟悉的集合是什么？6：你刚刚说到了ArrayList，那么他的底层是什么？用在什么场景？7：还有一种集合叫LinkedList，他的底层是什么，使用场景又是什么？8：LinkedList和ArrayList相比在查找元素方面那个更快？9：java中锁有几种实现方式？10：如果有一个字符串String name = "名字”，里面有几个对象？存放在哪里？11：你刚刚说到了堆对吧，那么栈是用来干什么的？12：java中还有其他内存结构吗？13：过往程序出现过内存溢出的情况吗？14：MySQL存储引擎有那些？15：InnoDB的索引有什么用？16：InnoDB是怎么实现的？17：为什么要用B+树？能不能用B树？18：MySQL是行存储还是列存储？19：行和列存储有什么区别？20：MySQL的主键和唯一索引的区别？21：你知道的MySQL表连接有那些？22：假如A表有123，B表有124,他们用RDD连接，然后要查出他们的差异用什么实现？23：你主要使用的hadoop版本是什么呢？24：hadoop的HDFS有那些角色构成？25：NameNode和DataNode分工是什么？26：在HDFS上创建海量小文件，会给HDFS带来什么问题？27：Hive数仓搭建过吗？用的什么模型？28：星型模型的特点是什么？29：SORT BY和ORDER BY的区别30：Hive内部表和外部表的区别31：代码题：给定一段英文字符串，你需要找出其中出现频率最高的单词。如果多个单词出现频率相同，则以字典序依次输出。忽略大小写和标点符号。33：你手上有其他offer吗？能透露薪资吗？34：你期望工资是什么？后续就是一下疑惑解答1：公司有加班情况吗？有工资吗？ 答：有加班，加班主要是学习为主2：公司有出差吗？ 答：没有，后续可能会有浙江那边的出差需求基本上就这些，代码题要求先说思路然后写代码，只有5分钟（可能前面问答浪费太多时间了，代码没写完就没时间了）主要就是围绕项目的技术进行提问，然后根据上一个问题带出新的问题。有什么想问的可以评论区交流！希望能过

前几天面了大数据开发快手本地生活部门，面试还过了，问题如下1 先自我介绍一下2 挑几个你感觉做的很好的项目，说一下其中的亮点和技术难点3 能说一下目前湖仓各个技术架构，每个技术组件的优缺点，目前你们选的是哪一套4 看你实时经验丰富，能说一下你这边实时指标和技术细节吗，如何确保实时指标准确性，如何确保实时任务稳定可靠，如何实现指标计算准确问题5 flink一些八股，比如checkpoint，侧输出流，并行度，oom出现的原因6 离线的数仓数据域主题域怎么划分，你们这边各业务这些有交叉吗7 对于离线的基线和dqc怎么设置，一般都是怎么配置的8 对于starRocks用了哪些新特性，为啥这些新特性你们会用，解决了哪些问题9，有接触数据治理吗，治理了哪些，有哪些收益10 对于ai做的怎么样，平时开发会用ai吗，收益怎么样11 有啥需要找我了解的给我的感觉就是这个部门似乎在招一个技能全面的人，而且需要有全局的把控能力，薪资我准备要40*16，但我不打算去，面着玩玩，二面过了，估计要3面终面了

1.自我介绍 2.项目介绍 3.项目难点痛点 4.sqoop底层原理 5.sql考察 6.数仓分层维度建模 每一层解释 7.能实习多久一面问的比较简单基础1.自我介绍 2.做这个项目有遇到啥痛点不 3.遇到不会的技术怎么办 4.对数据治理的认识 我当时说的数据质量 答得还不错5.职业规划 6.对大数据的兴趣 介绍了下大数据hadoop的三件套二面 过了

1.自我介绍加拷打简历数分实习关注哪些指标？怎么构建的数据检测体系？数仓实习负责的什么内容？接触到的最大数据有多大？使用的是什么引擎？（因为数仓实习很水也没问出什么东西所以转向一些八股）2.八股题星座模型和雪花模型区别？效率差异数据冗余…链表和数组的差别？使用spark引擎做wordcount，基本的流程是什么？（类似一个项目提问，学校教过但那是十二个月以前学的了）总的来说问的很简单，和其他面经的问题比简直简单不要太多（可能是因为是实习生的原因）但是自己太菜还是有一些答得不太好3.编程题一道sql两道python的算法题sql有三小题，计算dau dnu，计算新增次留率、日活次留率，连续出勤三十天的用户统计python算法比较简单，是关于“买卖股票的最佳时机”，先遍历数组，再计算每一天卖出可能的利润，利润做比较求得利润最高的一天。

我前几天面的大数据开发岗位，社招，岗位薪资是30-60k的，面试问题如下1 先自我介绍2 从你做的实时项目和离线项目重点讲一下你建设的过程和遇到的问题3 对于离线来说，你的dwd,dws,dim,ads是怎么建设的，dwd是按照什么划分的dws建设的时候需要遵循什么规范，如果一个业务在最开始做基建的时候需要怎么规划，dws如何建设可以做到后续的复用，如何体现可扩展性4 对于dqc规则一般都是配置哪些，触发了规则怎么止损，对于数据治理你怎么治理的，治理有啥量化的指标，对于一些耗时很久的任务如何进行优化5 对于实时来说我看你经验比较丰富，你平时实时主要是用哪些技术栈，对于实时一般哪些问题比较严重，你主要是做了哪些优化，优化之后提升了几倍性能，如何确保这个实时任务不延迟不出现计算问题，对于监控怎么监控的6olap的几个都聊一下，为啥需要选型这个，都各有哪些好处，为啥现在各大公司都在追求湖仓一体，对于超大的数据，一天如果有千亿起步的量级，对于数据生命周期和每个表的分区分桶和索引有啥好的方案7 对于用户画像你是怎么建设的，是如何高效的运用你建设的数仓模型，对于时效性你怎么做到的稳定可靠8 ai你们公司有用吗，ai如何进行提效的，对于一些常规的报警和一些常规的上线ai可以解决吗，怎么玩的9 你也干了几年大数据开发了，如果你作为一个领导者如何评价你们团队数仓建设的好不好，对于好的地方如何量化，不好的地方如何改进，如何平衡各个业务的模型规范10 你这边有啥问我的，我面试了2场了，给我的感觉就是人家招的是需要有实时和离线能力的人，而且是需要有快速解决问题，并且可以给团队带来技术的人，还可能要点对整体技术基建和带人的领导能力，当然薪资估计也比较高，我估计给40k起步应该问题不大的，而且我估计过了，hr频繁给我打电话呢，我还是不打算去，毕竟去年刚来这家新公司，对于需要玩大数据实时离线的可以看看我上面的问题你们都能不能会，都会估计可以去试试快手

1-之前某段实习的主要工作、具体做的事情及主要产出2-某实习中，某实验是否基于数据分析给出排序策略建议？是否做了AB实验对照？3-AB实验中灰度阶段效果好、全量放量后效果变差甚至反转，可能的原因有哪些？4-某段实习的业务背景：4.1-面向B端、G端还是C端？4.2-转化率的定义：是提升17%是课程售卖转化率还是学习机+课程的整体转化率？4.3-用户标签画像的互联网属性标签从哪里获取？5-对大模型辅助分析的认识6-是考研or保研；研究生院校的学硕人数 + 学习成绩排名7-反问：询问了该业务中的岗位定位、具体的培养机制