大数据开发（研发）岗（面试官很好是我太菜）1.问实习（学到了什么之类的）2.介绍项目3.项目中用的Hive，问我用的外部表还是内部（包是外部的，问就是外部安全）4.最熟悉哪个java集合（HashMap）（这个问题别人的面经也有准备准备吧我看了但是没记住）5.应用场景是啥6.它线程安全不7.String name="xxx"创建了几个对象存储在哪8.mysql主键和唯一索引有啥区别9.内连接是干啥的（交集）10.集群是自己搭建的不(包的老弟包的)11.hive的元数据搁哪放（metastore）12.Hadoop用的哪个版本啊（我说的是3x）13.问我HDFS，介绍一下我说...

1、讲一下你的项目吧2、挑一个你做的需求讲一下，你遇到的难点是什么3、你知道维度建模的过程吗4、你平时用什么语言多一点，回答java，然后问了一个string stringBuilder stringBuffer的区别5、HDFS写的流程，要是有一个datanode挂了怎么办6、kafka是如何保证数据不丢失和数据不重复，然后又说消费的时候呢7、spark的shuffle的过程8、你可以对shuffle进行优化吗9、SQL题：table_a(date, uid, vid) 找出3月19号看不同视频数排名前五的uid 【最好不用distinct】

开局依旧自我介绍，然后问实习相关，主要是分层、技术栈还有难点之类的问题。八股:1.sql里面的聚合函数和窗口函数的区别？适用场景？2.group by数据倾斜的问题，是怎么导致的？3.除了聚合，还有别的数据倾斜场景吗？4.广播的原理？为什么广播能避免数据倾斜？5.使用过pypark,scala 之类的吗？6.Doris 和click house 的共性？回答解决olap场景下，大数据量分析7.追问，为什么能解决这种问题？8.为什么olap能做的这么快？无手撕

1.面试官自我介绍（团队业务、团队人员分布、英语沟通）2.自我介绍3.科研经历（数据库相关）4.了解OLAP引擎的底层吗，索引、存储之类的5.大数据引擎和传统数据库引擎的对比6.了解过实时相关引擎吗？实时的存储是怎么做的？7.了解过数据湖吗8.spark内存模型，堆内堆外区别和细节描述9.实习转正情况10.sql 连续登录11. 算法 二叉搜索树第k大12.反问60min——氛围比较轻松，面试官一直强调不作为考察项目，只是聊天算法部分，太久没写树类的题，卡了一会，有点难绷（强调作为DE要学习底层知识

1、维度建模中 星型模型和雪花模型 之间的区别2、缓慢变化维表如何处理呢3、全量表的数据保存多久4、那你们订单表是全量还是增量，你觉得增量是什么意思，那你们这边的数据保存多久呢5、说一下订单表的设计过程 以及 表的分区含义6、你前面提到了会进行维度退化，那么说一下订单表中有哪些维度退化属性 7、那你说一下你们数仓的一个全链路吧8、我看你项目还写了一个实时的，你这个在哪看的9、那说一下flink乱序事件处理的几种方式吧10、抖音有一张流量表和一张交易表，分别是 table_a(mid, pv) 和 table_b(mid, gmv)，如何将他们进行合并，数据倾斜如何处理11、你想做什么方向

楼主参加了菜鸟集团的线下面试，记录一下一、面试环节1. 去找自己想投递的岗位的摊摊2. 去到对应摊摊将简历给面试官 （数据研发工程师的摊摊很冷清，楼主迟到了2h仍然是第4个3. 面试官评估你的简历是否要给面（楼主通过了）4. 取号等待叫号参与面试5. 面试二、面筋1. 自我介绍2. 第二段实习的技术难点3. 数仓分层的理念4. 日常数据异常怎么处理5. 离线链路建设是为什么？6. 数据没产出或者异常时怎么处理？7. 讲一下你的专业8. 为什么选择大数据？9. 你课题上的实践？10. 给我讲讲测序到底是啥原理？（楼主作为生信人，侃侃其谈，一顿扯无手撕无反问，回答完就让我走了

1. 请做一个简短的自我介绍。2. 你为什么选择数据分析师岗？对“数据分析师用数据驱动业务决策”的价值有何理解？3. 分享一次你“通过数据发现问题或得出结论”的经历（如课程作业数据统计、校园活动效果分析），关键步骤是什么？4. 如果业务部门认为你的分析结论无法直接落地，你会如何沟通调整？5. 你认为数据分析师最核心的非专业能力是什么？请结合自身经历说明你的优势。6. 描述一次你“快速学习新工具或方法”的经历（如数据可视化工具、调研方法），如何克服学习难点？7. 如何看待“数据分析的深度”与“业务需求的时效性”？请举例说明平衡思路。8. 分享一次你在团队中“负责数据相关任务”的经历（如小组项目数...

1、自我介绍2、你学过的大数据掌握的最好的是哪一个3、hive里面排序一般怎么使用的4、hive内部表和外部表的区别，外部表在什么场景下使用5、hive视图用过吗6、你对维度和事实的理解7、你说到了业务过程，谈谈对它的理解8、你刚刚描述的是一个业务过程还是 多个业务过程9、多个业务过程放到一张事实表的你举个例子

单选 范围较广，有SQL、链表（cpp风格）、排列组合等多选 很八股重点来了 编程题 * 3100 + 90 + 100T1. 二叉树层序遍历T2. 问字符串最后一个单词的长度给你一个字符串 s，由若干单词组成，单词前后用一些空格字符隔开。返回字符串中最后一个单词的长度详细描述单词 是指仅由字母组成，不包含任何空格字符的最大子字符串其他时间限制：3000ms内存限制：256.0MB输入输出示例示例1输入"Hello World"输出5难点1. 无数据范围难点2. 不让用CPP，指的是，只要写一个int函数，但是里面只有一行return 0;也会报错执行错误难点3. 没有报错细节难点4. 没有自动补全（特别是不让用cpp我直接愣住了）难点5. 题目不告诉你有数字（我经过对比实验测出来了）T3. 按绝对值排序一个多小时没调出来T2，赛后问了问AI可能找出来问题了，但是也只是可能，题目没说，我是啥都不知道体验很差。。。真的很恶心呕

​ #数据人的面试交流地##数据人offer决赛圈怎么选#​ 昨天也是被字节二面狠狠拷打了，问了一些Spark的技术细节和很多在上家公司的工作内容和项目架构，压力山大，不过感谢面试官捞我，算是通过了。​ ok，现在分享一下当时出的一道手撕题： 存在表tablea(uid, cookie_id), 其中uid和cookie_id是联合主键 存在表tableb(uid, order_id), 其中uid和order_id是联合主键 求(uid, cookie_id_cnt, order_id_cnt) 性能越快越好 当时首先想到是对两张表分别分组聚合再join select COALESCE(a....

📍笔试公司：掌阅科技🕐笔试时间：9.13💻笔试岗位：大数据❓笔试问题：选择和编程，总共90分钟选择主要考了数据结构、SQL以及数据开发的内容，像是什么Spark之类的，和牛客上去年的题差不太多；编程一共三道：两道SQL，没记错的话感觉是牛客原题，不算难；一道python，数组位置的一道题。🙌笔试感想：数开和数分一字之差，相距甚远啊

之前也面过神策数据，面试问题如下1，先自我介绍2 为啥想离职来神策呀3 看你是做大数据开发的，咱们先来2道SQL题目，其中一个是窗口函数的，另一个是连续登录问题4 平时工作中有遇到任务产出比较慢，数据倾斜问题吗，是怎么解决的5 看你会flink咱们聊一下flink的一些专业术语，checkpoint是啥呀，并行度，保存点这些都有用过吗，对于实时任务有遇到哪些瓶颈问题吗，有解决过吗6 知道olap引擎吗，为啥大数据需要olap引擎，实时用这个有啥好处7 看你简历有写数据湖，为啥现在很多公司都在推数据湖，数据湖对于未来来说有啥好处，数据湖真的是未来趋势吗

快手的一面已经寄了，搞不懂为什么。昨天接到了字节实习的面试，还是数据开发岗，问的数据方面的知识和快手比较相似，但字节更注重思维的发散，面试官会多次问有没有新的方法去解决同一个问题。1.数据仓库的模型有哪些？分别的应用场景是什么？ 我实际应用过的数仓模型有 Kimball（维度建模），它是自下而上地来构建数据仓库：先为具体的业务主题（如Home Depot公司的销售情况、订单记录、库存记录）构建面向主题的数据集市，用维度建模的方式对数据进行组织，一般我们采用星型模式，随着时间把多个数据集市通过共享的维度进一步整合成数据仓库。维度建模的方式对用户查询数据非常友好，响应速度很快，因此适用于需要快速处...

一面(线上技术面，秒挂)自我介绍(答的不好)- 待加强拷打项目- 说说你自己最熟悉的项目，详细说明具体的技术细节、流程.(答的不好)技术问题- 了解过大数据吗？- python的列表传参- python中深拷贝与浅拷贝的区别- python的类方法(3种)- c++堆和栈的区别- c++的STL容器熟悉吗？说一下你最熟悉的及其技术实现.- c++的程序在内存中的情况手撕代码- 合并列表(算法)- 最长无重复字符的子串(算法1)- 统计登陆时间超过7天的人数(SQL语法)- 统计工资超过5000的排名前5名(SQL语法)，忘了，好像是反问- 面试官希望实习生直接上手业务，而不是边学边做- 业务主要的语言是什么，面试官说语言没有那么重要，基本都有后面结果就是秒挂，还是太菜了，感觉自己的语言表达能力和语言组织能力还有狠狠加强，当然八股也欠很多，加油吧，祝大家都能找到心仪的岗位

之前面试了多多，干到了技术3面下面是面试记录1 自我介绍2 做一道SQL题3 看到你做过财务，说说为啥要做财务数据，做了这个对于公司来说有啥收益4 看你做过治理，说说为啥要治理，治理能降低多少成本5 今后职业规划，后续想往哪方面发展6 有啥想找我了解的

​ 今天下午面了一场快手的数据研发岗，面试官非常温和，没有问什么很偏的问题，体感还不错。最近准备大数据岗面试的这段时间，发现市面上并没有很多关于大数据的面试资料，所以我从现在开始想尝试着把每次面试官问的问题汇总给大家，供大家做一些参考。​HDFS的存储机制是怎样的？​ HDFS是为大规模数据（大文件，顺序读写）设计的分布式文件系统，它把文件切成块（block），分布存储在多台机器上，通过副本（replication）提供高可用。其中最主要就是NameNode 和 DataNode，NameNode 负责存储文件的元数据（block块的大小，block块存储在哪个DataNode负责的节点上等）...

📍笔试公司：巨人网络🕐笔试时间：9.10💻笔试岗位：数分❓笔试问题：不定项选择、问答选择主要考了数据结构、常见指标、排序算法等内容；问答主要是自己实践经历，和人工智能、大数据这些新技术的结合。🙌笔试感想：给个面吧给个面包

总计35min，一场八股盛宴1. 自我介绍2. 深挖项目3. 数仓分层的建模理念4. 你的dwd层只做了数据的清洗转换，那没有这一层不是也可以嘛？（这里感觉回答的不好，说到最后反而觉得面试官说的有点道理。。）5. 除了三范式建模和数仓建模，其他建模方式了解嘛？ 我答不了解，不常用，书里有6. 聊聊雪花模型和星型模型7.  哪里人8.  数仓中的压缩算法和文件的存储格式了解嘛？ 答了parquet+snappy 和 zlib+orc9. orc的压缩倍率高还是parquet的压缩倍率高？ 我答orc，我猜的10. spark3的aqe了解吗？11. aqe的优化方向有哪些？12. aqe在什么场景下适用，在什么场景下用了反而不好？13. Flink 的exactly once14. Flink的两阶段提交和三阶段提交有啥差别？（我蒙的，我说Flink的两阶段提交实际上是三阶段的前两个阶段合并，利用checkpoint机制相当于合并了三阶段的前两个阶段）15. 场景题：大数据场景下，如何取某个参数为前1000的user_id16. 你们日常的需求开发流程是怎么样的？17. 场景题：如果有一个需求很紧急，需要插入到这次的开发进程中，你会怎么处理？18. 什么时间能来实习？反问：1. 业务2. 改进点3. 工作强度更新：已挂

📍 公司：虾皮（Shopee）💼 岗位：大数据开发工程师📅 面试时间线：7.30 一面8.4 二面8.8 收到感谢信（未通过）面试问题记录请介绍你实习中负责的数仓数据流向及核心业务场景。详细说明一个具体业务模块，包括所用技术栈与上下游用户。针对问题2中的业务，如何处理并发场景下的“不可重复读”问题？大数据技术栈掌握情况？重点提问 Spark 的使用经验。如何优化实际 Spark 任务？请举例（如数据倾斜、Shuffle 优化）。描述快速排序算法的基本思想（穿插在数据倾斜优化中考察基础）。是否遇到过数据写错的情况？若数仓数据写入 Kafka 错误，如何修复？➤ 进一步追问：HDFS 数据已错，但 Kafka → 业务表已生效，如何保证一致性与服务可用性？若需从某个 Kafka Topic 消费数据并入库数仓，你会如何设计流程？（开放性问题）🙌 面试感悟虽为实习经历深挖，但问题贴近真实生产场景，尤其关注高可用、数据一致性、容错与恢复机制；对数据链路的闭环理解要求较高，需清楚“从出错到修复”的全链路影响；建议提前准备：✅ 典型数据倾斜解决方案（如加盐、两阶段聚合）✅ Kafka 重放与幂等写入策略✅ 数仓分层中各层容灾与回溯能力设计📌 C端业务对数据质量与系统稳定性要求高，面试更倾向考察“出问题后怎么办”的应急思维。