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...

对于迈瑞医疗不同层级的管理人员，你怎样提供针对性的数据报表和分析结论 ?迈瑞医疗强调创新，你在以往数据分析工作中有哪些创新的思维和方法可以应用于此?说说你对医疗行业数据法规和政策的了解，以及如何确保迈瑞医疗数据分析合规 ?怎样通过数据分析提升迈瑞医疗客户满意度，结合实际案例分享你的做法。迈瑞医疗数据包含多种维度，如何运用数据分析发现不同维度间隐藏的业务价值 ?讲述你在数据仓库建设方面的经验，以及如何为迈瑞医疗构建高效的数据仓库?如何运用数据分析评估迈瑞医疗新产品的竞争力，有哪些关键指标和分析方法?迈瑞医疗面临激烈市场竞争，怎样通过数据分析为企业制定差异徨化竞争策略 ?分享你在数据挖掘算法优化方面的经验，这对迈瑞医疗提升数据分析效率有何作用 ?谈谈你如何在数据分析中运用机器学习技术，以及对迈瑞医疗业务的潜在应用场景。迈瑞医疗有多种产品线同时推进，如何通过数据分析协调各产品线资源分配 ?如何利用数据分析评估迈瑞医疗数字化转型的效果，你有哪些指抖月市体系和方法 ?讲述你在处理大数据量时的数据存储和管理经验，这对迈瑞医疗数据量增长有何应对 ?

对于中国神华海量的历史数据，你会采用什么策略进行深度挖掘和利用 ?举例说明你如何运用数据分析评估市场营销活动效果，对中国神华营销有何建议 ?在中国神华，数据分析需与战略目标结合，谈谈你对公司战略及数据分析如何支撑的理解。谈谈你对大数据技术如 Hadoop、Spark 等的掌握程度，在中国神华大数据场景中的应用设想。如何通过数据分析为中国神华的供应链优化提供有力支持，讲讲具体思路。请描述你进行数据探索性分析的步骤和方法，在中国神华如何快速发现数据价值 ?在中国神华，如果数据分析结果与业务部门预期不符，你会如何沟通协调 ?讲述你在数据建模方面的经验，对于中国神华相关业务建模有哪些思路和方法 ?从数据分析角度，怎样衡量中国神华客户满意度及忠诚度并提出改进措施 ?请分享你在处理复杂数据关系时的思维方式，在中国神华如何理清复杂业务数据逻辑 ?在中国神华，如何利用数据分析预测市场趋势并为公司提前布局提供依据 ?谈谈你对数据仓库建设的理解，若参与中国神华数据仓库建设有何规划和想法 ?举例说明你如何通过数据分析优化资源配置，对中国神华资源分配有何见解 ?

隔天1017约的2小时，做三个编程和一个简单：题目1-【SQL实现】学生成绩查询某年级期末考试成绩表，包含信息：student_no(学号）, sourse_no(课程)，score(成绩)。想做如下统计：1、统计每个学生的总分，排名，当前排名与下一名次总分差（如：第n名总分-第n+1名总分，即为分差）；2、统计至少两门挂科（score<60），并且总分排名在年级所有人倒数10位的学生各科成绩；题目2-【SQL/代码实现】活跃用户查询背景说明：以下表记录了用户每天登陆某APP的日志记录流水。table_name：user_login_dataseq(key) user_id data_d...

在游戏数据算法建模中，如何保证特征工程所提取的特征与目标变量之间有较强的相关性?讲述一下你对数据挖掘和机器学习理论基础的掌握程度，哪些理论在游戏数据分析中较关键?掌握基本的数据挖掘和机器学习理论基础，那么请举例说明一种机器学习算法在游戏数据中的应用思路。有大数据处理经验优先，假设要处理大规模游戏用户行为数据你会采用什么技术和策略?在校有大数据处理项目经验优先，若项目中有数据量特别大的情砾趣份股，你是如何应对的?对数据敏感是重要素质，当面对海量且复杂的游戏数据时，怎样快速发现其中有价值的信息?熟练掌握SQL语言，那么请编写一段SQL语句，实现从游戏用户数据表中查询特定时间段内活跃用户的信息。熟练掌握Python语言，用Python写一个数，实现对游戏玩家评分数据的归一化处理。有扎实的编程基础，当需要对游戏数据进行复杂计算和处理时如何运用Python高效实现?在使用SQL进行游戏数据查询和分析时，怎样优化查询语句以提高查询效率?用Python进行游戏数据分析，如何处理数据中的文本信息，比如游戏玩家的评论内容?喜爱游戏，说说你玩过的不同品类游戏中，哪一款给你留下深刻印象，为什么?有丰富的不同品类的游戏经历，以一款角色扮演游戏为例，谈谈頜一鸨涨对其数据特点的理解。

先说说目前面试进度，我是在BOSS直聘投的简历，然后京东安排面试，一面面试完成过一天安排2面2面面试完过一天安排3面，3面去线下面，面完你会遇到你今后的直属领导，下面来说说面经一面，是个女面试官1 先自我介绍2说说项目以及你目前技术栈3 说说你实时都做了哪些，说说维度建模和范式建模都有啥区别4 平时有遇到数据倾斜吗，怎么处理的5 看你有做财务数据，你认为财务数据和流量数据有啥区别，需要注意什么地方，财务数据你感觉最难的地方是哪里，怎么解决的6 来个场景题，对于一个字段找到其中出现a字母的所有次数7 模型建设规范都有哪些二面 似乎就是大部门leader和hr一起来的1 先进行自我介绍2 说一下做的项目，你扮演了什么角色3 看你实时经验比较丰富，下面来做2个场景题，对于一些交易订单来说，会出现订单出现退款，你如何可以做到订单实时的成交金额目前交易链路存在一个这个问题，交易的订单的渠道信息的某些字段可能会更新，你如何可以实现字段可以实时更新为最新得数据，保证数据不丢4 你平时看实时任务都是怎么看的，实时任务有哪些指标可以衡量，你平时遇到哪些问题，怎么解决的，你认为实时资源该怎么分配，时效性怎么确定5看你经验目前做过流量数据和财务数据，你感觉财务数据和流量数据最大的区别是啥，两者时效性和准确性都有啥区分6 你这边有啥问我的3面 线下面，京东似乎最后一面必须线下面，我去了一趟总部，感觉很大和面试官面对面聊，似乎还是交叉面，应该是别的部门领导，主要是聊了和一面2面差不多问题，不一样的地方是聊了一下数据湖，为啥现在企业都在追求数据湖，数据入湖和出湖都有哪些好处后面进展，似乎面试都通过了开始收集流水，还不知道涨幅怎么样，之前都说京东似乎不能太频繁跳，我这似乎跳的还比较频繁也给过了，可能跳槽不是卡的这么严同步一下后续到了谈薪阶段，目前base不变，加了4个月年终，总包涨30%多点

60min左右自我介绍+实习经历介绍一下shufflespark性能优于mapreduce的原因介绍一下宽窄依赖HDFS小文件问题在实习过程中处理过任务优化吗？大数据倾斜问题怎么处理？spark调优手段？Flink的Watermark机制TCP 和 UDP可以简单介绍一下三次握手吗？数据库里边为什么要使用索引B树跟B+树有什么区别点？B+数还有什么特性吗？索引在哪些情况下会失效？介绍一下python深浅拷贝多态了解吗？Java里边的hashmap了解过吗？代码考核一道sql+一道算法题sql：找出至少连续两天在线的用户数算法题没做出来..面试官人很好一直在提醒我，但是还是没做出来..我一直哭继续刷leecode去了

面经 自我介绍为啥不继续实习了实习项目主要内容是什么？会java吗？没系统学习过，会python说下数仓建模的分层（没准备）说下维度模型星型模型和雪花模型的区别什么情况下使用星型/雪花模型更好（没想过，胡乱回答了）HDFS读流程？原则是什么？(就近原则没答上来)了解spark吗？说一下宽依赖和窄依赖？（不太懂）了解flink吗？不懂hiveSQL怎么优化？（搞成说明HQL的提交流程了）机器学习的一些基本算法？（没准备）英语口语可以吗？请用英文进行一段自我介绍（没准备好，太紧张表现的有点差）反问：大数据开发是以java为主吗？java只是一种语言，其他语言也是可以的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？加强大数据组件的学习实习生有加班费吗？周末有，平时不会有感觉太多要准备的了，希望下次能回答的上来。

面试官先自我介绍，然后说明了面试流程，大概持续半小时，随后开始拷打：1、结合岗位需求的自我介绍；2、考察技术栈基本功：sql中join的类型与区别，数据结构列表与元组的区别，*args与*kwargs的区别；3、提问实习经历，常见机器学习算法模型的原理，几种集成学习模式的区别；4、提问科研经历，重点聊了大模型相关，agent、rag、幻觉等；5、大数据相关产品与技术的了解与应用情况；6、对神策产品的是否了解，向我介绍了公司核心业务和岗位的具体职能；7、自己以往经历哪些能够契合岗位，优势有什么，未来职业规划怎样；8、程序性反问面试官很和蔼，有些知识点不是很常见也没继续追问，对公司和岗位的介绍非常详细，应该是我为数不多面试经历里最详细的一次，提问大模型相关是真没大想到，可能也算是撞枪口上了吧（），最后职业规划哪里说的马马虎虎，希望能有后续推进吧

作为一名大数据工程专业的研究生，收到华为的实习面试邀请后，我既兴奋又有点紧张。华为在大数据、云计算和AI方面的项目一直颇具规模，我在实验室也经常用到华为云的分布式存储和计算工具，所以这次机会对我来说既是挑战，也是检验自己能力的时刻。面试当天是线上视频面试，HR提前一天发来了会议链接，还贴心地提醒我准备好稳定的网络和耳麦。面试开始，首先是自我介绍环节，我简单交代了自己的学业背景、参与过的项目，以及在实验室做的两个与数据仓库建设相关的课题。技术面提问部分面试官是一位资深的大数据架构师，第一句就直奔主题：“你在项目中具体承担了哪些角色？有没有数据模型设计的经验？”我提到了在校期间参与的一个基于Kimball维度建模的销售分析系统项目，并详细描述了如何在需求分析阶段识别业务过程和度量，以及如何根据不同的数据主题域设计星型模型与雪花模型。我还补充说明了在ETL流程中，如何处理缓慢变化维（SCD），尤其是Type 2类型的实现方法，包括在Hive中通过分区与有效期字段来管理历史数据。他听完后很感兴趣，追问：“如果我们有一个订单事实表，需要支持多维度分析，比如时间、客户、产品，但不同维度的数据规模和更新频率差异很大，你会怎样设计？”我答道：时间维度：预先生成完整的日期维并缓存在DW中，保持稳定不变；客户维度：考虑缓慢变化维，保证历史分析的准确性；产品维度：用码表+关联，保持高查询性能。并说明了在分布式环境（如Spark SQL）下，为避免join带来的性能瓶颈，可以使用广播join或分桶策略。场景题与解决思路接下来，他给了一个具体问题：“如果每天有上亿条设备日志进入系统，需要在分钟级完成故障模式检测，你会怎样设计架构？”我回答：数据采集：采用Flume/Kafka作为实时数据入口，将日志按主题与分区进行路由；实时计算：使用Flink进行流处理，通过窗口函数实现分钟级聚合；特征提取与模式匹配：在流计算过程中调用预先训练好的模型（可能是基于TensorFlow或PyTorch），完成在线推理；数据落地与分析：实时结果入ClickHouse或HBase，历史数据入Hive供离线分析；监控与告警：接入Prometheus+Grafana实现实时监控，并结合规则引擎触发告警。面试官点头认可，但提醒我在实际生产中需要考虑容错和数据延迟问题，比如Kafka的副本机制、Flink的checkpoint与状态恢复等。综合能力考察除了技术问题，他还考察了我的沟通能力与学习能力。他问：“如果你负责的某个数据模块上线后用户反馈查询慢，你会怎样定位问题？”我回答说会先定位问题范围：是前端展示慢还是后端查询慢；如果是后端，先看sql执行计划，分析是否由于join、group by等操作导致大量shuffle；再检查数据倾斜情况，必要时用加盐、按范围拆分等方式优化；同时关注底层存储的索引与分桶方式。思维延展与职业规划最后，他关心我的职业规划。我表示自己未来希望在数据架构与数据治理方向深耕，不仅掌握数据采集、处理、存储的全链路技术，还能从业务视角建立完善的维度模型和指标体系，提高企业数据资产价值。这与华为在智慧城市、通信网络、云平台等领域的需求非常契合。面试在轻松的氛围中结束，面试官说技术能力还不错，但建议我在模型设计中更多考虑跨域数据整合的复杂性，以及如何在超大规模数据环境下保持模型的易维护性。HR最后告知后续会有二面，可能会有更深层的系统设计题与现场编码题。面试感受与经验总结这次一面让我体会到几个关键点：准备要针对岗位需求 —— 华为的大数据实习不只是写代码，还要理解业务流、模型设计、性能优化，尤其是Kimball建模在企业级场景的落地方式。案例要具体 —— 面试时举的例子最好能体现规模、挑战与解决方案，比如数据量级、延迟要求、架构选型等细节。思维要全面 —— 技术方案不仅要能跑通，还要考虑高可用、可扩展性、运维成本等。表达要清晰 —— 把复杂的设计讲清楚，有时候比技术本身更重要。总之，这次面试虽然是虚拟的情景，但过程很真实，如果你未来准备大数据方向的华为面试，可以借鉴这种“技术细节+业务场景+性能优化”的答题方式，即使遇到陌生问题也能从架构思路入手，让面试官看到你的系统性思考能力

以下是本人在大数据方向的技术栈学习路线，另外还有诸如HBase、Kylin、实时数仓项目、数据湖项目、湖仓一体等。下面列出的是基本所必须掌握的内容。对于项目方面，建议先离线后实时开发的学习，再之后便是数据湖等项目。另外推荐可以经常翻看《大数据之路》这本书，里面涉及到的理论和企业中的白皮书基本一样。平常也可以多翻看各个公司公开分享的技术文章，源码等。类似阿里的学习文档、美团的技术文档等，在没有实际生产经验时可以了解各个场景下技术选型、底层调优、内存调整、资源配置、数据治理等各个重要环节和内容。1、Java：JAVA SE、JVM、JUC（刚开始只需要看Java基础就可以了，不需要学习一些web框架，因为不管是源码二次开发，UDF开发，还是数仓都不需要用到这些框架（除了平台开发之外），像Spring这些web框架，在学习完所有的大数据框架之后，找工作之前如果还有时间，可以去学一学这些框架【加分项】）2、Linux+Shell3、Git、Maven（了解会用，有印象，如果需要使用能快速学习上手使用即可）4、Hadoop（HDFS，MapReduce，Yarn）5、Zookeeper6、Hadoop高可用（了解即可）7、Hive（重点，需要熟练了解原理，并且会写HQL，以及一些优化，是基础）8、Spark（大部分公司都是写SparkSQL，并且调优，需要明白底层原理，内存结构，SparkUI等）9、Flume10、Kafka（时间紧张的话，可以先放一放，和Flink一起学，kafka+Flink+Spark是处理实时数据的）11、Maxwell、DataX、Dolphinscheduler（项目中数据同步、模拟日常调度工作）12、sgg电商数仓x.0（跟着做完这个项目，就知道什么是数仓，什么是维度模型，什么是指标等等，以及生产中一些内容）13、Flink14、MPP架构（类似Doris、Clickhouse）15、实时数仓项目16、数据治理17、数据湖、湖仓一体18、刷算法、刷sql、刷场景题

国庆前一面通过，就发短信约了国庆后的时间1、雷打不动的自我介绍环节；2、简单提问后，手撕SQL代码，口述核心思路即可，主要涉及了分组筛选、窗口排序，强调了并列怎么排序；3、一道数分情景题，大概是如何评价教学质量，从哪些方面，选哪些指标，怎么评价，注意的点是什么；4、拷打简历上的风控实习经历，常见模型有哪些有什么好处，相关性指标怎么筛选连续性指标怎么转换，PSI监控的角度等诸多内容。5、程序性反问一共大概半小时左右，问了很多很多，一看就是深耕风控很多年的面试官，之前从没有面试官问的如此细致，有些问题我回答的都如坐针毡，面试官也很温和，也可能看出了我面露窘迫，于是也大大方方告诉了他的经验，总体来说学到很多东西，感觉一场面试下来，学的东西比三个月的实习都管用（）

1. 请先做个简单的自我介绍？重点介绍一下自己在计算机、应用数学、统计学相关专业学习的经历。2. 你最近5年的职业规划是什么，能否详细阐述一下在数据挖掘/分析领域的成长路径规划？3. 你应聘这个岗位的优势是什么？劣势是什么？请分别从专业知识、技能掌握、实践经验方面各说三点。4. 为什么选择应聘我们盛趣游戏公司的数据挖掘/分析校招岗位，有什么特别吸引你的地方？5. 能不能谈谈对我们盛趣游戏公司产品以及游戏行业数据挖掘/分析需求的了解？6. 你期望的薪酬是多少，对于校招岗位的薪酬待遇有怎样的考量和期望？7. 大学期间最喜欢哪一门专业课程？详细说明为什么喜欢这一门课程对数据分析岗位有何帮助？8. 用三个词，总结一下这几年自己大学的经历，并且分别解释每个词所代表的具体含义和相关经历。9. 大学期间都参加过哪些社团或者学生组织?详细谈一谈在其中担任的角色和所取得的收获？10. 平时有什么兴趣爱好？有什么特长吗？这些兴趣爱好和特长如何能对数据挖掘/分析工作产生助力？11. 了解常用数据挖掘算法，那么请详细说明其中一种算法的原理及应用场景，对游戏业务分析有何作用？12. 大数据清洗和特征处理方法有多种，请举例说明至少两种方法及其在游戏数据处理中的意义。13. 基于需求进行专项数据分析时，你会采用怎样的流程和方法为游戏业务提供专业的数据洞察？