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. 自我介绍2. 用Hive还是Spark,比较了解哪个3. spark问题定位流程，以及解决方法4. 现在有一个任务跑的很慢，你如何去定位5. 介绍一下广播和Shuffle的区别，以及Shuffle为什么会比广播慢？你这里面之前说到的大部分都是在数据传输上，包括涉涉及到一些网络会导致它传数据量大比较慢嘛。6. Shuffle将各个节点的数据传输到另一个节点之后，会做什么操作呢？7. 小文件导致任务运行缓慢，是在Spark读的环节还是哪个环节？8. 用过二级分区吗？用Spark写Hive二级分区时有没有遇到过什么问题？9. flink的滑动窗口，以滑动窗口为例子啊，就是每5分钟统计过去一小时的那个行为流水，100万一分钟的，然后你5分钟去输做这种滑动窗口所计算的时候，怎么去预估它可能会产生多大的输出，以及计算量。10. flink 的就它发完了，它在重写的时候有个问题，我想问一下。它能基于checkpoint，我们可能说是checkpoint来重启嘛。那我数据从kafka里面消费的时候，我们可以某个精确到某一秒的时间点，能回溯对应的数据吗？11. 那有没有哪里有性能问题？换一种更好的方式写的话，你会怎么写？12. 如何优化你写的这两个sql13. 这两段sql在spark里面是如何运行的

TimeLine:  感觉很久之前就投了，但是一直没约面，还以为这辈子都没机会面鹅了3.26 一面忘记录音了腾讯数据库研发1. 先让我反问了解意向,不完全是c++,好像是偏鸡架,不太想去所以面试也没什么压力,直接说没有太多意向(乐)，本来以为都不用面了，还是拉着我面了半天2. 讲一下实习的情况，架构，数据表设计3. 多端会不会有数据不一致的情况，怎么解决的4. 怎么用ai的，了不了解ai-cli底层是怎么调用工具的,怎么保证ai生成代码的质量5. LRU，不知道为什么没有输出，讲了一下思路6. redis集群高可用是怎么做的,了不了解系统qps7. buffer和cache的区别8. 3握4挥9. 数据库隔离级别10. 幻读11. 反问数据库怎么做一些和ai相关的交互,ai优化sql昨天接到电话以为是kpi面，但还是接下机会了，不管结果怎么样先试试吧面试官人很好，也给我输出了很多东西感觉这种面试才是传说中的双向选择

📍面试公司：途游💻面试岗位：数据分析❓面试问题：一轮面试官自我介绍是部门面，面试官挺健谈的。第一个问题：深挖实习/项目经历，让我自己挑选两个去介绍，我介绍了一段实习一段竞赛项目，面试官展开了追问，大致问题就是模型是怎么选择的，难点是什么，数据是怎么清洗的。第二个问题：玩什么游戏，分享一下，然后进而引申到如何评估游戏的不平衡性，和问我如何评估我现在玩的这个游戏的不平衡性和排位机制的不平衡性上。第三个问题：有没有对ai的使用和探索，我展示了我一个cursor搓的网页，并展示了我如同小作文一般的提示词，面试官说现在都是探索阶段，ai确实能替代一些dw 总的来讲就这三个大问题，但是总体面试了四十多分钟，和面试官交流也比较充分，在我回答完问题之后面试官也会发表一些看法并追问。

项目相关   你觉得skill能完整代替你这个引擎吗？就像比如说你这个什么编排啊、分析、执行、质检、总结，这个工作流，包括工具的调用。你花了这么多力气，用了这么多框架，搭了这么一个平台，你觉得光用一个skill的文档能够完全替代你这个平台吗？   3 那你觉得这个vibe coding的ide这个agent跟你做的这个agent有什么本质的区别吗？ 4觉得用用或者用某一个大厂的这个开源的ide，这个这个agent，然后让它搭配一个skill，是不是能更灵活的支持你这个场景？ 5 这个你可以实际去用一用啊，用过小龙虾吗？vibe oding用用的多吗？ 6.在使用外部coding过程当中有什么使...

03-09一面03-17二面一面：算法题：1.s2字符串是否包含s1字符串全排列2.股票3.最大连续和字序列sql：最大连续登陆天数问项目八股与sql调优相关ai的应用反问二面：sql：最大连续登陆天数算法：输入：包含活动id，开始日期，结束日期，收益每天只能举行一个活动，你需要找出活动集合中，总收益最大的活动集合，问项目问ai应用怎么看待openclow反问

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。

timeline：03-16 一面二面一面：1.自我介绍2.介绍 实习经历3.问项目4.spark和mapreduce区别5.spark Shuffle原理5.mysql索引算法：合并有序链表sql：最大连续登陆天数二面：1.自我介绍2.问项目无八股sql1：连续登陆三天的用户sql2：连续点击三次的用户，连续是指期间不能含有其他用户

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

题目描述现有一张淘宝购物订单明细表 dwd_tb_order_di，字段如下：user_id：用户IDorder_id：订单IDamt：订单金额order_time：下单时间dt：分区日期（yyyyMMdd）查询每个用户在每天（按 user_id, dt 分组）满足以下条件的订单：该订单是用户当日的第一笔订单（order_time 最早）同时该订单还是用户当日的最高金额订单（amt 最大）若用户当日“首单”不是“最高单”，则该用户当天不返回任何记录数据模拟 DROP TABLE IF EXISTS dwd_tb_order_di; CREATE TABLE dwd_tb_order_di ( ...

也没问我八股就问了我项目数据来源还有sql，数据是怎么清洗的，就是空值重复值嵌套字段，下午还面一个套着数开外皮的爬虫，爬虫我上次写是在一年多前的课程作业，但是现在来看数据采集这方面岗位好像挺多的。还有今天刚开始学agent，打算用一周做出一个完整项目。用一句话勉励自己吧。如果我就这样倒下，说明我不过就是这种程度的男人

1.自我介绍2.拷打实习，广播变量的原理3.做了哪些看板指标4.数仓的ads层都是hive表吗5.帆软BI做过哪些看板6.拷打项目，拉链表怎么设计的7.为什么出现零点漂移8.个人优势与劣势9.公司能为我带来什么10.实习和上课的权衡11.ai有用过吗总结:几乎没有八股，一直在拷打实习和项目，关注点更多是报表制作以及数据抽取

这场面试整体体验很完美，面试官很好，后面大量的时间在介绍公司和成长规划，最后也是如愿以偿的过了1.自我介绍2.开发语言擅长哪一种，我回答的python2.python中列表和元组的区别3.你经常用python哪个库4.pandas对数据分块的方法5.场景：用pandas独立开发一个异常重置的功能块，你会怎么设计6.数据库查询返回速度较慢，你会怎么优化（常见八股）7.用过哪些bi工具，主要涉及哪些业务模块8.一些实习项目的拷打，数据倾斜之类的面试官介绍公司业务和我需要做的，体验真的蛮好，我有些疑问都耐心解决了，最后也通过了，春招迄今为止收到offer最想去的公司

一面 1.@Autowired 和 @Resource 的区别2.map遍历删除的一个代码题3.Redis缓存击穿、缓存穿透、缓存雪崩4.springboot启动流程5.自动装配5.项目二面开始问完全和后端无关的1.项目2.反问

1.项目相关2.项目数据量多大3.数据清洗用的是hive还是spark4.小文件合并，数据倾斜5.ai运用能力，是否能分辨正确性6.hive sql（更新查询计算相关）7.是否熟悉python8.什么时候到岗，能工作多久9.反问第一次面试，感觉有点紧张，数据倾斜那一块说的时间太长了，面试官很友好

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

上周面的 一面：1.实习经历，业务理解，sla怎么保障？埋点分区字段，2.spark 参数调优3.sql题，排序的窗口函数，求每个班级分数的前10%人面的很糟糕，脑子一片空白二面：2. 实习的业务理解，整个需求生命周期，关注哪些指标？3. 数仓分层，范式建模/纬度建模，三范式4.  维度建模过程5.    维度表/事实表区别6.    星形模型/雪花模型区别7.   数据倾斜定位/解决方式8.   hivesql转mr任务过程9.   spark 底层join方式哪些？10.   order by/sorted by11. distribute by /partition by区别12  进程、线程区别13  sql  字符串分割+爆炸函数+合并14  ai 的理解常规八股，感觉是bg+实习不能让面试官眼前一亮 遂挂

(昨天忘记录了，有些忘记了)比较常规的八股1.自我介绍2.数仓实习中主要在哪几个数仓分层中参与过工作3.数仓中etl的工作简单说一下4.窗口函数中三种排序的区别5.SQL中排序函数有哪些6.用过哪些bi，有没有从零搭建起bi报表7.数仓中数据校验怎么校准，排查的时候有什么流程8.实习中业务问题，实习中遇到哪些比较困难的事情9.数仓分层有哪些，分层有什么作用大概是这些，有点记不清了反问:入职后主要涉及业务——餐饮业务我的表现怎么样——技术深度超过大多数人，业务沟通能力欠缺，我们需要更多的和客户接触面试后问了HR，没有明确表示拒绝，一周内出结果