自我介绍 项目介绍Spark：Stage如何切分？原因？倾斜原因？如何解决？介绍一下概率算法（HLL、CMS）Flink vs Spark 容错机制、故障恢复机制 异同？Flink 窗口处理迟到机制？除了Watermark呢？Exactly-onceRay了解吗？算法：三个数组各取一个数得到 a, b, c问：min(|a - b| + |b - c| + |a - c|) length < 1e6问有排序后 ON 做法吗？

一面： 自我介绍拷打实习询问慢sql怎么解决DQC怎么保证手撕golang 写mapreduce流程二面：自我介绍拷打实习二面很简单 基本上没有八股 问一下实习经历三面：自我介绍拷打实习linuex命令docker命令shell脚本编写

●携程机票BU的收入主要来自哪里？○佣金○保险（延误险等等）○值机选座等等副营项目●指标异动：如果收入下降了5%怎么分析●AB实验：如果发现是研发上线了新的算法，导致页面加载时长变化。AB实验流程？○问实验不显著的时候，如何减少方差。CUPED●用户客服进线率：用户为什么进线？○退改机票○不了解转机行李该不该取出来，如何选座等等●我们希望给用户推送售后相关信息减少进线率，怎么用模型来预测谁会进线？用什么模型？怎么做特征工程？

1.自我介绍2.threadLocal是什么，在项目中是怎么用的3.你刚才说到弱引用，那弱引用和非弱引用有什么区别4.jvm中堆和栈各自有什么作用5.比如说我在一个 java 编写的函数，在函数内哪些写法会是分配到那个栈上面，哪些写法的数据会分配到堆6.给了两个例子，让判断是分配在堆上还是栈上7.刚才说到逃逸分析，逃逸分析是个什么技术，他的目的是什么8.问实习9.解释一下乐观锁和悲观锁，它们的核心的差异点在什么10.使用那个乐观锁防超卖？那我想问一下你的技术方案是怎么样的？11.简单的去讲一讲，乐观锁的sql你是怎么实现的，敲在公屏里12.sql题目13.你是人工智能专业，为什么想从事java后端工作，背后的逻辑是什么14.人工智能和传统应用开发，你有什么看法15学校里有没有做过人工智能相关的项目16.（扯到车道识别这项目）那你刚才这里比如车道识别的话，它主要的在现实中要解决问题是什么？17.针对一个没有做过的方向的事情，你是如何去进行学习的？你是如何学习一些新技术的，这些如何去学习的18.反问实习生工作内容大数据相关项目，涉及sql语句编写

1、自我介绍2、快慢表平替怎么实现的？举具体例子，仔细讲实现逻辑（问的很细）3、数仓分层的作用——》怎么统一数据口径4、讲讲HDFS的组件及每个组件的作用5、SQL（开窗函数）6、hashmap是否是线程安全？为什么反问：1、面试情况——》无法回答2、培养计划——》无法回答有一说一，第一次面大厂，都不知道哪些可以反问。。下午6点左右收到的感谢信。自己准备确实不足

30分钟 0.自我介绍1.谈了谈有无考公考研的打算2.回归正题 介绍项目（某硅谷的离线实时，还有paimon湖仓）讲了讲ads层指标什么三天登录，用户流向分析之类的，我说这三个项目指标都差不多问了我在哪做的，我说在自己虚拟机上部署的问数据来源，我说是有模拟生成业务库数据和日志数据的jar包，然后讲了一个这两条链路的数据的路径，maxwell，flume,kafka什么的然后问我paimon湖仓 怎么做的  我说paimon湖仓用官方的mysql-paimon的包直接进行同步，代替了maxwell然后我说paimon的snapshot+tag代替了传统离线的拉链表，感觉很方便，问我什么地方做的拉链，我说的用户表，然后我又讲了讲hdfs的小文件，paimon怎么解决的实时写入的小文件问了有没有遇到过什么问题  我说遇到执行任务的时候doris fe节点崩溃，查不到数据，然后我就一直扩大内存，虚拟机也搞得一台25g了3.flink怎么保证数据不丢不重   我答了kafka支持事务，checkpoint记录状态和kafka消费位点，又讲了paimon sink的时候自动清除没有snapshot指向的manifest来删除故障前多读的数据，说了一堆paimon相关的，比如lsm树文件结构，checkpoint时产生snapshot，还有paimon写入文件的大概流程4.数据倾斜  我说的原因就是比如短视频业务下某个视频火了产生热点key，导致某个分区数据特别多，可以用flink的重分区算子，写代码加盐打散，或者自定义kafka的分区逻辑5.sql优化  我说的谓词下推提前过滤，多表join优先join小表，还有starrocks，doris这些olap引擎的CBO优化查询，讲了starrocks物化视图是一个实际读出来的表，可以设置新鲜度来变更读的频率，而且CBO会自动查询sql语句的查询结果是不是某个物化视图的子集，以此来优化，然后这些引擎底层也会帮我们做些优化。6.问我知道paimon的结构化非结构化数据的存储格式吗    不知道，没接触过6.1讲一下什么是湖仓一体 我说是湖的各种数据都能存和仓的规范的，规定好字段名，类型等元数据便于分析的能力的结合，我自己又说了一些什么schema on write，read之类的7.问我还知道什么数据湖技术  我说iceberg，hudi 区别我之前看过，但是忘了，我就记得paimon和flink的集成比较好，比较亲儿子，然后就没问了8.怎么看现在很多人都投身大模型行业   我说的感觉很正常，因为这个ai本身看着就很吸引人（）8.1我说我用过那个阿里云的data什么，面试官说dataworks是吧，就是我们之前做的，问我还用过什么，我说阿里云的flink,fluss都用过，也用过神策，然后面试官讲了讲他们的产品8.2说了说我做过的其他东西，我说我搭建过网站，做过抖音小游戏但是上架太麻烦（）9.英语好不好  我答：半废   面试官说那海外业务就不考虑你了10.怎么看data+ai （因为我简历上写了了解data+ai）我说的就是从前我们用个什么库只能对文字完成基本情感的正负分析，而引入了大模型就可以做出更精确的判断，比如用在用户直播间识别弹幕给主播提建议，或者金融行业智能agent检测到风险实时邮件通知之类的反问 15分钟1.flink现实市场上用的多不多2.paimon这类数据湖到底用的多不多当时忘录音了（），有的问题记不清了整场面试也是又说有笑，面试体验给到夯（）🤠🤠🤠

面的是国际化外卖业务的岗位。问的问题不算很难，但准备得不太充分所以答得不太好。1. 如果滴滴外卖要在一个新的城市开展pick up服务，如何估算订单量？2. 指标体系：如何衡量用户在下单之后的体验？3. 如何衡量会员服务是否成功？4. 指标异动：售后率突然从3%上升到6%，如何分析？

（不知道是因为是下班时间面的还是要面很多人，问的很快很浅显）1、自我介绍2、实习的数仓分层3、实习时ETL工具，调度工具4、你项目里有微服务，技术栈为什么没写Java5、你现在的分析库主要是Doris吗？6、了解现在主流数据湖的优势和不同吗？7、你了解数据指标体系怎么搭建？8、数据治理的工作怎么开展吗？9、哪种算脏数据，怎么清洗数据？反问：1、公司业务2、技术栈3、信创

第二场面试，但面的莫名其妙的。11.13于ssob投递，当时投递的是虾皮后端开发岗，hr接收了简历后提议给我转投数据开发岗（并提到此部门做的也偏后端）。当时没多想就同意了，并约到了11.18进行面试。当时电话对面的人语气似乎很急切，一直问下月初前能否到岗。 但昨天下午开始面的时候我就傻眼了，面试官一上来就和我提到，实习岗位和我的简历技术栈不匹配，他这边主要是招收大数据开发的（写SQL）。接下来对着简历问了一些八股就匆匆结束了，前后总共二十分钟，甚至算法题都没问。 这次面试过程没17号晚上面快手那场那么紧张了，精神状态好了不少，看来还是得多面，能面一场是赚一场，越面越从容。顺道问一下各位牛友，虾...

面试时间：2025.10面试部门：数科事业部timeline：09.29投递，10.21一面，10.23二面，11.03HR面，11.05意向一面（1h）自我介绍实习经历中的监控体系详细说明（20min）讲一个你负责的需求，并说明有哪些难点（10min）hive中外部表和内部表的区别hive中order by/sort by/distribute by/cluster by的区别什么是数据倾斜问题如何解决数据倾斜问题sql题：给一张用户还款表，字段有id，还款时间，还款金额求每个用户的总还款金额求每个用户截止到当日的累计还款金额反问2025.10.23 二面自我介绍实习内容介绍实习过程中遇到的...

1、自我介绍2、讲一下快慢表平替、全量改增量怎么实现？3、举几个例子讲下质量体系监测4、简单说一下这个ODS到CDR层做了哪些工作吗？5、在工作中有做过数仓，讲下实际操作中CDR有哪些东西6、你是怎么对数据进行脱敏的？7、简单讲一下数仓的分层以及每一层的作用8、事实表和维度表的区别9、讲一下常用的开窗函数10、SQL题：订单id，用户id，订单时间，金额，求首单日和首单金额11、SQL题：员工id，部门id，员工薪水，求每个部门工资最高的三人12、简单讲下患者门诊的流程吗，从数据的流转角度来说就行13、门诊病例大宽表的粒度14、想要统计门诊处方开例数，怎么统计15、实习常统计的指标16、离职原因17、出差能接受吗18、能接受来北方吗

双非硕，我太菜了，回答的不太好，20分钟草草结束1、介绍我的实习、做过的项目2、hive的两个服务3、namenode的高可用4、索引的数据结构、索引失效的原因5、java常用的数据结构6、hive sql过程优化7、hive sql转化为任务的过程8、hive有哪些执行引擎就记得这些了，基本只问八股，项目、实习都没咋问

1. 介绍实习做了什么？ 部署项目的过程2. xxl-job执行器怎么使用？ 写了哪些注解？  多个同名的jobhandler管理中心怎么识别？3. 队列元素怎么去重4. 慢查询流程5. 表(id,name,age,score) 想根据age查询name。  原sql： select * from table where age = xx.   分析性能，以及如何优化。6. 平常使用lambda，stream多吗？  介绍一下用法7. 联合索引条件先后顺序重要吗？8. 项目接口防刷，幂等性介绍10. mongodb数据量很大，这个数据我们可能想要丢弃一部分，丢弃之前的我要丢弃每次我都要丢弃一年前的数据，你有什么好的办法吗。11. kafka，rabbitmq如果要监听多个topic，要写多个监听器吗？

1.对人工智能什么看法2.介绍下上段实习经历，主要内容是什么，你负责什么3.上端实习用的编程语言是什么，是什么新的语言吗?4.实习过程中你收获/学会了哪些内容5.你希望能从这段实习中收获什么6.两道sql题目7.为什么打这么多比赛，有什么目的8.怎么学了这么多编程语言，是你们学校教的吗9.什么时候到岗，什么时候开学，出勤怎么样?反问1.你觉得数分方向的实习生需要哪些特质2.如果面试通过的话，会有二面三面吗

面试部门：联通软件研究院，base北京亦庄timeline：09.11投递，09.14笔试，09.18一面（线上），09.28二面（线下），至今没有后续一面（20min）自我介绍实习中指标监控是怎么做的实习中任务优化是怎么做的二面（30min）自我介绍挑一个实习/在校期间比较重要的项目，展开介绍（背景，难点，解决方案）指标监控阈值如何设置（实习内容）个人对于岗位的偏好Spark的基本数据结构是什么，有哪些特点无反问环节整体感觉笔面难度都很低，二面强制要求线下，并且只组织一场，一共5个面试官，一人提一个问题就结束了

一面（约60分钟）面试从两道SQL题开始，难度适中但很考基础：1. 计算指定日期登录用户的上次登录间隔天数；2. 对商品按销售额排序并分档（如前10%为第一档）。随后是简历深挖，延伸问到不少实习中没细想的问题，有一定挑战性。二面（约45分钟）这一轮更侧重逻辑与业务理解：继续深挖项目，关注难点、卡点和最复杂的部分；再完成两道SQL题：统计连续登录3天以上的用户数 + 计算每用户近30天登录间隔平均值；还有一道费米估算题：“估算一个城市每天卖出的咖啡数量”；最后问了一个开放题：“你认为电商平台最应关注哪些指标？”三面（约30分钟）这一轮更偏向软素质与职业匹配度：从自我介绍开始，重点考察对实习业务的理解，希望我能跳出执行者视角，思考业务逻辑；问到跨团队沟通出现问题时如何应对；也坦诚交流了工作强度、地域适应性与生活节奏变化等问题。整体感受遇到的面试官都很耐心专业，不会的问题也会逐步引导，整体体验很好。如果也在准备类似面试的同学，建议重点准备SQL连续类题目、业务场景题和项目深度思考。

1、自我介绍2、你对数仓的了解3、数仓每层的用处是什么4、怎么分事实和维度5、用户订单表（交易表），设计一个ETL流程将其转换成用户的每日消费汇总表，怎么设计6、假如有一张表里头有两个一模一样的重复数据，如何去掉重复数据？7、如果有一个ETL任务运行缓慢，如何优化？——看物理执行计划，数据倾斜，索引，当时是否有别的任务抢资源，（面试官：没其他的了？）8、ETL任务过程中的数据发散问题9、你对你的职业生涯有什么规划？10、加班会比较严重，你觉得你通过加班能得到什么，获得什么？11、刚毕业的大学生经验不足，你觉得你能用什么样的方式去快速获得这些经验？（觉得我的规划不够突出）12、谈谈你对公司的了解和对未来的期望

1.对 Hadoop 各组件之间通信所使用的 RPC协议的具体内容2.Hadoop 中读数据的完整流程(包括客户端发起请求、与 NameNode 交互、与 DataNode交互等各环节)3.在数据传输过程中，若 DataNode 突然挂掉，Hadoop 系统会如何处理(包括任务重试、数据副本恢复等机制)4.HBase 源码的核心模块、关键类及底层实现窪捞轶货嶍瑛冶辑(如数据存储、读写流程等相关源码细节)5.在 HBase 中构建二级索引时，通过何种方式或机制保证索引数据与原始数据的一致性(如事务控制、同步更新策略等6.JVM 的具体架构(包括程序计数器、方法区虚拟机栈、本地方法栈、堆等组成部分);堆内存的划分的原理及适用场景;以及平时实际工作中是否会调整GC算法调整的依据是什么7.JVM 参数中，-Xms(初始堆大小)和-Xmx(最大堆大小)仅设置其中一个，与同时设置两个且值相同的情况下，对 JVM 运行产生的具体区别8.如何通过命令或工具查看当前 Java 进程中内存各代(新生代的 Eden 区、Survivor区，老年代等)的内存占比情况9.用于查看 Java 进程中线程堆栈信息的具体命令(如 jstack 等)及使用方法10.如何查看 Java 进程中某个对象的具体大小包括对象本身及引用的对象所占用的内存)，可使用的命令或工具及操作步骤11.排查堆内存泄露的方法，除了将堆内存Dump 出来用MAT(Memory AnalyzerTO01)分析之外，还有哪些更简单直接的排查方式

1.列举几种数据倾斜的情况，并解释为什么会倾場咏，以及如何解决?2.解释一下 SQL 运行步骤，是否有优化空间如果有，如何优化:SELECT a.id,b.nameFROM a LEFT OUTER JOIN bON a.id =b.idWHERE a.dt='2016-01-01'AND b.dt='2016-01-01';3.已知表 a 是一张内部表，如何将它转换成外部表?请写出相应的 Hive 语句4.用 select 做查询时，用哪个函数给值为null的数据设置默认值?5.Hive 中，建的表为压缩表，但是输入文件为非压缩格式，会产生怎样的现象或者结果?6.订单详情表 ord_det(order_id 订单号，sku_id 商品编号，sale_qtty 销售数量，dt 日期分区)，任务计算2016年1月1 日商品销量的 Top100，并按销量降序排序7.某日志的格式如下:pin|-lrequest_tm|-url|-|sku_id|-|amount，分隔符为"-'，数据样例为:张三-|q2013-11-2311:59:30-www.jd.com-100023-110.15。假设本地数据文件为 sample.txt,先将其导入到 hive的test 库的表t_sample 中，并计算每个用户的总消费金额写出详细过程包括表结构8.test.log 日志中内容如下左列所示，使用awk 输出右列 4行数据:左列:10-3-jd-dv、2-4-jd-dv、5-7-pv-click、36-24-pv-uv、37-24-pv-uV、24-3-uv-mq右列:10-4-jd-dv、5-7-pv-click、37-24-pv-uv、24-3-uv-mq9.Storm 的分组策略有哪些?