（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?

一面时间10.29面试了50min，但面试过程中网络经常出问题1、自我介绍2、你觉得大数据专业和计算机科学等专业有啥差异？3、你觉得哪门你的印象比较深刻、对你的影响比较大？4、你觉得大数据和传统数据库的主要区别在哪？5、你觉得事务是什么意思？举个例子6、你觉得整个事务是单纯数据库就可以完成的吗？7、事务能够解决怎样的问题？为啥需要事务——》什么情况下会出现幻读、脏读——》为什么大家不能一个一个读呢？——》并发8、大数据中有并发这种东西吗——》（有时候解决一个问题是靠技术解决，有时是靠一个规范，有的是使用模式）——》数仓怎么解决这个问题？——》（面试官）从技术层面上来讲早期HDFS是有这个问题的，并行写是有问题的，但这个问题是可以忍受的,一是因为不太用的到并发，实际数仓建设中一个表里在一定时间基本只有一个东西在往里写（delete,insert），二是因为出了点问题是可以接受的，早期谷歌大数据搜索，现在记录日志，很少有数仓一边写一边读9、大数据在分布式上的作用是啥，从存储、计算的层面来讲哪些比较有特点——》你觉得100台1G的服务器比较贵还是1台100G的服务器比较贵——》（面试官）100台服务器一直都是比较贵，电力、散热等，但不怎么容易坏——》Yarn解决的啥问题——》啥是计算资源——》讲讲Spark的计算这块介绍一下10、场景：你到现场，没有任何数据平台，给一份文件（数据量极大，以京东白条这种为例），第一列是时间，第二列是用户人名，第三列是消费金额，我现在要做个排序，找出单日消费前10的人，服务器上性能较一般，但啥语言工具都有，你会怎么解决？——》你觉得并行和并发有什么区别——》（面试官）一个大数据任务本质上处理方法是一样的，无非节点多就并行做，节点少就串行做，节点不多不少就整体并行，每个并行里是串行。11、聊聊你的离线数仓——》为什么企业要建数仓？——》数仓分层的依据——》ODS的中文是啥（回答错了）——》如果ODS和数仓只能留一个，你准备留哪个？（回答错，实际是保留ODS）——》你既然回答的理直气壮，那你觉得ODS为什么还留着，为什么没被干掉？（面试官跳过了）12、你觉得数仓几个层要被干掉一个，你觉得哪个层要被合并——》DWS（？）13、你对维度建模理论有了解吗？——》你觉得维度建模理论提出是为了解决啥问题，为什么要搞维度表，事实表，为什么不搞个宽表，2、300个字段堆那？——》你觉得实际工作中宽表用的多不多——》（面试官原话）所以你觉得维度建模理论是扯淡吗（笑）——》你觉得谁喜欢宽表？——》（面试官）政府部门的人相当喜欢宽表，实际工作环境中，不查数据，一般都是要求下载为excel，他只关心本部门的数据，那个数据没有那么多，他也不会写SQL，就要求你整到一起下载到excel让他去操作。（面试官）为什么这些理论和实际差别很大呢——》早期数仓很贵ODS最大的价值——》万一领导马上就要数据，数仓来不及跑，可以直接从ODS拿，像泄洪闸一样的方便的东西，另外一般参与ODS建设的人的资历比较老，ODS可以减小，但不能被干掉。面试官建议：你的逻辑能力、学习能力都不错，再找个方向去积累，数仓有些没那么牛，但可以做很久。

面试部门：内容数据工程timeline：09.24投递，10.14笔试通知，10.21一面，次日挂，并取消10.25的笔试一面（35min）自我介绍实习内容介绍实习中最复杂的一项工作，主要内容是什么，从中有哪些收获主要用什么技术栈JVM的内存结构如何排查OOM问题内存泄漏在什么场景下会发生算法：最大子数组和

1.实习介绍2.美团数据处理:你可以介绍一下在美团这块的详细的数据。3.实时数据加工:你们会做实时数据加工吗?4.实时数据加工工具:你们用什么工具进行实时数据加工?5.实时数据加工内容:你在实时数据加工中主要处理什么内容?6.离线数据处理量:你们离线处理数据量有多大?7.数据倾斜问题:你在实习过程中遇到过数据倾斜问题吗?怎么解决的?8.Spark宽窄依赖:你了解Spark的宽窄依赖吗?9.查询时间优化:查询时间比较久的话，一般你们的规划思路有哪些?10.Flink SQL开发:你做过FlinkSQL开发吗?能介绍-下checkpoint机制吗?11.规则引擎与窗口函数:你能介绍一下在oppo实习段经历里面，通过规则引擎与窗口函数处理数据的经历吗?12.编程语言:你之前用Python或者Java开发过程或者学习或者这些计算机。13.Java集合:你能介绍-下Java的HashMap吗?14.对象比较:Java里面的equals和==有什么区别?15.深拷贝与浅拷贝:你能介绍一下深拷贝和浅拷贝的区别吗?16.多态:你了解多态吗?它主要是指什么?17.进程与线程:你了解进程和线程吗?18.TCP与UDP:你了解TCP和UDP的区别吗?19.数据库索引:我们为什么使用数据库索引?20.B+树:你能介绍一下B+树的特点吗?21.索引失效情况:什么情况下索引会失效?

1.ES，ES的项目好几年前接触的了几乎忘光了，被狠狠拷打什么是倒排索引ES写数据流程ES读数据流程项目里ES集群规模，分了几个索引，做过哪些优化来提升性能2.KafkaKafka如何实现高吞吐量Kafka如何保证消息按顺序消费Kafka偏移量怎么保存Consumer出错如何恢复Consumer想从指定时间开始重新消费如何实现3.Spark和FlinkSpark和Flink在使用场景和设计上有何不同什么是shuffle什么是数据倾斜如何优化数据倾斜Flink消费kafka什么情况下会出现数据倾斜之前项目里Spark写数据是往什么地方写的4.其他一些零碎问题，本来想问hadoop和hive，但我们之前项目用的aws，所以改问了s3一些问题，比如s3和传统文件系统相比有什么缺陷，为什么选择s3，s3上的文件能否编辑

面试部门：忘了....好像是做财务的timeline：09.18投递，09.23一面，面完秒挂一面（30min）自我介绍实习期间最有价值的项目有没有遇到数据倾斜问题，什么场景，解决思路是什么Flink反压产生的原因，解决思路有哪些Spark中groupByKey，reduceByKey，aggregationByKey的区别是什么，如何选择

1.项目介绍2.实习内容询问，角度有点偏，感觉面试官不是很懂java3.有无MySQL索引优化经验，说了实习的一段经历4.https的过程，中间对我所说的非对称加密构建会话秘钥不理解5.有无接触过java大数据开发，说无，因为之前介绍过实习做的doris业务，被面试官指正6000万级的数据量并不大6.介绍下过往设计模式的运用，解决什么问题的7.手撕，“我们来做个java题目吧”8 .反问环节，此时才面了30分钟出头

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.sq1题(口述回答):要取年至今所有用户的首次及未次下单时间。5.如果在此基础上，还要求出首次及未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-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.sq1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?22.反问环节。