1.挑一个项目介绍2.了解实习经历3.针对实习项目，问数据层次怎么分层4.数据分层的作用5.针对具体实习项目，说明业务逻辑6.说明实习项目的“订单量"这个指标从源头到产出的 ETL过程7.针对实习项目，复盘后最大的难点是什么8.复盘之后有什么收获9.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?10.处理小文件有哪些方法，举例子11.hive冷热分离的方法12.你刚才提到了组里有做ec存储，你了解ec存储吗13.暑期实习有什么感受，转正了吗14.了解spark的semi join吗，他是干嘛的15.了解spark的AQE，这是什么16.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17.了解网络吗?讲讲三次握手和四次握手区别。18.了解数据结构吗?讲讲0(nlog n)的不稳定排序算法Q1.求开方:给定排序算法。num=5.79，error=1e-8，求x使得abs(x^2-num)

前段时间面了阿里健康的数据开发岗位面试问题如下1 先进行自我介绍2 说一下你做的数仓项目，怎么风层的，3 数据治理主要是治理了哪一些，带来了什么收益4 看你做过财务数据，财务数据主要是看哪些指标，对于财务来说最核心的主要是啥，有哪些策略可以确保数据准确5 看你也有实时经验，如果要你建设一些实时的财务指标需要怎么建设，可以从哪些方面入手6 你做财务数据以来感觉最难的主要哪一块，怎么解决的7 最快什么时候可以到岗，薪资要求

1.挑一个项目介绍2.了解实习经历3.针对实习项目，问数据层次怎么分层4.数据分层的作用5.针对具体实习项目，说明业务逻辑6.说明实习项目的“订单量"这个指标从源头到产出的 ETL过程7.针对实习项目，复盘后最大的难点是什么8.复盘之后有什么收获9.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?10.处理小文件有哪些方法，举例子11.hive冷热分离的方法12.你刚才提到了组里有做ec存储，你了解ec存储吗13.暑期实习有什么感受，转正了吗14.了解spark的semi join吗，他是干嘛的15.了解spark的AQE，这是什么16.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17.了解网络吗?讲讲三次握手和四次握手区别。18.了解数据结构吗?讲讲0(nlog n)的不稳定排序算法Q1.求开方:给定排序算法。num=5.79，error=1e-8，求x使得abs(x^2-num)

面完哭了两天，菜是原罪。只能说还是很欠缺，面试官问的问题一下就能看出来我根本没实战过，很多基础知识也很欠缺。因为面试中间就崩溃了面试官后来可以说是达到了一个菩萨的境界，一直说你还会什么我一点一点问，还有你会的我没问吗。我完全破防了一直在道歉说没想到自己准备得这么不好，面试官人很好，一直安慰我其实答得还好的。面完之后开始和豆包模拟面试才发现原来八股我基本上等于啥也不知道，感觉自己可以洗洗跳了。Deep整理的。刚开始大约有五到十分钟忘了录音，前面还有一些没记，大概是一些hashmap的问题、怎么连接上服务器（要求说具体）、输入网址到查询到的全流程。1. 域名与IP的映射关系是怎样的？2. 一个域名能否对应多个IP？一个IP能否对应多个域名？我回答了之后一直反问我因为我说的不对，这时候已经有点破防了。（考完试全忘了，知识基本没有在我光滑的大脑皮层留下痕迹）3. Spring MVC 的分层结构一般分为几层？4. AOP（切面编程）是如何实现的？5. JWT 的组成部分是什么？6. Rabbit MQ 是什么？你在项目中如何使用它？7. 如果Redis和MySQL数据不一致，如何处理？你真的做过吗？延时双删有什么问题？8. 有没有更好的方案保证缓存与数据库的一致性？9. 你是在哈尔滨还是山东？是东北人吗？（因为想知道我是我们学校哪个校区的）10. Spark 的原理你了解吗？Docker 用过吗？11. Hadoop 有哪些组件？12. Spark 的数据结构有哪些？（因为这个岗是数据开发，我也不知道为啥捞我）13. Transformer 模型是哪年的论文？作者/公司是谁？（我真不行了）14. 请解释Transformer中的K、Q、V分别是什么？（我真看过，但是全忘了。。。）15. 你能否讲讲你的科研经历？16. BERT17. 你们是用什么硬件训练的？（CPU/GPU，是否使用Linux）18. 除了这个方向，还对哪些科研方向感兴趣？19. 是否了解NLP或大语言模型（如MOE）？20. 是否了解Launcher for J、On 4G1 等工具？21. 是否用过AI辅助编程工具？如DeepSeek、ChatGPT等？22. 你觉得DeepSeek和GPT哪个更好？DeepSeek能写代码吗（质疑）（我反正自己用起来觉得完全没问题，但是需要自己调试）23. 你用哪个IDE？是否支持接入大模型？24. 是否对比过Claude、GPT-4等其他模型？25. 是否了解CNN等其他AI模型？26. Linux中如何创建一个文件夹？27. 如何一次性创建多层文件夹？28. 如何在一个文件中过滤出包含“error”关键词的行？（我不行了我们学校经常用Linux系统做实验但是命令基本全是我现去找d老师问，只能回答26，其他的不记得呵呵）29. Maven如何进行打包？30. Git在什么场景下使用？31. 加入新公司后，Git操作的基本流程是什么？（如clone、设置remote、分支操作等）32. 什么是Spring Boot和SSM33. MySQL的ACID分别代表什么？（行了到这里已经神智不清了中英文都对应错了，你自己觉得搞笑不）（面试官还安慰我他也记不清了没事）34. 什么是“不可能三角”（CAP理论）？35. 多线程如何创建？除了线程池还有哪些方式？36. JVM的垃圾回收机制是怎样的？37. JVM内存结构有哪些部分？（如堆、栈、方法区等）38. 你常用的JDK版本是什么？到这里已经彻底破防了脑子都不清醒了，面试官说其实我们招实习生还是想要聪明肯干的我问你两个智力题，，，大概是因为我八股说得太差了，所以想找点我可能能答得上来的。还好说出来了要不然就是一个彻头彻尾又懒又蠢的傻货了。39. 抛三个硬币，两正一反的概率是多少？40. 三个都是正面的概率是多少？42. 编程题：找出字符串中第一个不重复的字符（核心函数）破如防，崩如溃。

1.挑一个项目介绍2.了解实习经历3.针对实习项目，问数据层次怎么分层4.数据分层的作用5.针对具体实习项目，说明业务逻辑6.说明实习项目的“订单量"这个指标从源头到产出的 ETL过程7.针对实习项目，复盘后最大的难点是什么8.复盘之后有什么收获9.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?10.处理小文件有哪些方法，举例子11.hive冷热分离的方法12.你刚才提到了组里有做ec存储，你了解ec存储吗13.暑期实习有什么感受，转正了吗14.了解spark的semi join吗，他是干嘛的15.了解spark的AQE，这是什么16.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17.了解网络吗?讲讲三次握手和四次握手区别。18.了解数据结构吗?讲讲0(nlog n)的不稳定排序算法Q1.求开方:给定排序算法。num=5.79，error=1e-8，求x使得abs(x^2-num)

平安银行 数据开发1.问实习，实习中最大的挑战2.sql掌握的怎么样，笔试里面的排序问题，三种排序的区别3.个人的组织能力4.个人的未来规划5.数仓分层有哪些6.懂金融的知识吗？7.反问：工作的具体内容。回答：根据业务需求，设计模型。但是面完就没后续了。总的来说问的很简单，面试官介绍的工作内容听起来主要是理需求，技术要求并不高。

1、自我介绍2、询问实习——》感觉讲的时间长了，讲了5分钟。中间没给面试官反问，且逻辑较混乱3、项目的技术栈4、讲一下Spark的sql执行流程5、宽窄依赖怎么理解的？6、有一条SparkSQL执行很慢，你会怎么排查。7、你如果要看OOM的话，有没有接触过相关的工具，你平常查看线程的工具用过吗？8、Doris用的什么表的模型9、Hive你了解怎么样？你简单说一下他的调优机制10、mapjoin涉及大小表的划分，那小表的划分按什么依据来的，会不会有优化器觉得是小表，但实际是大表的情况。11、一般来说Reduce个数一般怎么计算的？反问：1、是不是驻场开发（被先前的好几家外包整烦了，但不太应该在这里问的）——>不是，给客户提供大数据平台的，做大数据平台上的OLAP引擎开发的，如StarRocks。

1.MySQL数据库除了存储用户信息外还有存储别的信息吗？2.上传文件的文件名是怎么确定它的唯一性的？是否使用hash算法3.看到你的项目做了一个数据分层，为什么要这么做？有什么用？4.数据量大概多少？5.dwd层建表结构是什么样的6.ads层存放的是什么数据，表结构是什么？7.dwd层的数据怎么做分区的？8.如果说我们这个系统的一个原始数据非常庞大，达到10亿条，你应该怎么去处理？9.如果清洗完的DWD层数据依然非常庞大，你会怎么去做？10.如果说我想按照电影的类型去做一个评分排序，是否需要对ads层的表结构进行修改，该怎么实现用户勾选需要的类型去对评分排序？11.十亿条数据里怎么用MySQL或者MapReduce去找到中位数？12.MySQL的索引结构是什么？哪个引擎用的？13.B+树和B树之间有什么不同14.你觉得相比其他的树，为什么使用B+树？15.红黑树的底层实现原理16.红黑树在什么地方还用到了17.HashMap是怎么扩容的？条件是什么？18.HashMap扩容过程？19.为什么HashMap使用红黑树？20.python中列和？组的区别是什么？21.求字符串中最长无重复字符子串的长度

面试官说理解校招生不理解引擎相关知识点，主要提问项目。即使我的项目很水很简单，也一直在提问与项目技术栈相关的知识点。还有手撕代码。最后好像问了几个spark、数据倾斜的简单八股。

1.对称二叉树2.写一个排序算法3.项目拷打4.kafka和rabbitmq区别，为什么大家都使用kafka（不会rabbitmq）5.解释什么是kafka6.他的优势是什么？（数据不丢失balabala，副本，offset）打断了说的不对7.sql优化8.hdfs和Hive的区别9.spark和hive的区别10.hive中存储格式11.Application、job、stage、task区别12.宽依赖窄依赖13.scala里object和class方法的区别14.dateframe和dataset的区别15.TCPIp16.OSI七层17.java垃圾回收机制

1.介绍实习(讲了差不多20分钟2.两道sql(一道是求连续登录至少两天的用户，另一道比较简答)3.一道算法:有序数组求目标值出现的次数(二分)4.就先聊聊你对数仓的理解吧，比如为什么要建数仓，数仓分层，数仓兼容这些5.比如星型模型和雪花模型，有了解过吗?6.比如Spark的stage是怎么划分的?7.然后Hive的话，Hive的内部表和外部表有什么区别?8.HDFS中小文件比较多的话，会有什么问题?9.数据库，为什么要建索引?一般什么情况下建索引?10.索引是用什么数据结构存的?11.B+树大概是什么样的结构?12.快速排序，说一下快速排序的思路吧13.时间复杂度是多少呢?稳定吗14.什么情况下会变化?数组本身有什么特征会导致复杂度提升

满帮一面 1.实习问了细节2.手撕 三数之和=03.mapreduce与spark区别4.spark很容易出现的问题（内存问题）5.数仓分层二面常规hr面

1. 项目介绍2. 实习部门的业务介绍3. 工作中有什么数据倾斜的问题？4. Spark 的内存管理机制是怎样的？OOM 问题是怎么造成的5. 场景题：不一定要局限于 Spark 的框架。有一个很大的数组，这个数组有 1w 个元素，需要对这个数组从小到大进行一个全排序。但我们的内存没有那么多，磁盘够多。有没有什么办法以有限的内存，相对充足的磁盘空间来实现 1w 个元素的全排序6. 介绍一下什么是 Spark Job，什么是 Stage7. SQL 题 3 道。不难，题目忘了，用一些子查询窗口函数解的8. 算法题 leetcode 56 合并区间  mid

徕以为.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.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。

京东一面 1.假设检验原理，统计量的分布有哪些2.mapreduce原理，数据倾斜原因如何解决3.python：链表是什么，手撕反转链表，想要让子类强制使用父类中的功能如何做，生成器如何实现4.数据库中如何保留历史数据，以便查询5.sql题：连续登陆最长时间二面：1.如何判断数据是正态分布2.数据倾斜3.手撕：字符串中最长的不带有重复字符的连续子串4.项目问了几个问题

1. 实习介绍2. 实习中的难点 怎么解决3. 数仓中的数据如何流转4. 实习所在公司数仓如何分层5. 数仓分层的原因6. hive数据倾斜7. spark调优方式8. 分别用一个词总结自己最大的优点和最大的缺点无手撕

1. 项目介绍2. 实习拷打3. 数据仓库全流程开发，上下游4. 维度建模流程5. spark了解程度介绍6. spark UI平时用来去看什么7. flink了解程度介绍8. checkpoint和savepoint9. flink任务掉了怎么重跑10. Java、sklearn水平11. 提前实习六个月手撕：1. sql：查互关用户对2. 算法：hashmap

1. 项目介绍2. 实习经历 难点3. 数据倾斜4. CTE的执行计划5. spark stage怎么划分6. 什么算子会触发宽依赖7. hive内部表和外部表区别8. HDFS小文件过多会有什么问题9. 对数仓分层的理解10. 数仓业务域和主题域的区别手撕：1. sql：查询某段时间借书的uid2. sql：查询至少连续两天登录的用户3. 算法：有序重复数组返回n出现的次数

1. 项目介绍2. 实习业务介绍3. 实践中数据倾斜优化4. mysql事务隔离级别5. RDD容错机制6. RDD和partition的关系7. spark shuffle原理8. 冒泡排序复杂度手撕（一道题连续写了4问，面试官我谢谢泥）1. 查销售额最高的10个商品2. 查浏览但未下单的用户和商品组合3. 每个用户购买金额在其所属品类中的排名4. 连续下单超过3天的用户