1.短期和长期方向为什么选大数据开发2.数据开发的核心价值，和对岗位的认知3.数据岗位的人员应该有什么样的能力4.宏观角度看数据的处理流程，该了解哪些技术栈5.实习期间遇到的最大问题和解决办法6.清晰介绍实习项目的业务逻辑简单题和编程 40 分钟Q1.给定sq1语句:7.问索引加在什么字段会提高查询速度8.内连接join是小表驱动大表还是大表驱动小表9.sq1执行顺序:where->J0IN->GROUPBYか香Q2.给定两个一对多的表A和B。10.问A left join B有哪几条结果Q3.给定sq1语句。11.问有多少个Map Reduce过程Q4.sq1编程，求表的互关对user love1 22 11 3返回（1，2）即可反问

总共50分钟10分钟自身情况1.自我介绍2.实习项目技术栈最大难题3.实习项目解决的业务痛点30分钟情景题Q.消息队列，数据量很大，实时性强，给定数据是三元组(from_uid, to_uid, video_id)，表示抖音视频的转发过程，from用户转发给to用户一个为a的视频，然后求每个视频转发的最大深度，输出二元组(video_id, max_depth)from_uid to_uid video_id1 2 a2 3 a……我公式写个dfs，他说怎么处理实时性我公式搞个时间窗口，每一小时进行一次计算，他说消息递归太多会爆我说存储上一次计算的结果，用空间换时间，他说万一树的最大深度不在上...

项目实习 1.数据清洗策略怎么应用，人工核查还是有工具2.分层有哪些依据道理3.对维度退化如何理解4.指标体系计算是指哪些指标5.最大事实表数据量有多少6.规则质控校验，怎么判断达标率提升7.一些任务跑的很慢，怎么去调优和解决8.flink接触到哪些，核心工作，怎么去使用9.数据延迟怎么处理，有没有做一些操作手撕，两道SQL1.用户最早一次和最近一次评论2.每日用户次日留存率，3日留存率，7日留存率反问已凉

1.mapreduce执行流程2.hdfs如何保证数据一致性3.flink和kafka如何保证数据的一致性4.flink的checkpoint里的barrier对齐和非对齐分别如何实现exactly-once；非对齐实现需要怎么做？5.kafka如何保证数据一致性6.spark和mr的shuffle有哪些区别7.spark的内存参数一般怎么调整；一般集群的spark内存参数会在什么样的一个级别？8.数仓分层，每一层有什么作用？具体的全链路流程是什么样的？9.维表应该如何进行设计？10.用户画像如何搭建？11.然后是一些数据结构的考察。12.然后是两道sparksql题，不难。其中一个是考察数据构造，需要对sparksql有较深的使用了解。

项目追问： 1.你如何去评估一个数据仓库的好坏？2.你如何去完成数据的质量治理？3.你如何去制定优化数据仓库的方法？总体来说都是很开放性的题目，要对数据仓库有自己的思维和理解，以及要有一定的整体意识和目标意识。八股：1.spark的作业调度2.spark和mapreduce的区别3.sparksql的执行流程以及catalyst优化4.spark的内存结构5.flink和spark有什么区别？项目的flink是如何使用的？八股部分比较基础。算法：三道简单sql一道leetcode hot100

第一次分享笔经，测评做了好多感觉做完就忘，发帖也当作之后的复盘了吧~数分岗，笔试题量不算少，选择和简答都有。知识点主要考了数据结构，交叉验证，AB测试，SQL，还有一些少部分的概率论和机器学习。因为没有运行测试SQL题不确定有没有error，感觉其中一道小题错了，另一半应该差不多能跑出来。简答小问比我想的要多一些，没安排好时间，写完没怎么检查就交卷了。。。本来还可以前后跨着去看看不确定的题。哎不过到这个阶段都是大心脏辣，发个笔经攒攒人品吧

一面： 1.实习经历追问，数仓建设流程 ，为什么要设计各个层2.spark的任务调度流程，spark的数据量级3.spark的性能优化经验？4.如何定位任务失败？有哪些原因？分别应该怎么处理5.对于数据治理的理解，在元数据管理的治理中不同的元数据分别有什么作用？你是怎么使用的？6.数据倾斜的情况在具体的什么业务中出现，举例，并给出你的优化方案7.如何去保障数据的质量？数据标准你是如何制定的？8.为什么源数据存在mongoDB？9.了解agent么？大致讲一下agent的工作原理，mcp和functioncalls的区别是什么？10.是否参与过模型的微调？agent的数据具体如何处理？数据增强那一块是怎么做的？手撕：拓扑排序，leetcode hot100课程表的变形 medium难度（之前背过模版所以还好）二面：1.具体追问了数据倾斜和OOM的问题是如何处理？2.数据治理这一块你做了什么？不要说数据治理分这些3.你是怎么做数据监控的？有哪些方面的监控？你如何具体定位问题去解决？4.你的数据标准是如何制定的？你如何去保证数据的准确性和一致性？5.agent这块是否了解？你实习主要是做什么的？agent的原理和强化学习这些是否有了解过？手撕：接雨水 用了双指针后要求用单调栈

技术 (1)你们数仓用什么建模方法，说出常见的建模方法?(2)维度建模有什么好处?为什么选择这个?比如最后业务需求要增加一个维度，我们需要做什么工作?(3)怎么判断一个需求能不能实现，你们的判断标准是什么?需求变更要做什么(4)增加一个维度后发现查询的速度变得非常慢:是什么原因导致的?(5)你们ADS层的数据量每天的数据量有多大?ADS层再MySQL中的表是怎么创建的?有什么注意事项?索引怎么创建的?(6)你知道Spark的宽窄依赖吗?有没有把宽依赖转化为窄依赖的例子?(7)Spark参数调优做了些什么?算法(1)-个1ist[1,5,5,7,9]去重，并计算时间空间复杂度(2)单链表的反转

1.实习经历追问，数仓建设流程，为什么要设计各个层2.spark的任务调度流程，spark的数据量级3.spark的性能优化经验?4.如何定位任务失败?有哪些原因?分别应该怎么处理5.对于数据治理的理解，在元数据管理的治理中不同的元数据分别有什么作用?你是怎么使用的?6.数据倾斜的情况在具体的什么业务中出现，举例，并给出你的优化方案7.如何去保障数据的质量?数据标准你是如何制定的?8.为什么源数据存在mongoDB?9.了解agent么?大致讲-下agent的工作原理，mcp和functioncalls的区别是什么?10.是否参与过模型的微调?agent的数据具体如何处理?数据增强那一块是怎么做的?手撕:拓扑排序，leetcode hot100课程表的变拊俺侄 medium难度

面试时间：2025.03面试部门：生活服务timeline：3.12一面，后续已拒一面（45min）自我介绍离线数仓项目介绍（业务细节+建模过程）实习经历中如何整合异构数据源（说了数据采集工具、采集过程以及ELT思路）事实表的分类及其应用场景（事务型，周期快照型，累计快照型）简要说明数据倾斜问题如何解决（hive+spark）sql手撕：最大连续登录天数算法手撕：数组倒序排序（选一种排序方法即可，我选的快排）

10.13 忘了发了拷打项目，和市面上常用的有什么区别？当前公司常用的统计数据方式有哪些？分析项目的业务数据结构？有实习吗？有不那么底层的项目吗（？）Spark了解吗？从代码到输出结果，Spark引擎做了什么（紧张了没答上来）SQL题：表1：(id, date), is_new表2（领取红包记录）：id, date, time, money未领取红包的次日、7日每日DAU，最近1个月3天连续登录占比反问：建议：从整体解决方案出发，多了解业务链路更多理解应用、架构，基于平台来处理数据数据建模要加强，上下游链路多了解底层：了解源码、如何优化（Data Infra）、底层架构能力追问：现在在哪，什么时候毕业？（我还以为有机会。。。。）

总共就一面，一个技术人员，一个HR，两个人一起面已oc1.自我介绍2.哪里人3.实习主要参与工作4.数据采集用的什么工具5.数据分层优点，每一层是怎么样的数据6.对Hadoop熟悉吗，有自己部署过吗7.高可用有搭过吗8.secondary NameNode作用与NameNode区别9.Hadoop和Doris有什么差别10.flink主要用来做什么11.flink cdc用过吗12.用的哪个flink运行模式13.了解MR的shuffle吗，为什么要去做shuffle14. MR和Spark差别15. 数据倾斜问题，解决方案16.什么途径了解到公司17.是否接受长期出差18.工作地，加班

面试时间：2025.03面试部门：核心本地商业-基础研发平台timeline：3.7一面3.12二面3.15 oc一面（30min）自我介绍，问到岗时间离线数仓的项目简单介绍，是否用到数仓分层？项目中数仓分层的具体规划，每一层都存储了哪些内容？为什么要进行数仓分层？星型模型和雪花模型的对比了解Spark SQL调优吗？（不太了解，详细说了hive调优的内容）是否了解一些新兴的技术？（回答数据湖，Hudi/Paimon/Iceberg，然后对比了数据湖和数据仓库的应用场景）SQL手撕：给一张Customer表和Product表，查询出购买所有商品的顾客反问：业务主要做些什么二面（30min）自我...

1.实习项目主要内容是什么?2.会java吗?3.说下数仓建模的分层4.说下维度模型5.星型模型和雪花模型的区别6.什么情况下使用星型/雪花模型更好7.HDFS读流程?原则是什么?8.了解spark吗?说一下宽依赖和窄依赖?9.了解 flink吗?10.hiveSQL怎么优化?搞成说明HQL的提交流程了11.机器学习的一些基本算法?12.英语口语可以吗?反问1.大数据开发是以java为主吗？2.基于前面的面试表现，如果想从事大数据开发，有什么需要加强的吗

一共分为两个部分，一个是能力，一个是语言。能力一共有4道题，好像第一部分一共15min。一、能力部分1. 自我介绍，我说的比较长，还差2min就倒计时结束，所以没有追问。2. 分享学校里最难的课程，难点在哪，你是怎么解决的。结果如何？（追问很多，说车轱辘话，我觉得纯粹因为我首答太少）3. 公司调查需要学习数据分析的员工很多，但是真正开设了数据分析课以后参加和完成的人又很少，为什么会这样？（追问：解决方法是？你为什么这么认为）4. 工作学习中你有比负责人更好的意见，该怎么和他沟通，说一下沟通思路？我说的短，又问了你觉得为什么这么沟通？二、英语1. 读一段英文。不算特别难，单词没有6级和雅思的难。2. 口译，AI说一段，你说出中文意思。难点在于记下他说了什么内容，我觉得翻译没有难度，就是记不住一些名词的顺序。比如说了体育锻炼，有哪些比较流行？列举了，但是我忘记了。3. 你申请oppo的动机是什么？没有追问，简单说两句即可

80分钟自我介绍5分钟认知问题20分钟1.短期和长期方向为什么选大数据开发2.数据开发的核心价值，和对岗位的认知3.数据岗位的人员应该有什么样的能力4.宏观角度看数据的处理流程，该了解哪些技术栈5.实习期间遇到的最大问题和解决办法6.清晰介绍实习项目的业务逻辑简单题和编程40分钟Q1.给定sql语句。7.问索引加在什么字段会提高查询速度8.内连接join是小表驱动大表还是大表驱动小表9.sql执行顺序：where->JOIN->GROUP BYQ2.给定两个一对多的表A和B。10.问A left join B有哪几条结果Q3.给定sql语句。11.问有多少个Map Reduce过程...

1、自我介绍；2、两段实习提问，公司领域、工作内容、工作地点；3、项目提问，主要思路与内容；4、工作base意愿；5、介绍了岗位工作内容，问有哪些经历能说明匹配岗位；6、无反问。结束的很快，有点难评，感觉像是KPI面，问的内容也都很表面，所以我答的也就不轻不重的，早面完早学行测了

平安银行数据开发岗二面，一面是AI面，二面20分钟，形式是腾讯会议。 1、 自我介绍 2、 银行的业务 3、 数据开发岗位的理解、职责 4、 期望工作是偏技术还是业务-销售业务等 5、 是否用过Java, Spark 6、 问了一个场景题时间线9.13 投递9.19 测评9.28 技术笔试10.20 AI面10.30 二面-技术面，针对简历

1.自我介绍2.简历面，海外用增组问了用增相关的经历，会看什么指标，怎么判断异常，做了什么工作等等3.sql四个题，牛客中等&困难级别订单表 uid，paytime，category，amount1）第一题比较简单忘记了…2）消费力前10%的用户的首单类目和首单金额3）连续购买牙刷牙膏纸巾啤酒（期间没购买过其他类目商品）的用户—这道题耗时太久了，因为第一题是类目维度的我先入为主以为是类目维度（比如买了牙刷牙刷牙刷牙膏牙膏纸巾啤酒的也算）。写到最后太复杂了结果面试官才说是订单维度…面试官手打的题目比较随意，可以写之前多问问要的到底是什么4）购买过某三个类目（都购买）且仅购买过这三个类目的人4.统计学&AB实验1）设计AB实验，主要是指标设计，怎么检验显著2）Ttest和Ztest区别5.反问全程五十分钟，手机电脑双机位。面试官态度挺好的，写完sql也会跟你讨论怎么优化。