1.介绍向量+bm25混合检索2.向量数据库索引知道哪些讲一下3.介绍HNSW索引，如何优化内存占用4.k8s组件有哪些，请求打到pod经过了什么5.docker和k8s的关系6.MySQL的b+树索引7.Redis持久化方案8.手撕反转链表

面经：自我介绍介绍netty的多路复用机制？介绍一下epoll是什么？（简历）介绍一下双token机制？refresh token的安全性这么考虑的？（简历）会话机制怎么校验当前客户端是他自己？（简历）布隆过滤器的业务场景是什么？他是为了做什么的？高并发的流量是由什么决定的？介绍一下synchronized和ReentrantLock的区别？介绍一下synchronized的底层实现？Monitor是用来做什么的？介绍一下ReentrantLock的底层？线程池的构造参数？介绍一下Spring的AOP？有没有了解过JDK动态代理为什么是基于接口的？介绍一下Spring的IoC？讲讲Ioc的循环...

连续拷打超过一小时，传统八股不多 大数据相关拉满1. 项目拷打，主要拷打我上一段实习做的数据项目的技术选型2. 算法题：搜索二叉树，找两个值最近的祖先3. 请简述进程和线程的区别4. 给我了一个二叉树，让我说出其前序、中序、后续遍历的顺序5. Spark相比于Hadoop MR的优势 和劣势在哪里6. 描述一下Spark的宽窄依赖7. 在大数据开发的过程中，有哪些常见的数据倾斜情况8. 你刚才说的Kafka的数据倾斜，通常是什么情况导致的？如何避免？什么情况下 无法避免？9. 如果由于数据倾斜，导致Kafka一个分区消费慢，有什么处理方法？这个方法 有什么局限性？10. 如果上游Kafka没有数据倾斜，你在用Flink消费的时候出现了数据倾斜，通常是 什么原因导致的？有什么解决方案？11. Hive外部表和内部表的区别？12. Hadoop中Map任务数和Reduce任务数的决定因素？应该如何优化呢？13. Hive中order by和sort by语句有什么区别？14. Linux下如何在shell脚本中判断上一条命令执行成功与否?

1、自我介绍2、项目：a.讲一个最熟悉的 Agent/RAG 项目b.项目中数据处理的难点 & 怎么解决的3、技术基础：a.大模型基础：Transformer 架构、注意力机制原理b. Agent 核心概念：规划、工具调用、记忆模块、反思机制c. RAG 全流程：文档清洗、切片策略、向量化模型、检索召回、重排序d. 向量数据库：FAISS/Milvus 原理、索引类型、性能优化e. 数据标注规范：怎么保证标注质量、数据清洗方法4、算法：a.数据召回率、精确率评估，怎么优化召回效果b.如何处理 Agent 工具调用的错误数据（数据校验、异常兜底）5、AI 业务理解：怎么提升 Agent 的回复准确性； 如何构建高质量的 Agent 训练 / 微调数据；对 MiniMax Agent 产品的理解 & 优化建议。

我答得有点散。现在回想，应该直接说，比如接到“分析上周用户流失原因”这种任务，先拆成：1. 定义清楚“流失”是啥（3天不登录还是7天？）；2. 自动去拉数据库里的行为日志和属性；3. 跑个聚类看流失用户特征有没有共性；4. 生成人话结论，比如“新版本发布后，30岁以上用户次留跌了5%”。这么一步步拆，Agent就知道每一步该调哪个工具，或者卡住了该抛给人

一面和二面都是电话面试，特别突然，完全是临场反应，现在已经offer啦，hr人很好，没有因为楼主是本科生就区别对待，比我之前面其他大厂体验都要好，发面经攒人品啦一面1.自我介绍2.深挖楼主的三段实习经历，本来答得很磕磕巴巴，面试官说要用star法则讲讲，实习的背景，主要做了什么，然后还有楼主的收获3.再仔细地深入地讲了在券商里数据库维护和数据更新校验部分做了什么（估计和实习要求有挂钩）4.SQL题考察（挺简单的）（1） select语句的运行顺序（2） 窗口函数的理解，partition by的用法（3）where限制里 !=，not in，is not的区别 三者的应用场景和区别在哪5对于小象超市业务的理解（楼主最近投了太多jd，其实这部分就是随机发挥，说的是和美团买菜很像，结果歪打正着了，还有对标七鲜之类的）6.AI发展下，openclaw还有gitops等ai产品的广泛应用对于替代运营或者说帮助运营来说，会有什么影响7.现在在做的学生工作，你的实习会影响你的学生工作吗（当然说不影响啦）8.由于楼主是27届的，这段实习是日常实习，很可能没有hc，问了问楼主未来的规划，楼主有什么样的思考最后就介绍了一下小象超市实习的一些具体情况，口头说一面过了，二面会第二天打电话来继续面试，做好准备，写不下啦，手机版的牛客网写文字不太好用，所以二面见我另一篇笔记吧～希望大家都能收到满意的offer

当时面完没太记录，有点记不清了，面了一面，二面, HR面和产品VP面，记得以下几个问题1.日活波动怎么分析2. 最近看的工具书，画一个脑图并介绍3. 跳出舒适圈的例子4. SQL题，还考了字符串相关5.实习分析的指标、解决的问题6. A/B test看提升频率如何排除其他因素的影响

25min 1.自我介绍2.三段实习，对哪一段最感兴趣3.所在部门面对的核心问题4.观测核心指标5.围绕这些指标做过的分析6.case：直播间gmv下降归因7.未来2-3年职业规划8.Ai对数据分析师的影响9.反问另外想问下有没有大佬说下得物大概多久反馈哇 周三面完没后续[哭惹R]

八股轰炸，头一次见只问八股的，小米简历挂俩次，这次捞了我还特地准备了很久项目1.自我介绍2.oop面向对象编程的四大特性3.string buffer和string builder的区别4.怎么解决缓存穿透，击穿，雪崩5.redis的数据结构有哪些6.redis的持久化都有哪几种7.布隆过滤器的原理8.python爬虫的原理9.反问业务是什么？说技术栈是spark＋python，感觉有点像大数据分析的岗不像后端表现怎么样？问的都答出来了，还不错

哎，真的心累了，一面二面好不容易都过了，而且印象好像还挺不错的，三面也准备的比较完善了。结果不幸的事情还是发生了，我感觉我能回答的已经很全面到位了，虽然能感觉到大leader应该是非技术出身的，但是有一些奇奇怪怪的问题我是真的有些无奈。自我介绍项目介绍你的项目使用了Paimon，那Spark，Hive这些与Paimon有什么区别为什么使用Paimon，有什么优点实习的时候，你学了什么新技术呢那你说一下离线作业的优化方法Spark参数怎么调？那么除了上面的你说的这些优化，像Hive，Spark或者数据湖这些分布式架构，他们共有的导致数据慢的问题有什么呢？你了解AI的实现技术架构吗？那你认为怎么用...

重新复习加深考点1. 实习内容2. 数据建模做了啥，上下游是谁3. 数据量大小，具体到每天的表4. 数据模型有哪些？5. 怎么定位解决实际开发问题的，可以围绕数据倾斜展开6. spark任务底层执行过程7.spark shuffle过程8. spark join 底层9. aqe底层是怎么实现的10.为什么做报表要hive2doris?11. doris底层，它索引什么类型12. doris和hive对比13. mysql数据库底层索引，为啥b+树叶子结点范围查找就更快14. 数仓分层有什么作用？15. spark源码看过吗？16. 算法题打家劫舍 空间时间复杂度

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。4/1 update一下，应该是挂了，没收到拒信但是从面试到现在已经五天了没消息，回想了一下应该是排位机制平衡性这里回答的不好，只说了我对elo机制的思考和我自己认为的改进方法，可能太片面了毕竟排位平衡的方法有很多。主包本身很少玩游戏，打游戏也是单机偏多很少玩要排位上分的（太累了），对这个的了解确实不多

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。