百度面试2024数据开发岗位

一面（4.24）： 总体30 min    1.为什么在上一家公司离职    2.对公司有什么诉求    3.理解到你的诉求是想提升技术了，那假如在公司干活不能提升你的技术那你会怎么办（跑路）    4.你希望自己以后成为什么样的人    5.AB test    6.标准明细表（没太听懂）    7.数仓的分层    8.spark为什么比MR快    9.项目中具体干了什么活    10.你觉得沟通很重要吗    11.如果你有简单的方案可以完成业务方的需求，但业务方坚持要你用他所提供的更复杂的方案怎么办（把两边的leader拉过来开会）    12.如果两边的leader都不想管这件事怎么办（？？？？？？？）    13.数据倾斜总体感觉一般，感觉和面试官在很多观点上有diff（面试官认为技术人员是为业务方服务的，要尽可能去完成业务方的需求；我认为技术人员和业务方是平等的，他让我干的活我不想做我可以选择不做面试官认为我在面试过程中提到的需求做不了这种事情不可能存在。你没接触过这么大数据量的数据当然不知道还有跑不动的任务）

自我介绍：是怎样的人，有怎样优势，做怎样改进岗位是否匹配预期介绍工作内容业务方沟通需求整理数据，提出数据，可视化提供给业务方能力：沟通，数据分层实践数仓了解多少机器学习拷打SQL考察思维题什么是数据分析面试官简述数据分析理解反问

#软件开发2024笔面经# 阿里云数据开发岗位面试公司名称:阿里云面试岗位:大数据开发整个是大数据开发，我以为是数仓开发，结果问的全是Spark问题，被搞自闭了。1，自我介绍2，park中RDD的Task数量由什么决定?3，Spark怎么实现算子中的变量共享?4，Spark共享变量的使用条件?5，可序列化?连接池实例是在算子内还是在算子外?我一开始没想好，先回答了连接池的作业:是为了连接的复用，将可能会用到的连接通道给提前打开，存在大量通信请求场景时，可以用到连接池来优化整个通信过程的效率。我回答是 连接池实例应该在算子外创建和管理，这样算子共享相同的连接池。但面试官说让我好好想想。然后问我如果进行网络连接，是一台电脑连接还是多台连接?应该是在算子内，通常是因为数据不能或不应当在算子之间共享，或者存在连接泄漏的风险。例如，在使用HBase时，连接器必须在算子内实例化连接池中的连接，以确保每个算子在处理数据时都能获得可用的连接。6，习惯用的语言?Scala熟练不?对Scala有什么看法?7，为什么选择Spark来处理数据?因为非结构化的数据多吗?这是3面，整个流程大概花了50分钟，问的问题脉友一场，知无不言

从用户态读取一个文件需要经过哪些流程编译原理输入一个url的过程负载均衡的算法，优缺点负载突然上升，要把节点的东西分给其他节点么一致性hash，想解决的问题虚拟节点想解决的问题redis读写流程进/线/协程，切换时分别要修改哪些东西单链表排序，不允许使用额外空间我说冒泡，归并，快排，他说让我自己想想？一个n * m的棋盘走到右下角有几种方法很明显的数学题，非得说不行，让我猜dp