问的比较少，感觉像是kpi1.MapReduce和Spark的区别2.spark的作业提交流程3.spark的RDD算子特点4.spark的宽依赖如何产生5.Flink如何检查背压（这里直接给我干懵逼了）6.left out join，inner join，full out join的区别7.数组和链表的区别8.Java的Map的底层实现反问：刚才答的怎么样面试官说spark的作业提交流程那里答的不是很好，没有体现资源分配过程，Flink背压通过看FlinkUI和日志文件检查出来

怎么查到自己是因为什么原因挂掉的呀

今天下午在群里看到的图，确实是对得起这个名字 #求职遇到的搞笑事件#

蔚来汽车AS一面面经7/5面试普通二本，老师推荐给的机会给蔚来投的简历，因此直接进入面试流程帖主有2个基本项目:1.selenium爬虫做招聘词条分析的简单项目2.美赛F奖的一个传统算法与机器学习相结合的音乐流派分析项目。1面:1.常规自我介绍2.介绍一下自己的第2个项目，然后我给面试官讲了为什么构建人际网络我不选择机器学习而是并查集，以及相似度类比用到的余弦相似度与k-means聚类，然后面试官问了一下k-means的原理与底层实现注意的细节，k-means的k值你是怎么定的呢？调参效果如何？余弦相似度介绍下为什么选择，他有什么优势吗？3.看了一下ACM经历，介绍下自己竞赛经历给你带来了什么...