数字马力郑州

我一共面试百度3次了下面是最后一次面试问题1 先自我介绍2 数仓数据模型分层的好处3 spark的宽窄依赖 有向五环图能说一下吗4 看你会flink，开发flink的话需要注意啥，一般是写jar任务还是SQL任务居多，你感觉SQL任务能解决90%的实时问题吗5 看你是干财务的，你感觉做财务最需要注意啥，如何评价财务数仓建设的好6 来做几个题吧，第一道常规的SQL题，第二个是算法题 SQL是搞定了，但那个算法没做出来7 有啥想问我的

8.25投递，现在无测评无笔试无任何反馈一直还在筛选中，现在新上线了更适合我的岗位这个岗不要我能不能把握挂了让我转投其他啊非要一直拖着我不让我投其他岗位嘛

面试官很友好，上了先介绍了下他自己根据实习的内容穿插八股kafka的选举机制对cursor和transformer的了解springboot的优势手撕：二叉树中的最大路径和

📍 公司：虾皮（Shopee）💼 岗位：大数据开发工程师📅 面试时间线：7.30 一面8.4 二面8.8 收到感谢信（未通过）面试问题记录请介绍你实习中负责的数仓数据流向及核心业务场景。详细说明一个具体业务模块，包括所用技术栈与上下游用户。针对问题2中的业务，如何处理并发场景下的“不可重复读”问题？大数据技术栈掌握情况？重点提问 Spark 的使用经验。如何优化实际 Spark 任务？请举例（如数据倾斜、Shuffle 优化）。描述快速排序算法的基本思想（穿插在数据倾斜优化中考察基础）。是否遇到过数据写错的情况？若数仓数据写入 Kafka 错误，如何修复？➤ 进一步追问：HDFS 数据已错，但 Kafka → 业务表已生效，如何保证一致性与服务可用性？若需从某个 Kafka Topic 消费数据并入库数仓，你会如何设计流程？（开放性问题）🙌 面试感悟虽为实习经历深挖，但问题贴近真实生产场景，尤其关注高可用、数据一致性、容错与恢复机制；对数据链路的闭环理解要求较高，需清楚“从出错到修复”的全链路影响；建议提前准备：✅ 典型数据倾斜解决方案（如加盐、两阶段聚合）✅ Kafka 重放与幂等写入策略✅ 数仓分层中各层容灾与回溯能力设计📌 C端业务对数据质量与系统稳定性要求高，面试更倾向考察“出问题后怎么办”的应急思维。