中间带数据开发实习面试

😏自取

1.过往经历集中在数据分析，如何看待自己的职业发展，对数仓这个岗位如何能确定自己是能长期做下去的2.介绍一下过往项目，要求详细说明项目的背景，做了什么，怎么做的，结果如何3.一个比较抽象的问题：如果目前有很多视频，有用户id，视频id，开始播放时间，结束播放时间，怎么计算某个时间点最大的视频播放量，不用写sql，口述即可4.在这个过程中遇到数据倾斜的问题，比如某个视频播放量特别大，该如何做分桶，针对哪个字段5.spark中造成数据倾斜的原因是什么（落在shuffle）6.spark中的stage和task是并行还是串行的？spark中有哪些算子会造成数据倾斜？解决数据倾斜的手段有哪些7.了解索...

1.自我介绍2.说一个深刻的实习项目3.项目中的分层是怎么做的4.你认为的分层的意义5.这个数仓分层可以优化吗6.spark和mr的区别7.spark的执行过程8.driver和executor的作用9.说说宽窄依赖10.数据倾斜发生的情况和解决方法11.算法 dp类型 没a出来12.sql 七天内留存用户的单数，去除首单13.反问面完十分钟出结果，死的非常快啊，感觉是倒在算法上了。反问的时候说是大池子面试，问不了业务内容，直接给我连招打断了，gg

自我介绍 简历深挖：完整地介绍项目：项目背景、遇到的问题、你是怎么解决的、最终效果怎么样、以及怎么去度量它的价值然后是疯狂的拷打：质疑建模维度的实际应用价值，模型的提升大概有多大，XGB的优势RF也有为什么不选RF等等 A/B测试1. 做A/B test时，如果发现结果不显著，可能是什么原因导致的？2. 针对这些原因，有什么解决办法？或者如何提前避免、事后补救？3. 如何判断结果不显著具体是哪一个原因导致的？4. （针对样本量不足）样本量应该增大到多少？我们怎么去做一个估算？5. 如果是分流不平均（抽样不均）的情况，应该怎么解决？6. 如果在某个特征上发现非常不均匀，有什么好的处理办法吗？7....