接着上回讲，这几篇秋招的朋友们可以看看，现在假如面试问到你可以吹吹牛。机器学习属于计算机或人工智能研究生的必修课，有些学校也开这个课，不过本科教育大伙懂的都懂，我明确可以说我自己学校教的没我自己教的好，我自己学的比他讲的细致多了，NLP任务：这里是重头戏了，已经有transformer架构了能替代RNN了。Transformer架构：现在NLP风头最盛，最好用的就算transformer了。这个东西也是后面出来的，为什么替代RNN，原因是提出了自注意力机制。然后比RNN快的多（解决了并行计算问题，这也是为什么现在能看到多卡并行计算的原因，10年前根本难以实现。）这个东西我要讲的细致些，这个架构...

1. 自我介绍2. 深挖项目3. 你的 dwd 层，dwm 层，ads 层是怎么确定的4. 你说你对离线整个链路的建设很了解，那你说说你如何开发整个离线链路5. spark 内存模型了解吗6. 抢占内存是个什么机制？7. spark 内存方面的调优说一下8. 你说 CPU executor 内存比例是 144，为什么是这个比例？9. spark 的 join 方式有哪些？10. spark 1 个 CPU 核心只处理一个 task 吗？11. soft merge join 的机制是什么？12. spark 大表关联小表的时候，小表，是怎么广播表到内存中的？13. spark 广播的小表储存在哪里？14. 广播的小表又是怎么取出计算的？15. 两道 sql，topN 和连续登录反问：1.组织架构2.喜欢什么样的人才3.工作强度如何大约45min感觉要凉，特意在面前看了spark的内存模型，以为自己基本上懂了，结果被狂问到不会

在InnoDB引擎中，表空间由段（segment），区（extent），页（page），行（row）组成，他们之间的关系是：一个段由多个区组成，一个区由多个页组成，一个页由多个行组成行：数据库表中的记录都是按照行来存储的，根据不同的引擎，有不同的存储结构页：在读取数据的时候，是按照页为单位进行读取的，并不以行读取；一个页默认大小是16kb，也就是最多能保证16kb的连续存储；当我们客户端读取数据的时候，并不是把行数据读取，而是把该行所在的页全部读取到内存中；在这里，我们只需要知道数据读取的最小单位是页即可；区：在B+数中，每一层都是通过双向链表进行链接；在页的定义中，我们知道，一个页里面的数据...

场景优化方面：怎样解决数据倾斜的，主题域的划分，数仓分层的作用；你是如何进行数据同步的大数据组件八股：了解到什么大数据组件，分别有什么作用；HDFS怎么读取文件；spark宽窄依赖sql方面：手撕或者口述连续登录思路；留存率问题；简单点就是两表连接