米哈游数开秋招凉经

一面
1.自我介绍
2. 最常耗时的一个SQL，怎么定位这个问题，包括怎么去做的优化。
3. 有考虑过索引的优化吗？
4. 同学在跑SQL的时候有没有explain这个SQL去看一下它的执行计划呢？
5. 假如explain发现SQL执行计划没有错乱、没有不合理的情况，但实际上跑的还是很慢，同学有考虑过这是为什么吗？
6. 同学怎么去判断到底是资源不足导致的慢，还是数据倾斜导致的慢呢？
7. 能不能从Spark SQL的内部角度谈一下，一个SQL怎么从字符串变成最后可执行的task的？
8. join的优化会影响在哪一层上吗？比方说a join b改成b join a，实际影响的是哪一层的执行计划
9. 怎么去判断一个Spark任务是否存在倾斜
10. 除了Spark UI，根据业务判断，可不可以从SQL特征上判断出数据倾斜呢？
11. group by数据倾斜
12. join的倾斜是怎么处理的，聚合的倾斜是怎么处理的。
13. 加盐的话会有什么副作用吗？
14. 加完盐之后能一次得到结果吗？
15. 如果倾斜的key占到整个数据的大概70%，用broadcast的方式不行，同学会考虑怎么办呢？
16. 在Spark内部，broadcast之后是怎么实现的？广播的数据存在哪儿？使用的是什么数据结构呢？
17. 同学有了解过broadcast这张表过大的话，Spark会怎么去控制这个情况发生吗？
18. 如果broadcast的阈值设置不合理，比方说设成了1G，会有什么情况发生呢？
19. driver会因为broadcast表过大而发生OOM吗？
20. orc相比text file，在执行层面会快在哪？为什么要用orc而不用text file，优势在于哪？
21. 除了压缩、列式存储，orc文件的结构有什么特征吗？
22. orc与parquet优势在哪，缺点在哪？
。。。。。。实习相关内容
36. 有一张员工表，字段是员工ID和薪资，希望通过SQL找到里面第二高的工资是多少？不用窗口函数该怎么实现呢？
37. 同学有了解过Java的内存模型吗？
38. 同学有了解过Java的hashCode和equals之间的关系吗？
39. 同学有了解过Java的类加载器的相关内容吗？比方说分为几种类加载器，加载顺序是什么样的？
40. 同学对垃圾回收机制有了解过吗？有了解过CMS和G1吗？
41. CMS的缺点是什么呢？为什么它扫描时间会很久呢？CMS不是并发的吗？
42. 同学常用的OLAP引擎是什么？
43. 同学有了解过Doris的tablet是什么吗？
44. Doris的分区和分桶有什么区别吗？
45. 分区和分桶各有什么好处呢？
46. 同学有了解过实时相关的概念吗？了解过Kafka的topic和partition之间有什么关系吗？
47. Kafka里面的offset同学有了解过它是干什么用的吗？offset是全局的还是分区内的？
48. 有一个场景：MySQL里有一张20亿数据的表，不使用任何数据同步组件（比如canal、maxwell、flink cdc等），怎么把数据从MySQL迁移到Hive或者Doris里面？
49. 在读取MySQL数据做分批迁移的时候，怎么分片读呢？比方说表里面有一个时间字段，该怎么利用？
编程题：二叉搜索树转化为双端链表

二面
1.自我介绍
2.实习介绍
3.数据治理怎么做的

SQL题：
已知数仓表 t 的结构包含：
uid（int）
vid（string）
start_time（yyyy-mm-dd hh:ll:ss）
end_time（yyyy-mm-dd hh:ll:ss）
dt（分区字段）
hour（分区字段）

数据样例：
uid=100043435，
vid=f1ewmkflgkl2ds，
start_time=2025-12-24 18:06:18，
end_time=2025-12-24 18:17:25，
dt=2025-12-24，
hour=18。

求出一天内每5分钟的视频播放量top10
最终结果
start_time    end_time    top10
00:00            00:05        ....
00:05            00:10        ....
.....

4.java抽象类和接口的区别
5.什么情况用抽象类什么情况用接口
5.java 中lock和synchronized的区别
6.编程题：实现一个滑动窗口数据结构，支持实时评算窗口内的最大值、最小值和平均值。
    第二问：求最大值、最小值不用数据结构、排序、组内遍历，还有别的实现方式吗

一面问麻了
二面炸缸了
#数据人offer决赛圈怎么选# #26届校招投递进展# #数据开发面经#