淘天数据研发1面

大概面了50分钟，面试官人很好，全程无压力。1. 自我介绍2. 讲一下你做过的项目3. 你刚才说的是数仓的分层概念，介绍下每一层都有什么表，存储什么指标，之类的（记不太清了，总之是深挖项目）4. mapreduce的工作原理5. mapreduce的缺点6. spark为什么比mr好7. 了解实时处理比如flink吗8. 讲讲你的研究生课题9. 数据倾斜以及怎么处理10. 写一道sql吧（口述，挺简单的，窗口函数）11. 了解数分的东西吗12. 了解ab test吗13. 了解概率论吗14. 除了高斯分布以外的数据分布，了解吗15. 了解什么机器学习算法16. 了解什么分析指标，说课题中的指标或者项目中的指标都可以#牛客AI配图神器#17. 学习过程中有什么印象深刻的课程18. 讲讲join操作（说了spark的join）19. 有搭建数仓的经历吗？是如何搭建的（从数据获取，到数据存储，到分层搭建，到数仓调度运维）20. 反问大概是这些内容。面试官问了些数分的东西，但是确实不懂了。找实习以来的第一次面试，感觉准备还是不充分，数仓的东西问的不难，但是说的有些语无伦次了，还得练。#淘天暑期实习##数据仓库##数据研发#

有序数组 [2, 5, 7, 10, 14, 15, 18, 23, 35, 41, 51] 中查找12关键码比较次数6个圆盘汉诺塔，总的移动次数移动 n个圆盘的最少步数 = 2^n - 1Flink知识点考察（支持状态计算）kafka的高低级API构成排序二叉树中一条查找路径hive知识点考察awk {print $nf} test 的意思是打印文件 test 的每一行的最后一个字段算法两道无重复升序数组二分查找最长有效括号注：算法题不需要自己写输入输出，和leetcode的模式一样，可以用本地IDE

1.为什么从原司离职？2.简单介绍一下自己的实习经历3.集市对应的数仓架构4.纯数据团队和架构团队对应分工关系5.数仓分层6.数仓建模方式7.怎么区分哪些数据指标适合做到维度当中8.数仓集市开发过程9.Spark sql提交执行流程10.Spark调优例子11.Spark处理小文件方法12.Java创建线程有哪些方法13.集合有了解吗？List和set有什么区别14.评价一下自己性格

先说说开窗函数是个啥吧。简单点讲，开窗函数（Window Function）是Hive SQL里一种特殊的函数，它能在不改变数据行数的情况下，对一组相关的数据行进行计算。啥意思呢？就是说，普通的聚合函数比如SUM、AVG啥的，用了之后会把多行数据聚合成一行结果，但开窗函数不会，它会保留每一行的原始数据，同时还能基于某个“窗口”（也就是一组相关的行）做计算。为啥说它在大数据处理中重要呢？大数据的特点就是量大、维度多、逻辑复杂。咱们在分析数据的时候，经常会遇到一些场景，比如要对用户行为数据按时间排序后计算累计值，或者要给每个部门的员工排名，或者要找出每个分组里的前N个记录啥的。这些需求如果用传统的...