虾皮 大数据开发 一面 面经

项目拷打 1.请详细说明你当前所在公司日常进行数据统计时，主要采用哪些方式?这些方式分别适用于什么场景?例如针对实时数据统计、离线批量数据统计等不同需求，会选择不同的工具或方法吗?2.结合你参与过的具体项目，谈谈你是如何分析项目的业务数据结构的?请说明该数据结构包含哪些核心字段、表与表之间的关联关系，以及你是如何基于业务逻辑梳理清楚这些结构的?3.请问你有相关的数据处理或分析类实习经历吗?另外，你是否接触过非底层(如偏向业务应用层、基于现有平台进行数据处理而非搭建底层架构)的项目?如果有，请简要介绍项目背景和你的职责。4.Spark了解吗?5.从代码到输出结果，Spark引擎做了什么sql题目：表1:用户信息表(含id:用户唯一标识date:用户行为日期，is_new:是否为新用户标识，1表示新用户，0表示老用户)表2:红包领取记录表(含id:用户唯一标识，date:领取日期，time:领取时间，money:题目1:请编写SQL语句，计算"未领取红包的用户在未领取次日、未领取后7日的留存情况"(注:需先明确“未领取红包用户"的定义，即在指定时间范围内有行为记录(表1有数据)但表2无对应领取记录的用户，再计算该类用户在未领取红包日期的次日、第7日是否仍有行为记录(表1有数据)的留存率)。题目2:请编写SQL语句，完成以下两个指标的计算:(1)每日DAU(日活跃用户数):指每日有行为记录(表1中当日有数据)的独立用户数;(2)最近1个月内，3天连续登录的用户占比:即最近 30天内，至少有一次连续3天每日均有行为记录(表1中有对应日期数据)的用户数，占该月内总活跃用户数(表1中该月有至少一天数据的用户数)的比例。反问

1.实习项目主要内容是什么?2.会java吗?3.说下数仓建模的分层4.说下维度模型5.星型模型和雪花模型的区别6.什么情况下使用星型/雪花模型更好7.HDFS读流程?原则是什么?8.了解spark吗?说一下宽依赖和窄依赖?9.了解 flink吗?10.hiveSQL怎么优化?搞成说明HQL的提交流程了11.机器学习的一些基本算法?12.英语口语可以吗?反问1.大数据开发是以java为主吗？2.基于前面的面试表现，如果想从事大数据开发，有什么需要加强的吗

一面： 1.实习经历追问，数仓建设流程 ，为什么要设计各个层2.spark的任务调度流程，spark的数据量级3.spark的性能优化经验？4.如何定位任务失败？有哪些原因？分别应该怎么处理5.对于数据治理的理解，在元数据管理的治理中不同的元数据分别有什么作用？你是怎么使用的？6.数据倾斜的情况在具体的什么业务中出现，举例，并给出你的优化方案7.如何去保障数据的质量？数据标准你是如何制定的？8.为什么源数据存在mongoDB？9.了解agent么？大致讲一下agent的工作原理，mcp和functioncalls的区别是什么？10.是否参与过模型的微调？agent的数据具体如何处理？数据增强那一块是怎么做的？手撕：拓扑排序，leetcode hot100课程表的变形 medium难度（之前背过模版所以还好）二面：1.具体追问了数据倾斜和OOM的问题是如何处理？2.数据治理这一块你做了什么？不要说数据治理分这些3.你是怎么做数据监控的？有哪些方面的监控？你如何具体定位问题去解决？4.你的数据标准是如何制定的？你如何去保证数据的准确性和一致性？5.agent这块是否了解？你实习主要是做什么的？agent的原理和强化学习这些是否有了解过？手撕：接雨水 用了双指针后要求用单调栈

1、挑一个项目介绍一下2、实习询问（5min）3、项目拷打（20min）4、谈谈 Java 的 HashMap5、线程池的核心参数6、线程池从没有任务到繁忙起来，再到空闲这个过程中，参数是如何变化的？7、谈谈浅拷贝和深拷贝的区别8、谈谈 Java 的 String 是怎样的结构？内部怎么设计的？9、String 类在加载后会存在什么区域？10、谈谈 JVM 的内存模型11、GC 算法有哪些？每种算法应用在什么场景？12、谈谈 CMS 垃圾回收器的回收过程13、CMS 在哪些阶段会 Stop The World？14、谈谈 G1 和 CMS 的区别15、如何排查 OOM 问题？16、如何排查 CPU 100% 问题？17、日常开发过程中对于类冲突或者 jar 包冲突，如何去解决？（加载第三方包，和自己的环境不适配）18、MySQL 怎么去排查慢 SQL？19、谈谈 MySQL 的 InnoDB 存储引擎的索引结构20、为什么 InnoDB 不选择 B 树或者红黑树？21、MySQL 的排序 order by，对于大数据的排序，是怎么实现的？