普本普实习普项目还是不要碰瓷数开了

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    top1000:00            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

rt，lz27双非，原本学的是数开，现在才发觉双非本数开几乎没有任何机会。自认为学习能力尚可，转java后端还来得及吗，会mysql和kafka，javaweb也会一点，转java还是梭哈考研呢引流：腾讯，字节，阿里，京东

1.有过使用机器学习模型的经验吗？2.介绍一下psm-did和相关项目（我实习中没做过相关项目，面试官让我介绍了论文）3.倾向性得分是怎么计算的4.用的什么预测模型？5.为什么选择用逻辑回归？6.考虑过随林森林之类的预测模型吗？7.能介绍下逻辑回归的原理和假设吗？逻辑回归和随机森林的区别？如果再来一次，会在什么情况下使用逻辑回归，什么情况下使用随机森林8.介绍实习项目：项目深挖了几个问题9.策略的分析制定你没有参与？你只是分析后续的实验效果？10.在该体裁上的策略不影响其他体裁的gmv吗？11.其他体裁的转化效率你们有看吗？12.其他体裁gmv是否有显著提升吗？实验中有关注吗？13.实验分析关注哪些指标？14.会有围栏指标吗？（不应该变化且不能负的指标）15.实验开了多久？有测算样本量吗？样本量的计算逻辑？16.为什么开这么久？

1. 主要问简历项目2. lora原理以及AB矩阵初始化3. 开放性：你觉得你的xx项目还能怎么优化？如果给你足够的时间和资源，你会怎么做？手撕1. 返回严格递增最长子序列长度2. 手写lora公式反问部门业务：b站搜推大组