字节 数据开发

从25年2月到现在，接触大数据开发已经有一年了，从MySQL，orcal，到flink首先就是写SQL，毕竟大家大部分都是SQLboy，SQLgirl，SQL是基础，可以在力扣牛客上多刷题。手撕常考！数开作为技术岗中最贴近业务的岗位，理解业务过程并进行数仓建模是最重要的一部分建模这块主要涉及，指标维度建设，数仓分层，讲解项目结合业务来讲.技术栈主要分离线和实时，实时门槛工资相对高一点，但应用场景比离线少很多，离线是数仓的基础。大数据技术栈主要是Hadoop生态圈，分布式的一些东西，也就是八股基础的得会，得理解整个架构运作流程，光背是记不住的Hadoop，hive，spark离线最核心的技术栈，也是八股最常考的，实时主要是spark，flink其次是一些数据处理框架kafka，etl转换工具知道一些，怎么用的大数据的框架搭起来比较麻烦，时间赶的不建议亲自搭环境，理解项目业务过程，这个项目做了什么，整个数据链路能讲清楚即可。技术栈的一些相关学习渠道，博主是在B站上找视频学的，也够用，时间赶学重点就行，结合八股来看。最后是算法手撕，本人算法很烂，除了大厂基本不考这个。出的题一般比较简单，会hot100就行个人经验来看，简历上有了实时项目，很少问Hadoop八股，更偏重spark和flink。项目还是以离线为主。实习发现实时数据只占很少一部分，离线是底盘有了实习经历就不咋问项目了

之前面试过字节数据开发，问题如下1 先自我介绍2 将你目前的项目进行简单的介绍一下，技术栈和项目难点说明一下3 离线开发建模主要是怎么设计的模型，对于数据倾斜和大任务一般怎么优化的4 对于画像你是怎么理解的，画像一般都是有哪些模型需要设计，为什么需要画像5 对于用户的转化率和重合度为啥很多公司都要做这个，你目前做过吗，对于这个你是怎么思考的6 对于数据质量监控和实时开发你这边有涉及吗，怎么做的

1、介绍项目2、项目底层数据来源，数据量，全量还是增量，计算引擎3、spark执行原理4、spark和mr最大的区别是什么5、缓慢变化维是什么，怎么处理6、维度建模(雪花模型 星型模型)，数仓开发为什么使用维度建模7、数仓的分层架构，各层之间的区别，依赖关系，维度表放在哪里8、OLAP引擎9、为什么想做数仓10、数据质量(dqc sla)11、如果没有按时产出，原因可能是什么?(我答的是任务失败导致的 比如数据倾斜面试官说还可能由于上游数据没有及时产出)sql手撕1、判断主键唯一性怎么写代码(selectuserid spuid count)2、连续登录问题

1.自我介绍加拷打简历数分实习关注哪些指标？怎么构建的数据检测体系？数仓实习负责的什么内容？接触到的最大数据有多大？使用的是什么引擎？（因为数仓实习很水也没问出什么东西所以转向一些八股）2.八股题星座模型和雪花模型区别？效率差异数据冗余…链表和数组的差别？使用spark引擎做wordcount，基本的流程是什么？（类似一个项目提问，学校教过但那是十二个月以前学的了）总的来说问的很简单，和其他面经的问题比简直简单不要太多（可能是因为是实习生的原因）但是自己太菜还是有一些答得不太好3.编程题一道sql两道python的算法题sql有三小题，计算dau dnu，计算新增次留率、日活次留率，连续出勤三十天的用户统计python算法比较简单，是关于“买卖股票的最佳时机”，先遍历数组，再计算每一天卖出可能的利润，利润做比较求得利润最高的一天。