大数据岗位到底有哪些分类？要做Spark/Flink，还是做数据平台？数据湖、数据中台、实时数仓、离线数仓有什么差别？各方向工资、天花板、发展路线是什么？哪些方向更容易进大厂？整个大数据世界可以划分4层：1.存储层：HDFS+ / HBase+ / Iceberg / Lakehouse+2.计算层：Spark / Flink / Presto / ClickHouse+3.平台层：数据平台 / 数据中台 / 数据治理4.应用层：数仓模型 / 指标体系 / 推荐 / 风控 / 运筹主攻岗位方向主要工作存储数据湖 / 存储工程师Iceberg、Hudi、OSS、S3，湖仓架构计算Spark工程师Spark SQL、RDD、优化、数据管道计算Flink工程师实时计算、流式任务、CEP平台数仓开发工程师离线模型、分层、Hive、指标体系平台实时数仓工程师Kafka + Flink + Hudi/Iceberg平台数据平台 / 数据中台工程师任务调度、元数据、血缘、治理、权限应用大数据算法工程师推荐 / 增长 / 风控 / 画像 / 定价优化应用数据分析 / 商业分析指标分析 / AB实验 / 洞察 / 业务建模未来都可期！

1. 针对你第一段或以Java语言为主的实习经历，介绍一下项目中的亮点或者难点。2. 你在消息推送改造中使用Redis ZSet加上线程池实现了定时推送，详细说说这个方案的设计思路。3. 在分布式系统中，多个实例同时扫描Redis ZSet时，要怎么保证任务不会重复执行？4. 从Redis中取到的任务执行超时（比如超过一秒），你们有什么措施防止任务堆积？5. 你们的Redis ZSet中是否有过期任务的概念？过期时间设置为多久？如果任务过期了，会怎么做清理？6. 系统中如果因为系统异常或业务异常，出现轮询Redis ZSet读不到数据（本身有数据却读不到）的情况，有没有做兜底处理？7. 你在项...

程序员的职业道路，到了中年确实面临转型，普通码农如果一直沉溺于代码，用黑话就是不积累可复用的方法论，很容易被市场淘汰。技术更新换代快，新人不断涌入，中年程序员一把年纪了还坚守一线，即便技能再新，也难逃被替代的命运，要么提升管理能力，但成功人数占比也不高，或者转向技术咨询、架构设计等更需要沉淀能力的岗位

1.21收到一面邀约1.22 一面结束 自己选的面试时间 同批还有23、25号 我选了最早的面试官不怎么认真 对我态度也一般面了十几分钟 就到了反问环节 我一波反问 他对我又来了点兴趣 交流了几个问题1.27收到二面邀请1.28 二面结束 这个面试官跟我交流很投机 几乎没有业务问题 只考察性格吧我反问了该岗位更看重什么 他回答的几个点跟我在回答里提到的一致（不排除是顺着我的思路在谈）现在在等消息 不知道后续容不容易挂我挺急的 因为今天某国企跟我确认了意向感觉下周就要走offer流程了心里还是希望pdd能过现在我应该先签别的 还是等等呢