线下群面：五分钟读题，然后每人简单自我介绍+说出对题目的答案，然后讨论20分钟，最后5分钟派一个人总结。题目：（2选1）1、如何构建数据中台？2、设计一个智能家居，应该有哪些功能？用什么技术实现这些功能？测评：性格测试+图形推理+资料分析二面：1、自我介绍2、详细介绍一下项目3、实习的数据框架和项目的数据框架有什么区别吗？4、数据采集还了解其他工具或架构吗？5、数据加工处理还了解其他工具或架构吗？6、数据对外提供服务还了解哪些工具？7、介绍一下实习中大数据开发的流程和规范8、编译原理、数据库原理有了解过吗9、做题，说思路就好：（不用借助其他平台，想思路就好）上百T数据，里面有手机号，有5台机器，找出手机号出现频率最高的10个。自己的思路：将数据分为5份，让每一台数据处理一份，分别对数据进行排序，取出出现频率前10的手机号，最后把5台机器的结果汇总起来再进行排序，取出前10频率的手机号。面试官：那每台机器怎么取出频率最高的10个手机号？我：HashMap存储处理过的数据，key存放手机号，value存放出现次数，然后用小顶堆存放HashMap的数据，取10次堆顶的数据。面试官：每台机器取前10，加起来再取前10，但每天机器的前10不一定是准确的，即可能出现同一个手机号出现在不同的机器，怎么处理？（一开始理解错了问题）我：扩大前几的范围，前20、前50面试官：这个方法不解决问题，参考MR的计算原理，借鉴一下有没办法解决？我：（根据MR处理数据的流程说了一遍）面试官：了解Shuffle吗？我：了解，数据分区......面试官：对，就是Hash分区，先让相同的手机号放到同一个机器上，后面那套就通了，这个手机号就是这台机器的前10。大数据——海量数据处理的基本方法总结：https://blog.csdn.net/hong2511/article/details/80842704（数据进行Hash分区，分为5个文件，分别发给5台机器处理。每台机器用HashMap统计词频，然后用第一个文件建立一个小顶堆，只存频率最高的10个，然后第二个文件继续存入小顶堆。最后小顶堆里存在的10个号码就是最高频的）10、反问部门规模：数据业务中心，200多人，负责所有的数据建设和管理技术栈：需要用到什么就用什么，没有特定的技术栈，不限于某种技术候选人特质：没有特别倾向，对基础能力的掌握情况，对做过东西的了解程度，不仅仅是完成，做完后对背后的东西有比较好的理解。二面挂，个人分析是场景题没有做出来