组长说:他看见最多的项目就是电商和rpc

起因是这样的，秋招到现在面了几家大厂，感觉有点道心破碎了一开始面的那两家确实准备不够充分（骑驴找马来着），八股不过关，后面觉得是时候沉淀一下了遂辞职猛攻八股，到现在半个月的时间，面试问的八股80%能答上来但是最近面的几家公司，都或多或少表示我的项目深度不足，所以我决定弄个RPC项目，但是看网上好多人说RPC项目“烂大街”之类的话，所以想求助一下各位友友，RPC项目还值得做吗？或者说佬们有什么好的建议吗？0offer，要崩溃了，双非本怎么才能进大厂啊

简历展示知识星球介绍（cpp c++公认的学习地）星球名字：奔跑中的cpp / c++里面服务也不会变，四个坚守目前:1.每天都会看大家打卡内容，给出合理性建议。2.大家如果需要简历指导，心里迷茫需要疏导都可以进行预约周六一对一辅导。3.每周五晚上九点答疑聊天不会变。4.进去星球了，后续如果有什么其他活动，服务，不收费不收费(可以合理赚钱就收取下星球费用，但是不割韭菜，保持初心)（还有经历时间考验的独家私密资料）

作为一名大数据工程专业的研究生，收到华为的实习面试邀请后，我既兴奋又有点紧张。华为在大数据、云计算和AI方面的项目一直颇具规模，我在实验室也经常用到华为云的分布式存储和计算工具，所以这次机会对我来说既是挑战，也是检验自己能力的时刻。面试当天是线上视频面试，HR提前一天发来了会议链接，还贴心地提醒我准备好稳定的网络和耳麦。面试开始，首先是自我介绍环节，我简单交代了自己的学业背景、参与过的项目，以及在实验室做的两个与数据仓库建设相关的课题。技术面提问部分面试官是一位资深的大数据架构师，第一句就直奔主题：“你在项目中具体承担了哪些角色？有没有数据模型设计的经验？”我提到了在校期间参与的一个基于Kimball维度建模的销售分析系统项目，并详细描述了如何在需求分析阶段识别业务过程和度量，以及如何根据不同的数据主题域设计星型模型与雪花模型。我还补充说明了在ETL流程中，如何处理缓慢变化维（SCD），尤其是Type 2类型的实现方法，包括在Hive中通过分区与有效期字段来管理历史数据。他听完后很感兴趣，追问：“如果我们有一个订单事实表，需要支持多维度分析，比如时间、客户、产品，但不同维度的数据规模和更新频率差异很大，你会怎样设计？”我答道：时间维度：预先生成完整的日期维并缓存在DW中，保持稳定不变；客户维度：考虑缓慢变化维，保证历史分析的准确性；产品维度：用码表+关联，保持高查询性能。并说明了在分布式环境（如Spark SQL）下，为避免join带来的性能瓶颈，可以使用广播join或分桶策略。场景题与解决思路接下来，他给了一个具体问题：“如果每天有上亿条设备日志进入系统，需要在分钟级完成故障模式检测，你会怎样设计架构？”我回答：数据采集：采用Flume/Kafka作为实时数据入口，将日志按主题与分区进行路由；实时计算：使用Flink进行流处理，通过窗口函数实现分钟级聚合；特征提取与模式匹配：在流计算过程中调用预先训练好的模型（可能是基于TensorFlow或PyTorch），完成在线推理；数据落地与分析：实时结果入ClickHouse或HBase，历史数据入Hive供离线分析；监控与告警：接入Prometheus+Grafana实现实时监控，并结合规则引擎触发告警。面试官点头认可，但提醒我在实际生产中需要考虑容错和数据延迟问题，比如Kafka的副本机制、Flink的checkpoint与状态恢复等。综合能力考察除了技术问题，他还考察了我的沟通能力与学习能力。他问：“如果你负责的某个数据模块上线后用户反馈查询慢，你会怎样定位问题？”我回答说会先定位问题范围：是前端展示慢还是后端查询慢；如果是后端，先看sql执行计划，分析是否由于join、group by等操作导致大量shuffle；再检查数据倾斜情况，必要时用加盐、按范围拆分等方式优化；同时关注底层存储的索引与分桶方式。思维延展与职业规划最后，他关心我的职业规划。我表示自己未来希望在数据架构与数据治理方向深耕，不仅掌握数据采集、处理、存储的全链路技术，还能从业务视角建立完善的维度模型和指标体系，提高企业数据资产价值。这与华为在智慧城市、通信网络、云平台等领域的需求非常契合。面试在轻松的氛围中结束，面试官说技术能力还不错，但建议我在模型设计中更多考虑跨域数据整合的复杂性，以及如何在超大规模数据环境下保持模型的易维护性。HR最后告知后续会有二面，可能会有更深层的系统设计题与现场编码题。面试感受与经验总结这次一面让我体会到几个关键点：准备要针对岗位需求 —— 华为的大数据实习不只是写代码，还要理解业务流、模型设计、性能优化，尤其是Kimball建模在企业级场景的落地方式。案例要具体 —— 面试时举的例子最好能体现规模、挑战与解决方案，比如数据量级、延迟要求、架构选型等细节。思维要全面 —— 技术方案不仅要能跑通，还要考虑高可用、可扩展性、运维成本等。表达要清晰 —— 把复杂的设计讲清楚，有时候比技术本身更重要。总之，这次面试虽然是虚拟的情景，但过程很真实，如果你未来准备大数据方向的华为面试，可以借鉴这种“技术细节+业务场景+性能优化”的答题方式，即使遇到陌生问题也能从架构思路入手，让面试官看到你的系统性思考能力

15傍晚走的内推投的简历，两个小时后就约面了部门介绍，没有自我介绍手撕：第k大的数，快速选择秒了秒了之后让写一个场景题的业务伪代码，大概就是并发扣减库存。说了下思路用乐观锁版本号实现，但是具体的伪代码写的不是很好，面试官叫我回去再研究研究项目：说一个最大的亮点：讲了秒杀方案，Redis预扣减+MQ异步改库存。面试官说业务选型不是很好，这个比较适合12306这种多平台售票，用户等待时长过长了。问我是不是网上学的，我说是（那也没这个能力自己想啊）八股：线程池核心参数，cpu密集核心数，io密集核心数，然后问cpu100ms io500ms问多少核心数。最后一个没见过，反问也是让我自己下去搜，查了一...