真的是年轻时努力奋斗，才换来了现在的加班和熬夜，这些居然都是通过不懈努力才换来的

在大数据面试，数据倾斜几乎是必问题。Doris是大数据后起之秀，越来越多面试官喜欢问Doris的问题。要深入探讨数据倾斜问题，首先需要了解Doris的核心架构和工作原理。Doris采用了分布式存储和计算分离的设计，主要由FE（Frontend）和BE（Backend）两大组件构成。FE负责元数据管理和查询解析，而BE则负责数据的存储和计算。数据在BE节点上以Tablet为单位进行分片存储，通过分桶（Bucketing）机制将数据分配到不同的节点上。这种设计初衷是为了实现数据的均匀分布和并行计算，但实际应用中，由于数据本身的特性或建表策略的不足，数据的分布往往难以达到理想的平衡状态。例如，当某个...

个人背景：🔥985硕士，计算机专业，研究方向为机器学习/数据挖掘- 有推荐系统相关项目，Kaggle竞赛经历- 面试岗位：滴滴出行-算法工程师（机器学习/运筹优化方向）📝 面试全流程回顾1. 笔试（线上编程+数学）-算法题（2道，LeetCode中等偏上难度）- 动态规划：最长递增子序列变种（需优化到O(nlogn)）- 图论：Dijkstra算法实现+路径还原- 数学题（概率统计+线性代数）- 贝叶斯定理应用题（拼车场景下的概率计算）- 矩阵分解（SVD）的原理与优化意义2. 技术一面（1小时）- 代码能力- 手撕：实现带权随机抽样（Reservoir Sampling变种）- 代码优化：如何减少时间复杂度？- 机器学习基础- XGBoost vs LightGBM的差异？如何选择分裂点？- 如何解决推荐系统中的冷启动问题？- 业务场景题- 滴滴拼车订单匹配如何建模？（聚类+贪心算法的取舍）3. 技术二面（1.5小时）- 项目深挖- 详细介绍Kaggle竞赛方案（特征工程、模型融合技巧）- 追问：如果数据分布偏移（如疫情前后出行规律变化），如何调整模型？- 系统设计- 设计一个实时ETA（预估到达时间）系统：- 数据源（GPS/交通路况/历史数据）- 模型选型（时序模型+在线学习）- 异常情况处理（突发拥堵如何动态调整？）- 算法发散题- 如何用算法减少司机空驶率？（转化为图的最短路径问题）4. HR面（30分钟）- 团队协作经历、抗压能力举例- 期望薪资与工作地点偏好🌟 总体而言，滴滴面试强度还是可以的，问题问的很细，如果不会的话，同学们尽量委婉回答，引导面试官问出问题。滴滴待遇还是相当可以的，最后给大家一个内推链接，还有内推码。🚘投递方式【内推链接】https://app.mokahr.com/m/campus_apply/didiglobal/96064?recommendCode=DSW46Dg7&hash=%23%2Fjobs#/jobs【内推码】DSW46Dg7全流程跟进，投递的同学评论区留言，方便后续跟进，秋招加油！       

米哈游2025春季校园招聘开启啦！⏰网申时间：即日起-5月5日即刻投递：点击前往投递专属内推码：15G87面向对象：2025届毕业生（2024.9-2025.8毕业）岗位类别：美术&表现类、程序&技术类、产品策划类、运营类、市场&商务类、国际化类、质量管理类、综合类学历和专业要求‌：‌米哈游在校招时更重视应聘者的能力，‌而非特定的学历或专业背景。‌具体的要求可以查看岗位职责的描述。‌‌‌简历加分项‌：‌不同岗位有不同的简历加分项，‌具体可查看米哈游校招的官方信息或相关岗位描述。‌‌‌内推码的优势‌：‌使用内推码投递的简历可以被优先筛选，‌这是内推的一个明显优势。‌‌‌投...