美团一面面经，已约二面

30min八股和业务，20min手撕1.自我介绍2.项目中业务数据用MySQL来存储，MySQL的事务有了解过吗3.b树和b+树区别4.慢SQL处理，sparkSQL运行慢如何处理5.hive和spark区别6. 为什么要有DWD层 如何构建的，有没有进行一些指标的分析7.DWS层作用，如何进行构建的，建表依据8.没有ADS层可以吗9.业务域和数据域什么区别，不同主题域是否会有重叠10.有接触过数据治理吗11.如果让你接手一个 数据治理项目，会从哪些层面着手12.ER模型和维度 模型区别13.MapReduce中有几个排序，有什么区别14.索引有什么作用手撕:连续登录大于3天用户ID有的记不清了，大概这些最后反问:当前阶段是加强对技术栈的理解更重要还是业务方面的理解答，对于学生阶段更应该深入技术栈，加强学习，以后工作可以加强对业务的理解作为面试官，在考察时更注重哪些层面的能力答，会更加看重对做的项目的理解，比如做一件事为什么要做这件事，为什么要用这种方法，看有没有进行这个思考，以及思考的深度

昨天二面的，已经卡链接一天了求求腾子给个offer吧,可怜可怜孩子吧

一面（面试官很好！很有耐心！）1.spark中rdd叫弹性分布式数据集，这个弹性的含义2.小文件的危害以及怎么处理3.spark中宽依赖、窄依赖4.stage的划分5.kafka怎么保证数据不重复消费（没回答上，但说了怎么重复消费数据）6.checkpoint机制7.spark的三种join（boardcast join,sort merge join,shuffle hash join）7.四道sql（前两道很简单，第三道次日留存和七日留存，第四道连续登录问题）8.算法题：移动最少区间个数 使得剩余区间无重叠1. 输入：[1,2][2,3][4,6][1,3]2. 输出：13. 解释：移除[1,3]后，剩余区间无重叠（面试后在牛客网看见有人分享这道算法题）一面最后面试官还问我以后的计划，我说打算先实习明年春招边实习边找工作，她居然问我没想留着字节吗（我当然想！）中间有些问题没想起来，耗时1小时40分钟二面（面试官很好！问的都是和数仓相关的，结合我的实习问）1.之前工作都干了什么2.之前实习搭建数仓的结构3.了解事实表吗，了解维度表吗4.怎么和其他人对接的5.你属于风控部门，但主要是构建数仓开发，那有没有和其他数据开发人员交流过6.你只有一段实习吧，那实习前后有什么感悟吗7.为什么要选择数据开发（我说因为之前实习是干数仓的，他说不要因为之前干什么就觉得以后三十年干什么，实习还是丰富点，看看干什么）8.最后反问二面耗时50分钟，感觉面试官对我回答的第七个问题不满意，只是我明年要毕业了，得多来一份垂直的实习建议多复习spark、hive方面的八股文、概念问题，实习生主要负责离线数仓开发

坐标深圳，26届，面的Java开发实习生，由于这次面试来的很突然加上我对面试准备的不深，八股什么的知识只是刚刚起步而已，加上问题大多问的其实不是和技术很相关，所以参考价值不是很大，还请见谅。1、简单的自我介绍（这里我就简述了下简历上的在校经历、专业技能、以及项目内容）2、一道场景题（记不清了，好像是什么给我一个模块让我去开发，如何去实现之类的）3、假设作为一个项目的管理人，如何协调不同开发组之间可能有的矛盾冲突（这里答得很笼统，基本上就是先安抚双方后分析矛盾问题，再进行沟通讨论合理技术方案）4、中途参加进入项目以后如何协调之前的开发情景与后续的开发方向之类的（回答的也算含糊不清，主要就是说要先对之前的项目进行了解与分析，明白它的功能与目的后，再和之前的开发团体进行交流沟通确定好下一部分开发目标，技术选型之类）5、还是场景题，记得是好像是数据库设计之类？ 大意大概是给一个开发目标，怎么去设计数据库表以及与现有的数据库进行调整（答得很含糊）6、问了项目相关的问题（这里问的是我项目里用OSS上传图片，简述下流程，我答得是之前接触的很少，所以根据网上的一些资料，进行的这些开发）7、问的是在校大学三年主要干了些什么（因为这里看我简历上没有什么竞赛经验，项目也比较基础），我答得就是主要就是在学习必修的专业课程以及把这些理论知识转化成实践去运用（感觉答得不行）8、问职业规划（答得也比较笼统，大意是先积累实习经验再转化到工作经验，最后再深入了解常用的技术与业务逻辑之类）9、反问（我问的有幸入职后相关于薪资待遇和住宿交通，这类问题说是后面HR来回复，然后就是问入职后负责哪些工作，回复说好像百分之70在管理，30在开发，可能这里就是问其他技术和八股比较少的原因）这里忘了问面试评价了。总结：这次面试是我个人的初次面试，由于面试来的意料之外加上准备不足，导致很狼狈，然后忘记开录音复盘记忆也很凌乱，总面试时长只有十多分钟，大概率是寄了。后续可能需要再对自己的项目进行一些技术栈的深挖，和对场景题的把握。