一面: 1.自我介绍 2.你会的语言java,scala,python 说说他们的区别(问了很长时间) 3.说说你对大数据生态的理解，需要那些组件(存储，计算，采集等等啥的) 4.Mapreduce的详细流程说一下 5.hive，spark，MapReduce都是怎么进行数据计算的，有没有什么联系 6.数仓分层，传统数仓和大数据数仓啥区别 7.电商业务常见的数据域说一下 8.数据湖了解过吗？ 数仓发展趋势 了解过吗？ 二面: 1.一道算法题和一道sql 2.实习的时候遇到的难点，怎么解决的，后续怎么优化的 3.你在做报表开发...

用两个栈完成一个队列，具体思路肯定是把一个栈中的元素全部倒到另一个栈中，然后另一个栈出栈。因此我们让一个栈用来入队，另一个栈用来出队。 入队的时候直接往一个栈中添加元素即可。 出队的时候如果第二个栈没有元素，我们需要把一个栈中的元素全部导到第二个栈中。 那么如果第二个栈有元素的话，直接出栈即可。这样便可以完成模拟队列的工作。

这道题的主要思路是通过队列来实现。利用队列先进先出的原则来实现二叉树的程序遍历。因此首先写一个层序遍历二叉树的模板。 Queue queue = new new ArrayDeque<>(); queue.add(root); int next = 0; int now = 1; while(!queue.isEmpty()){ while(now>=1){ TreeNode node = queue.poll(); if(node.left!=null){ queue.add(node.left); next++; } if(node.right!=null){ queue...

这道题也可以相当于快速排序的一个延伸。 快速排序的核心依然是partition操作。那么我们在成功的进行了一次partition操作之后，第一个元素就被放在了最终排序的位置。它左边的元素都小于它，右边的元素都大于它。 我们可以直接让这个元素的位置的k进行比较，如果和k相等，那么很明显这个元素左边的元素就是最小的k个数。 我们只需要把它左边的元素一次添加到数组中返回就得到了最终答案。 如果p>k，那么很明显我们可以去左边递归地找，如果p<k那么我们可以递归到右边去找。 代码如下: public int[] getMinKNums(...

这道题总体来说比较复杂。首先说一下本题主要用的思想是hashmap+双向链表。 为什么要使用hashmap，因为这样在根据key取值的时候很快，如果只有一个双向链表，那么需要遍历去找值，很麻烦。 为什么要使用双向链表，因为会不断涉及到元素的插入删除，如果单链表删除的话很麻烦。 首先就是定义一个数据结构: static class Node{ int k,v; Node pre,next; public Node(int k,int v) { this.k = k; this.v = v; } } 然后遍历输入的数组。 ...

解题思路: 本题主要用的方法是快速排序。 首先快速排序最核心的一点是partition操作，指的是通过一次partition操作可以将数组中第一个元素放在一个最终排序后的位置，即它的左边全部小于它，它的右边全部大于它。 我们可以通过划定边界的方法来完成，用l 来标识小于等于边界，即l之前的元素全部小于这个元素。r标识大于边界，r右边的元素全部大于这个元素。 那么只需要通过l++来遍历整个数组，给他们所有元素安排到对应的位置上就行。 while(l<=r) 为什么要加等于，因为l 和 r 表示的都是这个元素还没比较呢。 我们把第一个元素定义为target，当前...

解题思路: 首先定义两个指针。 第一个指针用来保存当前遍历节点前一个节点。 第二个指针用来保存当前遍历的这个节点的下一个节点，因为改变当前节点的next值后会导致之前的next值改变。 就以head指针来遍历整个链表，当head为null的时候结束遍历。此时需要注意提前返回，因为不然的话最后返回的head为null，不符合题目要求。     

其实大致思路就是先写一个快速排序的partition操作。 然后使得第一个元素，左边的元素都小于他，右边的元素就大于他。最终这个元素就落在了正确的位置上。 因为这个元素所在的位置就是最正确的，因此可以直接判断这个元素是否满足第k大的要求，如果满足的话那么直接把它返回。否则根据他和k的大小关系来决定是往左边找和往右边找。

杭州端点数据开发面经: 一面(大概40分钟): 感觉面试官更多的会根据你的简历来问你问题。所以先介绍一下我的简历。我的简历上大概写了自己会java、scala编程语言，熟悉大数据的技术栈，比如hive、spark、map reduce、Kafka、flink，然后两个项目，一个电商数据库一个直播推荐。 面试官首先问了java的垃圾回收机制。 介绍一下spark怎么基于内存计算的，这边说了主要了是基于rdd，然后问什么是rdd。Rdd是分布式弹性容错的数据集，又问了rdd的容错。（持久化和checkpoint）介绍DAG有向无环图。 Spark为什么比mapreduce快。 了解过cap原则吗。...

今天完成了判断链表是否有环，二叉树的遍历，构建LRU缓存队列，归并排序四道题目，写的都比较熟练了

今天写了3到代码题，分别是反转链表，快速排序，大数相加，写的都很熟练了