9.11 一面（30min） 纯八股：介绍下hadoop（hdfs、mapreduce、yarn）介绍下hbase介绍下flinkflink checkpoint、connect和union的区别、flink如何处理数据倾斜介绍下kafkakafka如果有台机器挂掉会发生什么链表反转面试官全程表情和语气冷淡，体验不是很好..当然答得感觉也很一般

9.8 一面（30min）介绍下自己的项目，项目的内容和使用的技术栈细挖离线数仓项目mysql三范式hive内部表和外部表hive数据倾斜一道sql题9.11 二面（30min）两张亿级大表join有什么优化方案场景题：公司通过银行给员工发工资，银行要完成公司账户的扣款和员工账户的收款，这个场景要如何设计，要考虑哪些问题？介绍下离线数仓项目，几个人完成，多久完成，有哪些难点，现在回看还有哪些可以改进的点？如果公司有一个小型的数仓建设需求，要求三个人在一周内完成，你会如何安排进度计划和分工？

秋招第一个意向 感恩团子！二面和hr面感觉自己发挥得并不是很好，一度以为凉了...timeline:两次笔试都a四道多一丁点。8.29 一面8.31 二面9.5 hr面9.7 意向一面 60min:jvm了解哪些垃圾回收了解哪些主线程和另外十个线程，怎样使主线程最后执行完毕（join、await）flink checkpointkafka有序和不丢如何保证算法题 链表后半段逆序排列sql 一道较简单的题二面 1h 20min:说说自己对哪块比较熟（斗胆说了mysql和flink）一道牛客上的困难sql，用户连续登录（五），没写出来熟悉flink哪些原理？实时数仓项目有哪些难点，如何解决的？flink 精准一次如何实现？作业故障后如何恢复?大数据相关知识的学习方式，数仓建模理论哪里学的数仓分层 指标体系 原子指标 派生指标 衍生指标怎么理解业务过程？mysql：三范式 数据一致性和低冗余带来了什么问题（多表连接的性能问题，增加io次数） 多级join带来什么问题 介绍下索引 簇聚索引和二级索引 回表 有哪些方式可以防止回表查询linux系统 文件系统和权限管理是怎么实现的计算机网络 介绍下http协议，https怎么实现算法题 求数组的所有子集说说自己有哪些跳出舒适圈的经历？

快手二面（已挂）：两道算法题：1. topk 快排以及快排的优化2. 二叉树最大路径和flink相关的一些题其他忘了...饿了么二面（已挂）：介绍下实验室的项目简历上的实时数仓项目平时学习方式是什么？你有哪些主动走出舒适区的经历？你的优点/缺点有哪些？为改正自己的缺点做过哪些努力？你受过最大的挫折和困难是什么？你有哪些有成就感的经历？你选择岗位和公司有哪些考虑？

最近面试强度上来了...两天四场饿了么一面（40min）：介绍下实时项目对DWD和DIM层的理解，构建过程（背了套理论，面试官听笑了..）开发DWS层的目的（避免重复建设，数据一致性）Hive倾斜优化kafka底层数据存储（log文件分段，稀疏索引，mmap，零拷贝）flink状态flink checkpoint作用一道sql题没实习被diss了，面试官说做数仓的话更看重对业务的理解深度淘天一面（25min）：聊了会项目对数仓的理解，对分层的理解kafka exactly once、如何保证有序（broker缓存生产者端发送的request并进行排序，单分区有序，ack级别-1，幂等，2PC，隔离级别，消费者端事务性消费数据与提交offset）sql：求最大连续登录天数（两种解法）能不能提前去实习快手一面（1h）：之前面别的部门一面挂..捞面了两道leetcode1.在非降序数组中找到目标数的开始和结束位置（二分，最近面试做过不下三次了）2.恢复ip地址（dfs，思路对，但没调出来，面试官让面完再调调，发他邮箱，感恩！）实时项目，数据更新和变化了，会发生什么，如何处理java 线程等待synchronize和reentrantlock的区别wait和notify如何调用，为什么放在Object里看过什么源码mysql隔离级别，读已提交和可重复读是怎么实现的，可重复读如何解决幻读flink状态有哪几种，算子状态有哪几种（脑子抽了答Mapstate，其实没有..），状态后端有哪几种，哪种性能好京东二面（30min）：属于实时处理架构的团队，应该是主管。自我介绍完，面试官附和了句大黑山脚下，感觉像校友。深聊项目细节，技术的选型，区别，底层原理更喜欢踏实的、能自驱的候选人问了有无offer，面了几家公司有一说一，遇到的三个京东面试官都很好，许愿一个京东的hr面！感觉半个小时的面试算是比较舒服的时间，超过40min的有点顶不住。下一届求职的朋友们，电商离线数仓尽量换别的做吧，面试官看腻了都hh

8.19上午十点和十二点，两次面试间隔一个小时左右，面试时长都不超过30min，面完没消息，大概率凉了。一面：介绍一下离线数仓项目？说说你理解的数仓？数仓为什么要分层？mapreduce和spark的区别怎么理解指标？两个相对简单的sql题二面：介绍一下简历中你比较熟悉的一个项目分主题的目的是什么？为什么使用HBase存储维度表，怎么考虑的？HBase原理了解吗，和其他数据库比较有什么有优缺点？介绍下flinkflink中对时间的定义一个事件从source到sink是怎么被执行的？介绍下时间如何推进，迟到数据如何处理？flink窗口什么时候触发？

两次面试邮件里都写的是初试，不清楚第二次面试属于二面，还是一面挂了被共享到别的部门了。先说体验，两次的面试官都彬彬有礼，相对年长，可能是主管级别。问题由浅入深，从场景入手，通过思路的引导，了解你的知识掌握水平。之前理解的数据开发可能更偏向数仓开发，但很多公司数据开发岗位的工作内容是大数据组件的性能优化、数据引擎开发、数据服务开发等等，所以对java开发中多线程编程、jvm等是有较高要求的，我个人对jvm和多线程仅限于八股，理解尚浅，记了多少就说多少了。8.18：自己做的项目目的是什么，达到什么效果，遇到什么问题，收获什么效果数仓分层的目的CPU飙高有什么处理方式JVM调优了解吗（禁掉swap）JVM内存回收有哪几种算法是否做过java开发，servlet、spring容器生命周期是否了解full gc做了什么full gc有什么影响（STW），如何优化体验mysql索引为什么用b+树mysql事务隔离级别其他问题：如何看待京东、拼多多、淘宝这些app参加过什么社团最难的课程，如何克服为了准备秋招做了哪些努力，自己是否满意求职的时候考虑哪些因素自己有哪些优势8.23：jvm内存区域了解吗新建一个对象，如何分配内存空间？OOM发生在哪里，什么情况下发生？如何排查？垃圾收集器了解哪些，用过哪些，执行机制？多线程了解多少？是否用过线程池？使用场景？ThreadPoolExcutor有哪些参数，核心参数如何设置？怎么考虑的？阻塞队列用的哪种？需要考虑哪些因素？java集合的体系介绍下Flink（流处理，事件、时间、状态、窗口）时间有哪几种状态后端有哪些，状态比较大用哪种窗口有哪几种你的项目如何用到窗口的，tigger里是如何实现触发计算的。算法题：二叉树“之”字型层序遍历

提前批投的大数据开发岗位，共享到搜索架构工程师，面试官介绍是做最底层的数据处理、建索引、流式计算等，技术栈主要是c++。一面（40min）：离线数仓：项目介绍、整体流程、hdfs存储策略、时间尺度操作系统：进程和线程计算机网络：TCP和UDP区别、TCP如何保证可靠传输Python：list和tuple区别、深拷贝和浅拷贝算法题：链表删除指定位置的节点sql：学生表（id，class_id, score）,输出每个班级成绩排名第一的学生id；二面（1h）：写两个mapreduce程序：1. 给定一系列文本文件，文件中每行是一个ip，求出访问频率最高的1000个ip2. 1000亿数据和100亿数据求交集离线数仓项目数据采集使用的工具，flume和maxwellkafka在项目中的使用mapreduce过程flink数据防丢、防重通过什么方式来保证flink和spark流式处理的区别线程同步是怎么实现的（答了锁，面试官问了不了解信号）网络编程（socket）了解吗（不了解）算法二叉树层序遍历，输出格式为：行号： 该行对应的各个元素，空节点输出null二面mapreduce程序写不出来，太生疏了；其次感觉技术栈和岗位上也有些不太匹配，操作系统相关基础还是得再看看。下一家继续加油。

背景：985本硕，无实习，自学大数据相关技术栈，尚硅谷离线+实时数仓，实验室项目。hdfs读写流程mapreduce shufflemaptask和reducetask数目如何确定小文件过多对namenode有什么影响mr优化有哪些点进程和线程hive sql转换为mr的过程离线数仓项目：项目流程，思考，价值如何保证数据一致性如何衡量两个数仓的优劣两道题：1-1000的递增数组，找出导致不连续发生的那个数（遍历、二分查找）sql 连续登录问题自我感觉大部分答得都还行，可惜凉了，感觉没实习是个硬伤，自身经历也一般，下一家继续加油吧。