总计35min，一场八股盛宴1. 自我介绍2. 深挖项目3. 数仓分层的建模理念4. 你的dwd层只做了数据的清洗转换，那没有这一层不是也可以嘛？（这里感觉回答的不好，说到最后反而觉得面试官说的有点道理。。）5. 除了三范式建模和数仓建模，其他建模方式了解嘛？ 我答不了解，不常用，书里有6. 聊聊雪花模型和星型模型7.  哪里人8.  数仓中的压缩算法和文件的存储格式了解嘛？ 答了parquet+snappy 和 zlib+orc9. orc的压缩倍率高还是parquet的压缩倍率高？ 我答orc，我猜的10. spark3的aqe了解吗？11. aqe的优化方向有哪些？12. aqe在什么场景下适用，在什么场景下用了反而不好？13. Flink 的exactly once14. Flink的两阶段提交和三阶段提交有啥差别？（我蒙的，我说Flink的两阶段提交实际上是三阶段的前两个阶段合并，利用checkpoint机制相当于合并了三阶段的前两个阶段）15. 场景题：大数据场景下，如何取某个参数为前1000的user_id16. 你们日常的需求开发流程是怎么样的？17. 场景题：如果有一个需求很紧急，需要插入到这次的开发进程中，你会怎么处理？18. 什么时间能来实习？反问：1. 业务2. 改进点3. 工作强度更新：已挂

这次的面试官非常友善，还在喝奶茶，全程都是笑着的，氛围非常棒1. 自我介绍2. 深挖项目3. 你在实习中做了哪些方面的工作？4. 你的专业？5. 手撕：设计一张hive表，用于储存用户的连续登录天数，你会怎么设计反问：1. 觉得我设计的这张表还能怎么优化，有没有更完善的方法？（说是用数组存会更加灵活，建议用数组存）2. 工作强度3. 业务主要负责方向（得知应该是整个数据中台均参与面试，最后分到哪个组还不一定）总共才30min，时间很短，不知道结果如何，许愿oc

1. 自我介绍2. 问项目，事无巨细3. 慢查询遇到过嘛？说一下怎么解决的5. spark的stage是怎么划分的6. 宽窄依赖讲一下7. mysql如何设计增量表8.手撕：sql：连续点击次数9.手撕完，sql语句的执行顺序10.你如何快速融入部门业务开发11. 能不能来提前实习真的累死了，连续讲了2个小时10min后又三面，我累了

1. 自我介绍2. 深挖项目3. 你们的指标体系是怎么建设的？4. （看我的简历的技术栈）你的模型优化是怎么优化的？5. 你的宽窄表是怎么设计的？6. 你说sql问题的定位，你讲讲平常的sql定位遇到的一些问题？7. 两道sql，3min秒了，第一道题就聚合，第二道题是连续登录面完秒约2面，10min后开始更一下timeline：9.9 一下午三面9.11 已挂，回人才库了

1h20min1. 自我介绍2. 深挖项目3. 项目难点4. 问了两段实习经历都在做什么5. 两道sql 次日留存和topN （这里有个坑，没有指定是哪一天，害我改了5-10min）6. ai coding  从prompt的设计，到可视化展示7. 能不能提前来实习反问：1. 对应届生的性格能力和技术栈的要求2. 本次面试中我有没有什么需要改进的地方3. 业务有哪些？ 这里面试官讲了很多，我表示非常认可9.11更新：9.5面试，9.11早上八点多回人才库了，感觉寄了9.11晚上更新，又回去了，等结果9.16更新：已oc，更新下时间线timeline：9.3 一面9.3一面后1h约二面9.5二面9.11 早上八点左右回人才库9.11 下午被捞回面试9.16 oc

先省流：凉经，面试官就进来的时候开了一下，不开摄像头，疯狂拷打90min，最后告诉我有缘再见...1. 自我介绍2. 自我介绍到一半就被打断3. 深挖项目（我介绍的时候说太抽象了听不懂，让我共享屏幕去绘制流程图4. 一个环节一个环节给面试官介绍，随时解答各种问题5. 手撕一道数学算法 平行四边形非力扣题，用例都要自己写反问：1. 公司业务2. 对候选人的要求3. 对我有啥建议更新：第二天挂，又被其他部门捞走

总计1h 0. 面试官介绍1. 自我介绍2. 深挖项目（这里巨细无比，连怎么开发的，设置什么参数都涉及到了，太狠了）3. 上一段实习经历为什么没转正？这一段实习经历能转正吗？4. spark了解吗？说下spark遇到查询时间过长的时候怎么解决5. 直接问具体表现是什么6. DAG图哪个地方？如何确定是map算子还是shuffle算子时间过长？ exchange exchange exchange!7. Flink的时间语义讲一下，最多用在哪个方面？8. Flink的sink了解吗？怎么sink的？9. 为什么选择落到doris中，是什么原因让你们选择了doris？10. Doris的性能优化讲一下11. 用过doris的索引吗？比如bitmap索引12. 你们在计算uv的时候有用到吗？13. 你说doris的多维聚合和分析能力很强，实际用过吗？14.  如何确保实时和离线指标一致？ 我差点展开说，被制止了15. 目前秋招进度怎么样了？有意向了吗？ 这里我说太多了，有点后悔，不应该具体说细节的手撕：sql：group聚合+lag窗口函数问我会不会java，我答不会，会python，手撕算法作罢反问：1. 业务有哪些？2. 对应届生的技术栈和性格素质的期待？3. 工作强度大吗？最后面试官给我提了个意见/建议，说我话太多了太冗余了，需要精简，确实应该好好思考一下。1h后更新：1面过了

1. 自我介绍。2. 深挖项目3. 在项目中，你具体负责和完成了哪些工作？4. 你们是如何划分DWD、DWM、ADS这些数据分层的？5. 在项目过程中遇到了哪些难点？6. 描述一下二次分区，以及它为什么能解决数据膨胀的问题？7. 你如何理解Flink中的“状态”？用了哪几种状态后端？8. 启动Flink任务后，状态是缓存在哪里的？9. 你刚说Hbase作为状态后端，实践过吗？ 我答只停留在理论，没实践过10. 能否描述一下Spark的执行原理和提交过程？11. 在做离线处理时，有遇到过数据倾斜的问题吗？是如何解决的？12. 你了解Flink的回撤流吗？你的使用场景下，会生成几条数据?  我答了1条，面试官告诉我是2条手撕： 三数之和 + 前缀积反问：1. 业务是什么2. 工作强度大不大3. 对正职能力和性格素质方面的要求1h7min，2/3的时间都在挖项目，最后两道算法，不知道为啥没有sql

省流总结： 招聘全栈工程师，不像互联网，没有平台，需要从底层原理聊起，完成ETL的相关任务。全程一问三不知，给面试官说用大数据组件的原理来解决问题，面试官说你具体说你会写什么技术器。1. 自我介绍2. dqc怎么配的？3. sla怎么配的？4. mysql发生数据的增删改的时候，你怎么同步？5. 你说用Flink cdc完成了数据同步，你讲讲具体怎么操作？6. 了不了解redis？7. redis为什么快8. redis的底层结构是什么？9. mysql的事务了解吗？10. 索引了解吗？有哪些索引？11. 前缀索引是怎么匹配的？12. 前缀索引的底层原理是什么？13. 前缀索引的数据结构是什么？14. 死锁了解吗？ 什么条件会导致死锁？15. 日常用的什么语言比较多？ 我答python和sql16. python多线程和多进程了解吗？17. 用python读过大数据量的表吗？18. 给一个分布式的多个机器，要同时访问/修改某个文件，你说说怎么解决？19. numpy怎么读大数据量的表20. 做过通知机器人吗？21. 智力题？硬币翻转 我说递归去做，面试官说你这只是提出了个方法，没给答案。22. 快排了解吗？说一下原理无手撕反问：1. 业务主要做什么2. 希望候选人具有什么样的品质3. 工作强度大不大被嫌弃了都是基于平台做的，说我不懂计算机的基础，这对于转专业数开鼠鼠来说，太难了....

1. 自我介绍2. 深挖项目3. 你的 dwd 层，dwm 层，ads 层是怎么确定的4. 你说你对离线整个链路的建设很了解，那你说说你如何开发整个离线链路5. spark 内存模型了解吗6. 抢占内存是个什么机制？7. spark 内存方面的调优说一下8. 你说 CPU executor 内存比例是 144，为什么是这个比例？9. spark 的 join 方式有哪些？10. spark 1 个 CPU 核心只处理一个 task 吗？11. soft merge join 的机制是什么？12. spark 大表关联小表的时候，小表，是怎么广播表到内存中的？13. spark 广播的小表储存在哪里？14. 广播的小表又是怎么取出计算的？15. 两道 sql，topN 和连续登录反问：1.组织架构2.喜欢什么样的人才3.工作强度如何大约45min感觉要凉，特意在面前看了spark的内存模型，以为自己基本上懂了，结果被狂问到不会

40min 1. 自我介绍 介绍完直接开八股2. 开发过程中，是你主导还是谁主导  答：mentor主导，这还能是我主导？？3. spark相比hive，有哪些区别？4. 数据倾斜遇到过吗？如何解决的5. spark的任务是如何运行的？ 答：单集群模式和yarn模式（但是回答单集群的时候答串了，对自己无语）6. 数仓建模你是怎么理解的？都是经典大八股手撕sql：1. top1002. 球队得分 思路是两表union再聚合---问的问题这么简单，是kpi吗.....timeline:8.25 一面8.26更新：约2面了8.28 二面8.29 看招聘流程，已挂

30min视频面试1. 自我介绍2. 数仓怎么分层的3. DWD和DWM层有什么区别4. ADS层和DWM层有什么区别5. 接触过ClickHouse吗 我答：没接触过，接触过doris6. Flink底层原理了解吗 我答：不了解，会使用flink sql和解决实际问题7. 一道sql 没写上来，没做过，连续10日评分下降的商家反问：1. 目前部门是做什么的2. 目前实习生会做什么3. 来实习需要学习哪些技能吐槽：面试了才知道这不是今日头条啊，是字节国际化电商总结：只会那几种题型还是不行，还是要多做几种题.... 太可惜了，还是要继续学习忘记更新了：进二面了，但是我拒了

视频面，共计45min1. 自我介绍2. 项目细节3. 项目难点4. 业务价值5. spark和mp问有没有了解过，我直接答了一套spark比mp好在哪里6. Hadoop的三大组件 下来发现错了，是yarn、hdfs、mapreduce，我答得是hdfs、hive和mapreduce7. HDFS的调用原理  简单讲了讲yarn这一套，具体细节忘了，还是得多记忆几遍8. 数据倾斜了解过吗？怎么解决9. 职业规划是什么10. 来b站想学什么，之前实习中学到了什么内容11. 一道sql，牛客较难，涉及到的是两个两表关联反问：1. 评价：对业务理解什么都不错，但是非科班出身担心基础问题，但是也不是什么大问题2. 部门主要负责的业务3. 实习生过来主要做什么--8.17更新7月底的时候已oc入职了，实习了20天已landing，准备开始秋招了，收到面试继续发面经

视频面，共计1h1. 自我介绍2. 项目中的难点  答：我实时和离线都各介绍了一个3. 日常需求的开发，是怎样的一个流程 答：从业务方提出需求->数仓的建设分层->上线4. hive或者spark日常调优的一些参数  答：我这里列举的主要是数据倾斜方面的spark和hive5. 我还想介绍row_number()倾斜的参数，面试官问我用过哪些窗口函数？ 答：row_number、rank、dense_rank6. 区别是什么？ 答：row_number 是 123 rank是11115 dense_rank是 111127. 如果业务方说要绘制个标签画像，你会提取哪些数据给他 答：有些乱答了，这个不咋会8. coding：6道题，第1道题是最大播放量及分区播放量所占比例 2道题是次日登录 最后一道题包含4个小问，topk、最大分区及其播放量、炸裂、正则反问：1. 面试官评价：挺不错的（第一次收到正面评价）2. 业务部门主要干啥3. 实习生主要干啥其他的记不太起来了