之前面试了一下顺丰公司，到了终面吧，面的是技术岗，聊的是一些非技术问题，连项目都不问，整体就过了10几分钟，感觉像是kpi面，这家公司真的是我想吐槽的，以后终身不参加这家面试，也不入职这家公司

实习入职第一天如果想瞬间跑路可能就是第一天去就要你做特别难的事情，并且压力全部在你这，而且你还没有好的思路

如果hr面试完成之后说记得看邮件或者电话就代表你应该是被录取了，后续等沟通offer和薪资待遇等等吧

对于找不到实习的一定首先简历要多投，然后面试完成要做复盘，将面试不懂的记下来面试后再来梳理，然后要加强学习

我在boss上转了一下，很多大厂hr都来找我，对我打招呼呢，可惜我最近不想跳槽，至少要明年才能走，除非公司裁我

大家想去华子也许是技术完全自研，福利待遇好，技术提升很大吧，也是大厂，名气很高，对于以后跳槽也方便

这可能是我面试的最烂的外包公司了，从收简历到约面试大概就1小时，给我的感觉就是是个人就能干，我大厂刚刚被裁，收了简历直接说预计多少薪资，我说了一个数字，好家伙给我砍了一半，还问我能不能来，真的不把人当人用啊，好歹也有大厂光环一上来就降薪，我直接说不给加10%起步别来烦我，我只想吐槽一下这薪资赚差价真大，简直不把人当人看，真是气死我了

面试蚂蚁金服到了技术3面，但没有hr面了问题如下；1项目介绍一下2 干的数据开发技术组件和模型以及数据治理说一下3离线数仓怎么确保任务及时性，任务产生了dqc告警怎么解决4 干财务工作模型该怎么设计5数据治理该怎么治理，比如模型治理，运行效率，和任务合理性以及跨层很多问题6 实时任务一旦延迟该怎么快速解决延迟，如何确保数据不重复，不丢数据，如何知道延迟7flink任务优化可以从哪些方面入手，对于效率问题该怎么操作8kafka分区和写入该怎么设计，怎么能确保下游消费数据不延迟，不丢数据9 实时数仓如何做到指标实时，并且数据不会算错，10对于olap引擎知道哪一些，哪个更好，后续推荐用哪一款来批流一体

滴滴属于大厂，里面工作强度挺高的，我是干数据开发的早10晚10是常有的事情，活也多，食堂吃饭还可以，每晚有30块钱的补贴，吃的很好，一般都是6菜一汤，也能学到东西，就是强度比较高，薪资在一众大厂居中，但月底最后一天发本月工资是真的香

在我最需要帮助的时候是你帮助了我，尤其是上大学没有生活费的时候你总是尽你最大努力给我赚钱，在我找工作失利的时候总是鼓励我要坚持找下去

这家公司是我面试最烂的公司，面试的人我怀疑是刚入职的，问的问题基本上不是大数据相关，都是问的运维和干运营的活，并且面试官整体有点高高在上的姿态，没有那种比较平易近人的感觉，面试整体下来感觉比较差，我反正感觉体验不好，今后终身不入这家公司，也是我面试以来最差的一次面试体验

1 在介绍数仓模型时大概分下面介绍数仓分层有哪些层，每一层的作用和构建原理，有哪些数据域和主题，对于域和主题是怎么划分的，数仓命名规范怎么定的，ads层主要是怎么设计的，数据怎么对外运用，数仓不能跨层依赖，dwd必须要有ods的所有字段，不能聚合操作，dws一般都是轻度聚合，比如用户和订单的聚合，ads通常不能直接来源dwd，只能从dim和dws来，dim层快照和非快照的区分2 实时任务如何做到不延迟我认为该这样答，首先确保source端消费能及时消费，要评估一下数据的QPS，然后中间计算阶段并行度要够，在规定时间需要计算完成，最后sink阶段需要及时落表，还有就是任务失败要从checkpoint拉起任务，并且消费kafka的偏移量要从最新的地方拉起，防止重复消费导致延迟，

1 介绍一下你做的数仓工作2 数仓模型怎么设计的，用到了哪些技术3 如何做到数据不延迟，数据准确4 你觉得一个好的数仓该怎么设计5 flink和spark的区别，spark的宽窄依赖，flink的3种窗口和并行度怎么算6 卡夫卡分区该怎么控制，如何监控一个实时任务是否延迟，怎么确保数据计算是准的7 经典面试题，用户的开会时长和用户的职级判断8 目前数据湖和数仓哪个用的广，平时有接触到湖仓吗，用的哪些技术，比如hudi,paimon等等，这些技术组件哪个更好，有哪些优缺点

 下面是我3轮技术面问的问题1 Hadoop包含哪些组件，分别介绍一下2 你眼中的大数据该干的活都有哪些3 数据延迟该怎么解决4 数仓模型设计流程，数据域，主题怎么划分，数据如何确保一定一致，如果数据出现丢失该怎么解决5 实时计算消费卡夫卡延迟该怎么处理，并行度和自愿该怎么分配可以做到不浪费也不会影响任务的产出6 你觉得自己在数据开发方面有哪些优点，平时是怎么表示出来的7你为什么要离职来阿里