未来可期未来可期未来可期未来可期未来可期未来可期未来可期未来可期未来可期未来可期#牛客AI配图神器#

30分钟草草结束，不管啦，金五银六未来可期用户行为分析项目项目是否有明确用户需求，还是单纯练手？项目全程独自参与，如何规划拆分任务？作为 “产品 + 开发 + 测试” 角色，做查询分析的核心目的是什么？项目中遇到的最大技术问题是什么？用户分群指标体系是自主设计还是参考开源项目？手机竞争力分析项目分析过程中程序如何介入（工具 / 方法）？数据集来源是整体获取还是手动拼凑？图像处理去噪项目项目技术选型和问题解决的核心思考过程是什么？处理的图片数据量有多大？其他你有什么想问我的？#牛客AI配图神器#

字节面试官人很好，受到了鼓舞，受到了指点，感谢。还有很大不足，继续努力问题总览1.你的这个项目是自己找的数据做的吗？2.你的工作流和涉及到的技术栈是哪些？3.是基于原始明细数据直接做的吗？4.结构化数据一般是怎么清洗完成的？5.DWD层通常做哪些清洗？6.DWS层的模型通常是怎么设计的？7.了解维度建模、关系建模吗？8.正常一个数据仓库的工作流和技术栈有哪些？9.Sqoop主要用在哪个环节？做什么的？10.Hadoop和Spark各自优劣势是什么？11.Spark任务一般怎么优化？12.ClickHouse有哪些索引类型？13.ClickHouse中排序键、分片键怎么设置？...

1. 基本情况方向：数据工程，时间：40分钟结束、16:00开始，无手撕，多场景2. 自我介绍3. 一些能够回忆起来的（或许有不正确的地方）：（1）提问R：你这个项目是课程作业还是什么？R：那你说说Hive和ClickHouseR：你谈到了OLAP，那和OLTP有啥区别？R：没了？ClickHouse适合那种场景？R：可以用作实时数仓吗？R：课程中有数据库相关的吗？只有数据结构与算法？R：MySQL系统学习过吗？R：数据怎么导入到ClickHouse的？R：直接到ClickHouse？R：数仓分层？四层讲讲。R：那为什么要分层呢？DWS已经差不多了为什么还需要ADS呢？R：场景题：在你的表上新...

全部对话：传送门一、背景交代：本人26届本科生，最近在找数据开发方向实习，简历主项目是一个离线数仓项目，用了Python + ClickHouse + SQL + PowerBI。这家公司是我在BOSS上无意间看到的，一家初创企业（应该），投了之后直接就约面试了。一开始我还挺重视的，想练练项目介绍，结果——结果就是这篇帖子的标题。二、面试实录：“说话人1（我）”和“说话人2（面试官）”说话人1（我） 00:00 开始讲项目我先老老实实介绍我做的离线数仓项目，比如怎么从3.7GB的淘宝数据中筛选出核心“中间九日”，如何建立转化漏斗分析路径（PV→Cart→Buy），又为什么舍弃Fav行为，如何用...

YARN的资源调度器在多租户场景下的核心区别是什么？如何选择？Spark Shuffle过程中，数据倾斜通常有哪些表现？你会采取哪些优化手段？Hive中分区表Partition和分桶表Bucket的设计目的是什么？实际使用时如何抉择？MySQL的索引在哪些场景下会失效？请举例说明常见的索引优化误区。数据仓库中处理缓慢变化维SCD时，类型1和类型2策略的核心差异是什么？如何实现类型2维表的历史数据保留？每日五问总览✅ 1. YARN 的资源调度器在多租户场景下的核心区别是什么？如何选择？YARN 提供了三种主流资源调度器：CapacityScheduler、FairScheduler 和 FIF...

题目简单 笔试头一次ak 期待面试 接好运题目分享：20道选择题，两道算法题，一道SQL题#牛客AI配图神器# ##Q1 import collections s=input() ans=0 temp='ABCDEFGHIGKLMNOPQRSTUVWXYZ' cnt=collections.defaultdict(int) for ss in s: cnt[ss]+=ord(ss) for tt in temp: if cnt[tt]==0: ans += ord(tt) print(ans) ##Q3 from math impor...

HDFS如何实现数据冗余存储？数据节点宕机时，集群如何恢复数据？Spark中RDD、DataFrame和Dataset的核心区别是什么？实际处理数据时如何选择？Hive与MySQL在数据存储、查询执行和应用场景上有哪些关键差异？数据仓库维度建模中，事务型事实表和周期快照事实表的设计区别是什么？举例说明。使用ClickHouse进行高频查询时，如何通过表引擎选择和分区排序键优化性能？每日五问总览：传送门✅ 1. HDFS 如何实现数据冗余存储？数据节点宕机时，集群如何恢复数据？HDFS 通过副本机制实现数据冗余存储，默认将每个文件划分为多个 block，每个 block 会被复制成 3 个副本（...

有人要接吗评估了一个月#求职遇到的搞笑事件# #初筛#

在数仓设计中，如何确保数据的质量和一致性？应采取哪些措施？解释一下MySQL中的索引，以及它是如何提高查询性能的。MySQL中如何处理NULL值？NULL值在查询和比较时有什么特殊的处理方式？简述Secondary NameNode及其作用，它和Standby NameNode 有什么区别？ES提供了两种查询方式。请描述它们的区别，并举例说明适用场景。每日五问总览在数仓设计中，如何确保数据的质量和一致性？应采取哪些措施？为了确保数据仓库中的数据质量与一致性，应从多个方面着手。首先，建立严格的数据标准和业务规则，统一数据格式、单位和命名规范；其次，在 ETL 过程中对原始数据进行清洗、校验与转换...

MapReduce的Shuffle过程是怎样的？为什么Shuffle可能会成为MR任务的性能瓶颈？如何优化？MySQL的联合查询（JOIN）有哪几种类型，它们之间有什么区别？MySQL中的GROUP BY和ORDER BY有什么区别？什么是ETL过程？在数据仓库建设中，ETL的角色和重要性是什么？每日五问总览MapReduce的Shuffle过程是怎样的？在 MapReduce 中，Shuffle 是连接 Map 阶段和 Reduce 阶段的核心过程，主要包括数据的输出、传输与排序。具体来说，当 Map Task 处理完数据后，会将输出结果按照 key 进行分区（Partition），写入本地...

数据仓库的基本概念是什么？它与传统的数据库系统有何不同？说一下ES中的核心组件以及各自关系作用。MySQL中如何使用子查询？子查询和连接查询（JOIN）有什么区别？谈谈MapReduce中的Task。若MR中某个Task失败了，Hadoop会如何处理？每日五问总览数据仓库的基本概念是什么？它与传统的数据库系统有何不同？数据仓库是面向主题的、集成的、相对稳定的、反映历史变化的数据集合，主要用于支持企业管理决策。它与传统数据库系统最大的不同在于：传统数据库（OLTP） 主要用于处理日常业务操作，如插入、修改、删除，关注的是单点数据的事务一致性与实时性；而 数据仓库（OLAP） 更关注对大规模历史数...

前几天蚂蚁给我发了笔试通知，然后今天就突然给我发感谢信了？？笔试之前给我挂掉了？这是什么操作？我请问呢#笔试# #初筛#

偶遇三道位运算，拼尽全力无法战胜#笔试# #阿里云#