1.自我介绍2.数据采集怎么接入3.每周数据量，增量同步与全量同步，采集策略4.维度表修改，怎么维护历史数据5.数仓分层每一层内容6.dwd和dws指标7.跨业务指标怎么计算8.校验规则在哪一层执行9.有没有遇到过数据质量问题影响上线的情况手撕，给定左右表达式，参数和关系运算符，求最后结果

项目实习 1.数据清洗策略怎么应用，人工核查还是有工具2.分层有哪些依据道理3.对维度退化如何理解4.指标体系计算是指哪些指标5.最大事实表数据量有多少6.规则质控校验，怎么判断达标率提升7.一些任务跑的很慢，怎么去调优和解决8.flink接触到哪些，核心工作，怎么去使用9.数据延迟怎么处理，有没有做一些操作手撕，两道SQL1.用户最早一次和最近一次评论2.每日用户次日留存率，3日留存率，7日留存率反问已凉

总共就一面，一个技术人员，一个HR，两个人一起面已oc1.自我介绍2.哪里人3.实习主要参与工作4.数据采集用的什么工具5.数据分层优点，每一层是怎么样的数据6.对Hadoop熟悉吗，有自己部署过吗7.高可用有搭过吗8.secondary NameNode作用与NameNode区别9.Hadoop和Doris有什么差别10.flink主要用来做什么11.flink cdc用过吗12.用的哪个flink运行模式13.了解MR的shuffle吗，为什么要去做shuffle14. MR和Spark差别15. 数据倾斜问题，解决方案16.什么途径了解到公司17.是否接受长期出差18.工作地，加班

前段时间面试，面试官问了这样的一个问题。在找工作的过程中，发现同一批人大多是研究生学历，和我竞争同一个岗位，一定程度上说明研究生学历的饱和，面试官看到本科学历都不免惊讶一下。考研作为大趋势，和我相同年纪的人，大多不假思索选择考研从面试官视角来看，学历的差距能体现一定能力的差距，也是最简单的筛简历方式，那么个人能力还能体现在哪些方面？从个人发展来看，学历的提升和读研期间的成长，与提前工作带来的两年工作经验，孰轻孰重？如果是你，回到过去会选择考研吗

金九银十已经是过去式，现在是金七银八九月初投到现在，就这样挂挂挂。面试也没几个，笔试做到厌倦😋到十月中旬流程也不给我推了，都招满了是吗拿到的offer全是小厂➕外包➕转正实习，一个满意的没有如何呢，坚持秋招or找实习春招

数开 疑似HR面面试官迟到10分钟，还喝奶茶。。1.之前的实习没有拿到转正吗2.说一说在实习过程中印象最深刻的一件事3. 实习中最大难点是什么4.这个工作主要有多少人负责做5.自己设计了多少张DWD DWS表6.表的主键是什么7.DWS表主要做了什么8.有关用户的表做了哪些操作9.技术上的遇到的困难，难点10.实习有什么心得11.哪里人，家里情况12.做重大决定时会考虑哪些人的意见13.兴趣爱好，为什么选择这件事14.项目是独自完成还是组队15.对人生影响最深刻的一个人16.从哪些渠道了解招联的，认为招联是个怎么样的公司17.未来三五年规划18.有其他公司offer吗反问

数开方向 1.实习项目2.数据集成是怎么做的3.创建采集任务是在平台上做配置就可以吗4.ODS层表怎么创建5.数据质检这块在哪里做的6.数据采集这块是自动的吗，质控规则是怎么触发的，跟任务相关吗，绑定在任务中还是单独的7.脏数据流入ods层，能阻断下游任务吗8.ODS层定位是什么9.分区会不会过多，分区有什么好处和坏处10.分析过程中会用到哪些层的数据11.有没有遇到DWD层没有需要的数据，ODS层有数据的情况，能否从ODS层查数据12.数据处理过程中，有没有遇到数据倾斜，小文件过多，分区不合理等问题，如何处理，怎么去看错误信息13.业务提诉求，是直接把结果给对方，还是SQL14.spark的参数调优反问

数开 1.自我介绍2.维度模型建设说一下3.让你对事实表分类会怎么做4.事实表分为哪几类5.多表关联类型(包括semi join)6.关联策略7.开窗介绍一下(细节，和常用函数)8.自定义函数用过吗，有哪几种类型9.Doris表模式10.说一下superset11.flink怎么保证端到端的一致性12.spark  rdd13.依赖怎么划分14.手撕SQL：每个视频创建者的姓名，uv，PV以及PV占比反问

with t1 as ( select z.zone_id, z.zone_name, # 按日期和高峰期进行统计 sum(case when substr(delivered_time, 1, 7) = '2023-02' and (HOUR(order_time) BETWEEN 11 AND 13 OR HOUR(order_time) BETWEEN 18 AND 20) then 1 else 0 end ) as peak_2023_02_delivered, sum(case when substr(delivered_time, 1, 7) = '2024-02' and (H...

秋招拿到的第一个小厂offer，也要提前实习，而且薪资也不太理想，打算先拖着了。。究竟是谁先发明的提前实习

1.简单介绍下实习数仓分层架构，用到技术栈2.做一个指标，简单介绍下指标分析到下层产出，每一层的逻辑3.数据计算用的是什么框架4.ods层的表数据怎么来的5.数据质量规则核查是怎么做的6.数据核查是手动做的，还是质控系统做的7.有没有对Doris有进一步了解8.spark的相关理论有了解过吗9.spark任务提交到集群上的执行流程10.用spark的时候有没有遇到一些问题，怎么解决11.flink三种运行模式介绍一下12.未来1-3年规划

数开岗，面的非常愉快一开始先介绍了面试流程1.自我介绍，挑实习经历讲一讲2.代码手撕3.八股考察4.QA环节直接介绍实习经历，没有自我介绍，讲了10分钟开始手撕。1.数据是真实数据吗2.来源系统是同一个系统吗了解了一下主要做的项目数据来源手撕：问了下比较熟的编程语言(java)连续子数组最大和多少知道虾皮是干嘛的吗SQL  求销量表，每个类别下售量TOP10的商品id排名连续怎么做衣服这一品类数据量特别多，导致数据倾斜怎么处理，只针对这一场景处理(二次聚合)给谁加随机值，怎么加，举例还有别的方法吗，只针对这个情景(压缩)你知道spark有做这件事吗(压缩)自己工作中会开这个配置吗spark和flink哪个比较熟，或者其他组件哪个学的好，可以自己挑个熟悉的来讲，还是随便挑个问1.flink状态后端知道哪些2.讲一下checkpoint是在干嘛3.如果状态后端是Rocksdb，checkpoint是怎么存的4.一个算子是怎么知道自己该做checkpoint5.从checkpoint恢复的时候，怎么做的6.一个算子，怎么知道恢复时应该读哪份文件7.看过checkpoint文件里面的结构吗8.有遇到过从checkpoint恢复时失败，是由于算子找不到从哪恢复的问题吗spark方面的问题1.executor, 他的内存分成几部分?堆内堆外内存区别为什么会有堆内堆外内存2.在shuffule的过程中，这几部分是否/如何参与其中3.节点0OM，我有哪些方法或者配置，去优化?最后反问总结，面试官全程态度超好，一直在说别着急，没问题，会有正反馈，体验最好的一次面试

投的数据工程岗刚进去讲了几分钟实习项目，直接和我说和岗位不匹配了。说他们想要c++功底比较好的，做底层框架开发，可能涉及到一些数据处理。和我做的数仓这块完全不匹配。。问我要不要接着面下去，还是和HR说看能不能调岗。最后也是结束面试了，没有浪费彼此时间

数开 1.spark SQL执行过程2.DAG图怎么划分，RDD是什么3.宽窄依赖怎么划分，哪些算子会生成宽依赖，哪些算子会生成窄依赖4.宽依赖partition怎么处理，怎么去减少shuffle5. spark相对于MapReduce的优势6.spark内存爆了，怎么定位是否出现这个问题，问题出现在哪7.具体看哪个指标才能知道是否是内存爆了，内存溢出会带来什么问题8.spark和flink做实时有什么区别9.水位线什么概念10.窗口关闭只能根据水位线来实现吗11.flink分哪几种窗口.实习项目拷打1.实习主要工作是什么2.数仓是指针对某一个业务做的数仓吗3.业务指标主要包括什么指标，做这个指标的目的是看什么，指标是怎么算的4.数据质控规则，具体规则是指什么5.数据校验规则是怎么做的6.数据质量达标率是怎么算的，口径手撕SQL：每个被举报视频品类中举报数量最高的5个视频反问