1.讲一下实习做的东西，学到的东西2.数据集市涉及到的维度和事实表有哪些3.讲一下数据对于整个公司，业务的意义作用4.数仓分层的理解5.分数据集市建设的数仓架构优缺点6.了解的大数据基础组件7.Spark Ui怎么看，关注哪一些点去判断数据倾斜8.Sql语法中哪些关键词最容易导致数据倾斜9.说一下shuffle，以MR为例shuffle中涉及到哪些算法，不同算法涉及到哪些场景10.之前实习开发的表会有加监控吗11.作为数据同学，应该注意数据质量的哪些方面，以及如何保障数据质量12.聊家常，聊最近在学啥，聊aiSql 连续登录

1.介绍一下一到两段实习经历，自己做了什么，遇到了什么问题，对自己比较有挑战的点。2.项目深入拷打3.假设两个表主key是非数值数据，而且是万亿join万亿，这个怎么处理？4.大表join小表？5.要是mapjoin时，key值是json怎么解决6.Hive表里的分桶，分桶有哪几种形式，分桶与分区的区别？什么时候要去做分桶？7.spark调优思路8.了解的大数据前沿？一道dp+一道hard

1.聊了一下学校里的课程2.说一下业务流程是什么样的3.聊一下实习最复杂的需求4.聊一下前司的数仓开发规范5.聊一下了解哪些大数据技术6.之前经历中Spark sql如何定位并解决数据倾斜问题7.Spark如何划分stage8.给一个数据需求，开发思路是怎么样的1道简单sql题

1.数据集市层建设思路，建模方法2.以pv，uv两个指标为例讲公共层建模思路3.讲讲自己在集市应用层设计的一些新表4.业务归因逻辑是啥5.应用层的模型和公共层模型的区别在哪6.原司主题域划分7.集市用到了哪些主题域数据8.数据高可用，高质量是怎么保证的9.说一下自己平时spark调优逻辑是什么样的10.知道数据倾斜根本原因，怎么从源头去解决11.像groupbyKey数据倾斜了怎么去解决1道sql题

1.自我介绍2.讲一下最能代表自己能力的一个项目3.里面涉及到了几个模型，其中最难设计的模型，难点4.指标体系怎么搭建5.事实表分为哪几种类型6.怎么保障数据质量7.开发任务从哪几方面去做数据质量校验8.如何判定指标是不是在合理范围内，指标波动如何校验三道sql

1.原司数仓分层结构2.怎么平衡数仓复用性与定制化需求3.原司的公共层由哪个团队维护？集市是怎么划分的？4.对比一下MR引擎和Spark引擎的优劣5.口径冲突问题怎么解决6.过程中关于维度设计的考量是什么？7.宽表建设与严格按照维度建模对比8.异动归因方法论1道sql题

1.项目拷打2.怎么更新维表3.数据平台底层怎么保证血缘依赖执行4.数仓分层，为什么要做分层5.Mapreduce和spark区别6.最常用的编程语言，有用python吗7.Hashmap和Hashtable区别8.多线程编程最大的痛点9.怎么保证线程安全10.StringBuilder和Stringbuffer区别11.思考题反问：主要工作写pyspark，基本不用sql

1.为什么从原司离职？2.简单介绍一下自己的实习经历3.集市对应的数仓架构4.纯数据团队和架构团队对应分工关系5.数仓分层6.数仓建模方式7.怎么区分哪些数据指标适合做到维度当中8.数仓集市开发过程9.Spark sql提交执行流程10.Spark调优例子11.Spark处理小文件方法12.Java创建线程有哪些方法13.集合有了解吗？List和set有什么区别14.评价一下自己性格

1.聊了下简历2.聊了下学校课程3.问了下年龄，家乡情况4.聊一下实习经历，讲一下具体的业务case5.业务意义6.数据流处理全链路7.聊业务口径逻辑8.Hive2CH意义9.数仓分层，每层的作用10.Spark引擎计算原理11.Udf，udtf，udaf

1.说下之前实习经历，以及都使用了什么样的技术栈2.说下MR和spark的区别，为什么spark会更快，说下两者shuffle的区别3.ReduceByKey和GroupByKey区别4.Mysql怎么处理大数据量下的性能问题，了解过分库，分表吗5.说下了解哪些mysql的索引6.如果枚举值不多的情况下，数据量有几百万的数据，这种情况下用哪种索引合适一些7.如果是两个枚举值的话呢？比如说性别，了解过bitmap吗8.说一下物化视图和视图9.说一下星型模型和雪花模型10.什么情况用星型模型，什么时候适合用雪花模型11.事实表记录着什么样的数据12.累计快照事实表，周期快照事实表13.说一下缓慢变化维14.说一下拉链表的整个数据表结构是什么样两道linux命令 两道sql

本科计算机，想走后端但是没有实习经历，有一段数分实习且现在在开水商分实习。但商分岗位除了开水薪资都很……数分又担心商分经历没帮助。后端目前熟悉javase基础，是学的比较透的样子，但框架什么的目前还没学，想问25秋招该怎么去选择（只讨论大厂的话）