经典的求连续天数问题 统一的思路都是先按天数进行排序，再用天数减去排名进行count得到连续登录的天数 with t as (select distinct user_id, sales_date, dense_rank() over(partition by user_id order by sales_date) rk from sales_tb) select user_id, count(sales_date - rk) from t group by user_id having count(sales_date - rk) >= ...

首先计算出每个作者每个月的新增的粉丝数量，count(tu.if_follow)计算出tb_user_video_log表中所有的播放量，综合算出涨粉率 select tv.author ,DATE_FORMAT(tu.end_time,"%Y-%m") month ,round((sum(case when tu.if_follow = 1 then 1 when tu.if_follow = 2 then -1 else 0 end) / count(tu.if_follow)),3) fans_growth_rate from tb_user_video_log...

关键点在于 有互动的最近一个月，是指tb_user_video_log表中最大的时间 观察数据看到由转发为1，没有转发为0，用SUM()计算出有转发的量，用COUNT()计算总量 select tv.tag ,sum(if_retweet) reweet_cnt ,round(sum(if_retweet) / count(if_retweet),3) retweet_rate from tb_user_video_log tu left join tb_video_info tv on tu.video_id = tv.video_id where TIMESTAM...

先通过tb_user_video_log，tb_video_info计算出每个viedo_id的播放情况 select tu.video_id ,tv.tag ,if((TIMESTAMPDIFF(second,tu.start_time,tu.end_time) / tv.duration) > 1,1,TIMESTAMPDIFF(second,tu.start_time,tu.end_time) / tv.duration) Isno from tb_user_video_log tu left join tb_video_info tv on tu.vid...

思路简单，先算出每个视频所观看的长度 select tu.video_id,TIMESTAMPDIFF(second,tu.start_time,tu.end_time) from tb_user_video_log tu; 再关联另外一个表，过滤出2021的数据，并同时取到另外一个表的时长字段(duration)信息 select tu.video_id, TIMESTAMPDIFF(second,tu.start_time,tu.end_time) space, tv.duration from tb_user_video_log tu join tb_video_info tv on...

10.9 线下一、二、三面 一面 1.自我介绍 2.项目的数据来源，数据量大小， 3.你项目主要做数仓这块的，那你数仓怎么分层的？每一层做了什么？ 4.为什么分了这么多层？ 5.你除了简历上写的使用过的组件，还有用过其他什么组件吗？ 6.讲一讲mapreduce？ 7.讲一下你对元数据的理解？ 8.hive里面元数据里的表哪个可以直接看到表的数据量大小？ 9.hive和传统的数据库有什么区别呢？ 10.去重可以用什么方式来做？ 11.你对未来大数据发展怎么看？ 12.你自己未来3年的规划是怎么样的？ 13.实习主要做了什么？使用了大数据这些软件吗？ 14.说一下JVM 15.说一下...

9.28一面 （30min） 1.对哪些大数据组件比较熟悉？(hive hadoop) 2.hadoop介绍一下 3.hdfs读写流程 4.mapreduce运行原理 5.hive的原理 6.hive里面的数据是怎么存储的，存储结构 7.行存储和列存储的好处 8.hadoop、hive的数据倾斜问题 9.n个有序数组，如何把他们排到一起 10.B+树和B-树的区别 11.B+树移动会产生什么问题 算法：给一个字符串，"abcd1231564sdf"，取出"1231564"，要考虑边界     9.29二面（20min） 1.实...

10.12一面 1.linkedlist和arraylist的区别 2.linkedlist用什么链表实现的 3.定义双向链表和实现双向链表的插入 4.OSI七层协议 5.TCP跟UDP的区别 6.网络层和传输层的有哪些协议 7.拥塞控制的流程 8.hadoop的组件 9.hdfs写数据流程 10.linux 如果有一个进程占CPU太大要如何查找，如果想看他这个进程更多的细节呢？如果找到"abc.jar"文件 11.讲实习和项目

10.15一面（40min） 1.对数仓分层的了解？ 2.实习主要做哪些工作？ 3.HDFS的基本架构是怎么样？ 4.HDFS的读写流程？ 5.在读写的时候要是网路或者信息出问题后，HDFS会怎么处理？ 6.如果出错的话HDFS会认为它是个什么结果？ 7.namenode挂的情况下会怎么处理这个问题？ 8.hivesql常用的开窗函数有哪一些？ 9.rank()和row_number()有什么区别？ 10.有个成绩单，有各个学生的名单，要找出单科成绩大于平均成绩的学生怎么找？ 11.上面的题可以用一个select来完成吗？如果有多科成绩的话找出学生成绩每科都大于对应科目平均成绩要怎么实现...

9.17一面 20min 1.问项目，问负责什么做了什么 2.java基本变量类型有哪些，int几个字节，一个字节多少个比特 3.java面向对象三大属性，多态是什么？ 4.jvm了解吗？讲讲内存模型？ 5.常量是存储在哪里的？类信息储存在哪里？程序信息储存在哪里？局部变量储存在哪里？ 6.gc了解吗 讲一下 7.gc发生在jvm的哪个地方？ 8.gc在堆上是怎么样的进行的？ 9.老年代用的是什么gc？什么时候会触发？ 10.那新生代怎么判断要进入老年代？ 11.事务是什么？ 12.tcp/ip的模型是怎么样的 13.自己写个链表，实现删除和增加 不知道为什么被捞的二面 ...

10.25感谢信 ------------------------------------------------------------------------ 10.16一面 1.讲一下自己的项目和实习经历 2.对数据仓库分层了解吗？每一层的作用 3.那这个项目最后做出了些什么效果呢？ 4.String中直接赋值和new一个新的对象的区别？ 5.JVM中的堆有哪些区域？ 6.了解垃圾回收算法吗？收集器呢？ 7.CMS和G1的区别？ 8.什么时候索引会失效？ 9.hadoop中的hdfs有namenode、datanode、secondarynamenode，seconda...

9.16一面 1.简单介绍一下hadoop是什么东西？ 2.简单说一下HDFS高可用,namenode高可用 3.详细说下namenode的高可用和实现原理 4.2.0中使用qjm架构听过吗？ 5.在HDFS上面hadoop3和hadoop2的区别？ 6.yarn是什么作用？有什么特性？知道什么说什么 7.nodemanager所谓的空闲是指什么？ 8.yarn的资源管理主要是管理什么资源？就是说你要申请资源的话，主要是申请什么资源 9.yarn资源调度有几种调度算法？ 10.yarn的公平分配是啥？ 11.MySQL有几种存储引擎，大概说下 12.InnoDB，MyISAM的使用场景和...

1.自我介绍 2.项目用了什么组件？ 3.hive底层怎么运行？（之前嫌太复杂没有仔细去理解） 4.实习做了什么？ 5.维度建模怎么建？结合实际说 6.做过可视化吗？ 7.数学建模讲一下？ 8.觉得进公司还要学习什么