明略科技

首先先吐槽一下。

1、首先是流程，我是面试前好多天，下午2点50多接到的电话，说了一下面试地点和时间，我想着都会有面试短信和电话。然后直到面试前一天晚上，都没消息，我还是从牛客上搜明略科技看到别人有同样的疑惑，有面过的大佬给解答了之后，才知道具体的面试地点。然后面试当天凌晨，来了面试地点通知的短信(:з」∠)

2、二是岗位有点混乱，看牛客贴已经看到好几个牛友被写错面试岗位了。。。有产品写成技术的、技术写错成产品的。。。到我这里也错了，大数据开发工程师给变成了普通研发岗，找了那边的工作人员记录了才好，不过好歹没有跨界太离谱。

然后是面经吧：

一开始一二面面试官都坐一起，一起面，后来二面面试官有事接电话去了，就只有一面面试官在面了。

一面：

1、我先看一下你简历啊。

2、自我介绍一下。

3、你的实习时长怎么都这么短啊，才一两个月。

4、你的求职意向大概是怎么样的？然后我问了一下公司内大数据的方向。

5、现在有一个文件，每个页面被访问的记录，记录的信息是timestamp、url、userid、action（包括open、close、refresh页面三种）。

①统计一下每个页面每天被访问的次数，即pv。Hive写了一下SQL，然后Spark RDD写了一下思路。在这个过程中大概用到了RDD的哪几个算子？map、filter（考虑其中close不属于访问，需要过滤掉）、countByKey

②求uv的话，key应该怎么设计？某天每个页面的访问用户数？说了一下Hive里的思路，然后Spark RDD的思路。RDD中对url做group by，map里对userid做distinct，再统计。若统计时会报内存溢出，会是什么原因导致的呢？答数据倾斜。这个问题怎么解决？随机前缀思路，打乱均匀分区。还有别的思路吗？自己想reduceByKey那些，类似MR中的Combiner，或者拆分RDD。如果要自己写方法去实现呢？group by的机制了解么？假如我们现在给你多台机器，你会怎么做？答文件拆分。单台机器可以拆分么？如何拆文件才能保证内存不溢出？面试官提示用哈希，讲一下哈希的原理？没想到具体的做法。

6、排序算***么？熟悉哪几种排序算法？讲一下冒泡的思路？讲一下快速排序的思路？写一下快排的代码。大概讲一下？算法的时间复杂度是多少？

7、堆是什么？大顶堆和小顶堆是什么？假如现在有一个堆，大顶堆和小顶堆，如果要把大顶堆转换成小顶堆，怎么做？如果要遍历一个大顶堆，一般有什么办法？

8、写一个二叉树的前序遍历吧。

9、B+树、B-树、B树了解吗？是怎么样的形式？数据库索引用的什么树？B树和B+树有什么区别？随便写一个B树？

10、什么时间毕业？

11、问面试官公司业务内容，工作方向？

二面：

3分钟结束，短小精悍(:з」∠)

1、刚刚那个问题怎么解决的？前缀？前缀也会有问题啊，你觉得会有什么问题？随机前缀怎么随机？随机数怎么生成？你怎么保证相同用户id不会分到两台机器上去？然后想通了，用userid做Hash去分区。

2、你后面的意向刚刚问过了吧。

3、工作地点在北京有问题吗？我问大数据研发不是有三个地方可选么，不是有南京么，我倾向于去南京。然后面试官说他这个部门没有南京，大部门有南京，但是那个部门重点在南京招，觉得北京的人不会去南京，所以压根没过来。说看看后面的话，联系南京那边再约你。

一面面试官挺好说话的，也挺和蔼。二面一开始还好，说了要去南京就。。。emmmmm，也怪我简历上没写意向城市。

发个面经给大家做下参考，希望之后的面试都能非常顺利