2022-05-09 美团大数据开发暑期实习一面

相互自我介绍

数据怎么落到数仓里的？做了哪些加工处理？最后怎么给到应用层的？

mock出来的数据是怎么抽取过来的？抽取过来的数据存到哪了？

在这个过程中数据是怎么处理的？

项目中的数仓分层觉得是合理吗？

写入外存，为什么选择Redis、HBase、ClickHouse

数仓为什么要进行分层

在此之前接触过数据仓库吗

数据仓库和数据库有什么区别

粒度和维度是一个事情吗？它们有什么区别？比如说我们有一张订单表，订单表里可能会记录订单id、用户id、门店id、订单金额、支付时间等，表的粒度是什么？可以从哪些维度分析这张表？

数据仓库的主题概念了解吗？

离线数仓的经验，离线数仓和实时数仓的区别

实时数仓的准确性如何保证？如果数据不准确的话可能是什么原因导致数据不准确？集群保证稳定的情况下哪些环节会丢数据？

大概讲一下MapReduce的工作过程

整个MapReduce工作过程中有几次排序操作？用到的排序方法是一样的吗？

平时有用到关系型数据库吗？

美团日志数据--大表--关系型数据库大表查询性能优化

索引的概念，MySQL的索引实现方式，B+树索引和哈希索引的对比

case：美团日志信息表，用户id、时间、页面id、性别、年龄，这个表在哪些字段上建立索引比较合适？在性别上建立索引合适吗？

Hive处理数据的时候遇到过什么问题？数据倾斜

数据倾斜怎么产生？

为什么不同数据类型的关联会产生数据倾斜？

数据倾斜有哪些解决办法？

Hive转换成MR任务之后是怎么体现出来数据倾斜的？怎么从MR层面去解决数据倾斜？

所有场景都适合MapJoin吗

做两个题：