数据BP一面
整体流程：30min 项目 + 两道sql
离线数仓 + 指标计算
1、聊聊离线数仓
2、介绍数仓主题、数仓分层？
3、DWD和ADS层的区别？
4、数仓表数量、数据量多大？数据量级的困难，计算参数
5、快速完成ODS表的清洗和过滤？
6、实现最复杂的UDF？继承Hive UDF类？其他的UDF类？GenericUDTF 和 UDF区别？
7、计算引擎选择？为什么计算量大却选择Hive计算引擎？
--
8、海外简单聊聊？（接下来你该如何去展开？
9、这个项目你做的最复杂的、最有价值的？对比Flink、SparkStreaming
10、为什么使用SparkStreaming？
11、下游怎么使用数据？
12、数据及时产出？？指的是离线的还是实时的？
13、先聊离线，怎么保证及时产出？
14、期待公司可以给到你什么呢？组件的剖析 和 业务支持
---
35min的聊天，开始上题SQL
1、统计阅读最多的五类文章（按照文章id先聚合，将uid、时间粒度抹去，再去join）
为啥使用开窗函数？为啥不用order by？
2、某一天的24小时分段统计高低峰，然后连续高峰、就将其合在一起
00-03 high 04-06 低峰
1、需要对时间串截取
2、开窗取上、取下 -> 辅助类，相同标1、不同标0，不同才会跳变一次，辅助类相同就是同一个字段
写了15min，开始针对此进行：数据倾斜、窗口函数使用
----
面试官人很好，很开心的过去，就是我能力不够
查看9道真题和解析