双非硕士大数据研究方向有啥呀

#25届秋招公司红黑榜#华子华子，给的实在是太多了，蠢材都变成人才了，华子校招比较难，建议混两年看看社招

无自我介绍，面试官表示前两面面试官反馈较好。直接问我对部门还有没有什么问题想要问的，我为了多跟他聊聊拖延时间（bushi），于是问了部门主要做的事情。期间一直在对话，聊了Spark底层和MR底层，结束后开始问我提到的对大数据底层的了解。说了Kafka读数据速度快的原理，页缓存、零拷贝技术等。然后又问了我的实习经历，重点又问了我所解决的Spark调优工作；然后问上一段实习为什么离职，学校情况导师情况等。 三面全程很轻松，大约40分钟就结束了，问了很多很多问题，侧重于知识面的广度。对方面试官的压迫感很强！不怒自威那种感觉。最后才发现那是部门Leader，三轮面试：组内同事-->小组Leade...

Doris设计分区与分桶的分享分区首先看下游使用者是否经常会查询增量时间字段 或者 是否表数据量巨大，以判断是否要做分区 Doris的分区可以是小时、按天、按星期、按月、按年进行分区经验：如果一天超过了30W数据行或者超过了日增300MB数据，建议做分区考虑 ， 再有一个情况是如果下游查询是可以带上一个业务增量时间的 那就可以用时间做分区分桶我自己的经验会按照2048MB=2GB （可以粗略以2048000=204w行计算，具体的有条件可以根据表详情存储去判断2GB=多少行） 给一个桶去分配，控制在128个桶内例子：比如我有一个表，每天10w数据 大概100MB 一年就是 36500MB=36GB 我们可以按照三年的数据量来预估 36*3=108GB ，按照之前的思路 2GB给一个桶，我们这里如果不做分区的情况下 可以给108/2=54个桶，也进一下整数可以给成60个桶  #大厂#  #数开#  #数仓#  #校招#  #实习#

不过我听说杭州那边的实习生可惨了，没工位、开会开到飞起，业务流程也是一团乱麻。 但我在北京的体验就完全不一样，大家都说北京的实习生待遇好，确实没错，工作环境轻松得很，几乎没有加班的压力，能接触到核心业务，感觉自己每天都在成长。而且，公司的氛围也很不错，大家都很友好，互相帮助。午饭时间也能悠闲地吃个饭，下午还可以小憩一下，工作节奏很佛系。