这是之前在处理一个实时流数据上碰到的。 之前背过很多，类似的关于高并发问题的一些官样文章。初读起来，总感觉索然无味。好像和幼儿园里把大象放进冰箱里的故事一样。 在业务中碰到的情况很特别。 同一个用户，会在同一个时间点有多条订单，即使把时间精确到 00:00:00，依然发现无法区分。前辈提醒后，才发现这其实是一种高并发的情况。 在Flink实时流里，通常碰到高并发的情况下，会进行一次打乱操作。在SQL任务中，我忘记进行了这种操作，后来发现其实是有这样的key by 参数。 大约可以这样处理。 在处理的时候，通过key by 的操作，会将并发数据存储同一个kaf...

1、请简单做个自我介绍。2、说说你对普华永道的了解，以及为什么想加入我们公司？3、在过往经历中，遇到过哪些挑战，你是如何应对的？4、如果在工作中与团队成员意见不一致，你会怎么做？5、对于咨询岗位，你认为需要具备哪些关键能力？6、能否举例说明你具备良好的沟通能力？7、假设你负责一个项目，时间紧迫且资源有限，你会如何推进？8、你对未来的职业发展有怎样的规划？9、反问环节。