1.有了解过JUC吗，讲一下你知道的2.Java和python的内存管理机制2.Hadoop，Hive和Hbase之间的关系3.Spark和Flink有什么区别4.Flink有哪些组件以及架构是什么样的5.Flink有哪几种窗口和哪几种时间语义6.Flink程序的编写流程是什么样的7.Flink优化了解过吗，讲一下有哪些优化8.FlinkUI监控页面使用过吗，你主要用来看什么9.什么是Flink背压机制，以及背压问题如何处理10.Flink-CEP是什么，讲一下它的原理以及自己在什么场景下使用过。11.项目拷打（重点）12.反问面的是大数据实时开发岗，所以面试里主要问了Flink。面试官和我说偏向后端，主要做实时任务和风控处理，倾向招Java基础好且有后端基础的（自己做过Springboot的项目）当晚oc，第二天offer #数据开发工程师面经#

前言这是我的八股专栏的第9篇文章。我的八股专栏：https://www.nowcoder.com/creation/manager/columnDetail/j8ZZk0(里面还有苍穹外卖的完整话术)我的架构设计专栏：https://www.nowcoder.com/creation/manager/columnDetail/0ybvLm1.10种排序算法汇总*先谈一谈稳定性：稳定性简单来讲就是考虑排序后值相同的元素和排序前是否保持一致（如排序前a1和a2值相同，排序后仍是a1在前a2在后）*1.冒泡排序通过对待排序序列从前向后（从下标较小的元素开始）,依次*对相邻两个元素的值进行两两比较*，...

# 1. 多源数据说明：- 数据是一张表格，字段如下： User_id, S_model1, S_model2, S_model3, feature1, feature2, feature3, Y, dt- 其中User_id是用户编号，dt是时间分区，Y是目标，feature是特征，S_model表示其它的模型分- 不同的S_model来自不同数据源，feature1、feature2和feature3来同一个数据源- 不同分区内，数据源有不同程度的缺失和断流数据示例如图：# 2. 目前的融合方案是：将所有字段均视为特征，输入xgb进行训练。该方案存在如下问题：- 训练集上，xgb模型的性能较低。- 模型上线后，用户的Y标的预测很不稳定（用户某个特征的缺失导致其Y标大幅变动，这是很不合理的）。# 3. 请问有好的多源数据融合方法吗？能克服各数据源的缺失/断流问题，有效利用各个数据源的带来的增益，最终：- 提高训练集上xgb模型的性能- 提高模型对用户Y标预测的稳定性

1.自我介绍2.项目拷打（20min）3.redis和mysql的基础八股4.设计模式5.java基础（hashmap,currenthashmap的put流程，读写锁的原理）6.手撕（构建一棵树，忘记具体是啥了，不难）反问基础不错，但是表达能力代提高