小米 数据研发
2023.10.7 一面
1. 介绍项目,为什么做数据开发
2. flink状态分类,反压,内存管理,调优经验
3. spark宽窄依赖,job stage task如何划分,调优经验
4. 接触过scala吗
5. 聚类分类算法,聚类效果评估
6. 场景设计题
2023.10.10 二面 拷打的很细
1. spark:任务提交流程,组件,Executor和job、task的关系,CPU core数,Driver计算什么
2. 数据处理过程,RDD,算子,设计一个reducebykey算子(?),groupbykey和shuffle
3. 哪些情况会发生sql跑的慢,怎么处理
4. hive语法,函数,explode
5. flink:任务提交流程,组件角色,数据延迟处理,watermark设置,任务并行度设置多少
6. kafka了解吗(不会)
7. 数据分析:聚类,预测,评估
8. 未来规划
1. 介绍项目,为什么做数据开发
2. flink状态分类,反压,内存管理,调优经验
3. spark宽窄依赖,job stage task如何划分,调优经验
4. 接触过scala吗
5. 聚类分类算法,聚类效果评估
6. 场景设计题
2023.10.10 二面 拷打的很细
1. spark:任务提交流程,组件,Executor和job、task的关系,CPU core数,Driver计算什么
2. 数据处理过程,RDD,算子,设计一个reducebykey算子(?),groupbykey和shuffle
3. 哪些情况会发生sql跑的慢,怎么处理
4. hive语法,函数,explode
5. flink:任务提交流程,组件角色,数据延迟处理,watermark设置,任务并行度设置多少
6. kafka了解吗(不会)
7. 数据分析:聚类,预测,评估
8. 未来规划
全部评论
小米技术面一共几面
相关推荐
点赞 评论 收藏
分享