数仓群友提问字节2面面试题

timeline3.18投递3.26一面4.08二面一面  30min1.自我介绍2.实习3.数仓分层4.rdd5.spark调优6.MR流程7.聊天没有手撕以为是kpi面但是一面过了 约了二面二面 60min1.谈谈对数据仓库的理解2.说说看的阿里巴巴大数据之路这本书的理解3.数据结构这本书的理解 为学习计算机的人提供什么帮助4.mr流程 并行度5.未来方向 6.学校跟实习的区别 实习学到的东西反问同样无手撕  面试官人很好 提了很多很好的建议以及观点

数据库的三大范式，它是数据库设计中最基本的三个规范，那么，三大范式是什么？在实际开发中，我们一定要严格遵守三大范式吗？这篇文章，我们一起来聊一聊。1. 三大范式1. 第一范式（1NF，确保每列保持原子性）第一范式要求数据库中的每个表格的每个字段（列）都具有原子性，即字段中的值不可再分割。换句话说，每个字段只能存储一个单一的值，不能包含集合、数组或重复的组。如下示例： 假设有一个学生表 Student，结构如下：学生ID姓名电话号码1张三123456789, 9876543212李四555555555在这个表中，电话号码字段包含多个号码，违反了1NF的原子性要求。为了满足1NF，需要将电话号码拆...

- 飞书，开视频，面试官很友好，主要是让我在做整体流程的介绍，然后问了些常规八股- 第二个手撕在同一个小时的细节上没有完全撕出来，解决了90%，整体思路没问题- 3.6投递 3.20一面 3.24感谢信- 八股基本上都秒了，项目也讲清楚了，sql也都是秒的，也不懂为啥就挂了## 项目- 先那就挑一个你觉得做的最好的一个入仓的离线数仓的项目，具体讲一讲。从业务的背景，它的业务过程，你在其中做了什么内容，最后取得了什么成果这种思路展开讲一下。- 那你从业务的视角就是说是他比如说你的你的业务过程到底有哪些业务过程它有哪些数据，然后你怎么去做建模的，然后这种方式再细一下说一下。- 这个指标的话，其实你做了多少，做了哪些表，然后他的力度是什么？然后又有什么维度呢？- 在做这个指标的时候，你这整个的数据链路是啥？从离线到从是从线上到离线，然后再到你的指标，最后是大盘这种（大盘应该指的就是可视化）  - 我应该多讲一下数据通路中用到的数据同步工具- 你设计的DWD、DWS它的粒度是什么？都有哪些维度呢？- 你在做这个数仓其实是要类数仓的这样一个项目的话。那其实你觉得这里面最最难的点是在什么- 你现在的话其实更多的是接业务方需求，比如说业务方来一个需求做一个表，来个需求做一个表，那你的数据你的表就会越来越多越来越多。这跟是数仓的这种兼容和扩展影响不是很大吗？你这个是怎么考虑的？- 数据倾斜问题## 八股- 数仓建模的一般流程你知道吗？- 刚才提到你说总线矩阵，那总线矩阵的就是说横坐横轴跟纵轴都是什么？- ODS、DWD、DWS它的定位- ODS里面已经有了这个数据，为什么不直接从ODS里面去取还要再新建一个DWD呢？- Spark里面就是说它的一个优化的方法，你这边都用过哪些？- 小表join大表的话，是小表在前还是大表在前？- MR中MapTask个数和ReduceTask个数由什么决定？- Row number和rank的区别- avg函数他在算这种平均值的时候会忽略null吗？  - **`AVG` 函数的分母是有效数值的数量**## 手撕- SQL：学生成绩平均值问题和>60的问题，很简单- SQL：直播间同一天同一个小时内最大在线人数

40分钟一、实习结合八股介绍一下部门，人数，整体工作，工作划分，自己做了什么Ab实验怎么做的问了其中一个需求的主要流程，qps是多少，如果qps暴增，怎么应对前端怎么调后端服务讲一下java内存管理（答了堆、垃圾回收，不知道是不是问这块）数据库连接怎么保证稳定还是啥的（不太懂）用过哪些中间件，讲一下消息队列怎么存数据Java线程同步二、无算法题三、反问 杭州base有哪些组，就记得平台治理了 工作时间大概1095 有哪些不足，实习时间短了点，接触的工作不够深