京东算法数据挖掘已OC（实习）

1.  简单介绍一下项目2.  在中间层建设中遇到过什么问题3.  数仓中状态的更新是比较及时的,如何记录这些状态,最核心是关心最终的状态还是流转的状态4.  拉链表是什么,怎么实现的,执行过程中怎么解决效率的问题5.  用的什么计算引擎,sql在spark上怎么执行的6.  spark的提交流程7.  uv和pv的含义,计算uv在spark上的运行原理8.  MapReduce的原理,快排的目的是什么,有序的目的是什么,知道每个过程才能知道如何去调优9.  sql转ast是怎么转的10. ast做逻辑执行计划优化做了哪些11. 逻辑执行计划和物理执行计划大概有什么区别12. 写sql过程中有没有遇到过执行时间特别长的,引出数据倾斜相关内容(问的很细,基本所有的都问了)13. 不同数据类型join为什么导致数据倾斜14. mapjoin和正常join的区别,mapjoin原理是什么,怎么实现的15. 加随机数打散,两阶段聚合怎么做的16. new一个线程怎么做,thread和runnable的区别是什么17. java集合类用过哪些(说没怎么用过java,就没再问了)18. sql在不同执行引擎下有什么区别,答有些语法不通用,为什么不通用,如何造成这种问题的19. sql中所有关键字的执行顺序20. a join b where条件写在join里面和join外面 有什么区别21. 4道sql22. 一道mid算法做的是计算引擎调优，一直在问spark底层，顶不住顶不住。当晚挂...

二面是要求线下面试，这也是我第一次线下，没啥经验，提前半小时到的，填了张面试信息表大概用了十分钟，之后等到两点左右，面试官准时来了。#牛客AI配图神器#首先是个人介绍，学校、专业、项目、竞赛。看你是26届的，为什么这么早就开始实习，学校还有课吗？既然学的是软件工程，偏向后端开发，为什么要报数仓开发，你觉得一个后端开发的来数仓开发有什么优势？看你既会Java又会Python，这些语言跟数仓开发之间的联系？之后直接挑明了问简历上俩项目就是网上找的用来练手的吧，那么这种练手项目让你从中学到了什么？说一下用过的数据库有哪些，其中哪些是最熟悉的？（MySQL、Redis）你写SQL写得很多吗，你个人更偏向数仓开发还是数据分析？说一下数据治理的概念。（这个问题是全程唯一一个答偏了的，因为这个词接触得太少了，我硬着头皮把数据分析的概念说了一遍，面试官只是笑笑，没多说话，后边结束了问了学哥才知道概念解释错了）看你数仓都是用了五层规划，每层的作用是什么？你说ODS层的数据是不变的，那后续每日更新的数据是怎么获取的？（Maxwell主从复制，增量同步）如果其它层的数据需要进行更新，该怎么办？（周期快照事实表、拉链表）既然提到拉链表了，说一下它是怎么使用的？（我把拉链表的概念说了一遍）你刚才说的是拉链表的概念，如果现在有a表和b表，其中a表是拉链表，b表数据改变，怎么让a表的数据进行更新？请你看一下这个sql语句，说一下它最后取出来的数值的意义。（那是一个写得极其冗余的sql语句，嵌套了好多层，还join了四次同一张表，我最后没表达清楚，说这个语句是为了得到朝阳区最新的日期的数据，面试官说答得有些不对，其实是为了得到朝阳区最新的日期的空气质量。其实我就是这个意思，当时已经面了30分钟，嘴里开始发苦了，脑子想出来了嘴上没说好）实习最久能待几个月？（12个月）反问咱们公司的业务主要是哪些方面的？每天几点下班？你们的数仓团队现在有多少人？需要出差吗？后续流程需要多久，还会有三面吗？最后跟面试官说聊得很开心。出来后才想起来了没谈薪资的事情，虽然初筛的时候HR问过，但是还是有些后怕啊，不再跟我确认一遍吗写面经攒人品，希望能一把过#数仓面试##数据开发##数仓开发#

- 大数据基础架构部门- 职责有点不匹配，全程被拷打了，根本不了解底层的事情## 项目- 数仓这一块目前总标准分层的一个概念，你这块熟悉吗？- 你最后输出指标是什么样的？是新型模型还是雪花模型？- 最后superset的引擎用的什么- spark数据倾斜具体看的sparkUI哪一个指标哪一个参数  - local read数据量？shuffle read数据量？shuffle write数据量？## 八股- spark常见的shuffle策略，这些不同的策略分别在哪些项目中用到- 常见的shuffle流程  - 他在系统层面有什么弊端，特别是面对高并发情况下- Hive查询优化有什么方式  - SMB join是怎么具体实现的- java相关的锁机制（其实就是锁机制）  - 乐观锁悲观锁- 设计模式了解吗- Java性能排查有没有什么SOP## 高并发场景题这个场景题完全不懂，也没怎么接触过，要求设计一个从数据基建到建模的整个思路来应对高并发的场景

其实面经感觉参考意义不大，因为很多问题都可以被你引到你熟练的地方。很多时候面试官的问题会根据你的回答或者你提到的东西进行延伸。腾讯算法三面： 主要聊业务，设计具体技术较少。主要是，问题背景，解决方案，为什么选择这个方案，优点 缺点 难点。如果后续优化，会怎么做   等 .....360算法一面：记不太清了，迟到了15min，然后聊的很快，主要聊了项目。好像问了什么transformer的参数360 二面：水面 毫无意义快手算法一面：1. transformer的结构，以及主要演变过程。在讲的时候会插入询问 ，例如，旋转位置编码怎么实现的。2. grpo的方法和ppo方法区别deepseek r1的训练流程 和r0 的训练流程的区别。后面记不清了，感觉很困啊。