岗位名是数据开发，实则是做数据挖掘的组。问了很多算法😅1.介绍spark2.hash shuffle和sort shuffle区别3.文件少了什么会快？4.hash连接和join连接区别5.spark streaming和flink区别6.对NLP处理技术的了解7.讲一下什么是降维8.一个简历怎么变为一个向量9.编码器的输出是啥10.编码器和解码器为什么不同？11.编码器为什么不能生成12.GBDT讲一下13.它的目标函数咋设计的14.GBDT每个决策树拟合的目标是啥，为什么不能用一颗决策树。

1.具体计算了什么指标2.表的粒度3.数据倾斜4.MR5.hive的join方法6.为什么要分为map阶段和reduce阶段7.MR的思想来源，论文有看过吗8.JAVA集合的结构9.JAVA垃圾回收机制10.Python有哪些数据类型？11.列表推导式12.连续7天登录（两种方法实现、不用开窗函数实现）

1.自己讲一个大数据框架2.自学数开中印象最深刻的是什么3.简要总结一下spark和mr区别4.举一个指标开发的讲（主要讲业务价值）4.你的优缺点是啥5.是怎么学习的6.为什么选数开和游戏行业？有些问题不记得了，但都是比较宽泛的问题

1.介绍项目中的指标搭建2.讲一下简历上的map join，两阶段聚合3.count(distinct)可以用加随机数的方法解决数据倾斜吗4.说一下MR 5.MR的shuffle一定要快排吗6. spark的shuffle和MR的区别7.哪些时候不需要快排？8.讲一下实时项目9.说一下flink了解多少10.checkpoint不是已经可以实现精确一次消费了吗？

岗位名叫数据开发，实则是后端开发。面试官反复确认岗位是否符合预期😅1.你熟悉的语言的话是 Java 和 Python，对吧？那你那你对于 Java， Python 的那个多线程了解吗？2.Python 多线程效率的瓶颈。3.如何将一个我们逻辑上的多线程，然后是映射到物理多线程上面去，然后让，让 CPU 去执行的。4.你有了解过 Java 中的反射机制吗？5.说一下 Java，如果我们用 Java 去读文件的话，或者说用 Python 去读文件的话，我们是一个什么样的步骤？6.常见排序算法7.现在有 10 个 g 的数据，然后我们只有一个 g 的内存，那么我那我如何对这进行排序呢？8.说一下索引9.说一下flinkcdc10.说一下flink checkpoint和savepoint11.cookie和session，JET

1.hadoop组成2.讲一下spark on yarn提交流程3.spark宽窄依赖怎么划分4.spark为什么会存在shuffle5.说一下spark on Yarn两种运行模式：Cluster,client模式6.怎么避免死锁7.一个生产线程，一个处理线程，在服务需要退出的时候，怎么确保所有事件处理完了8.CPU消耗很高怎么排查9.接到一个需求怎么做？10.HQL优化详细讲一下11.数据倾斜是怎么发现的

1.spark架构2.写spark sql的时候会考虑什么3.hdfs架构4.小文件问题的解决5.yarn架构6.怎么看待资源调度框架，资源调度一般要考虑什么7.Yarn队列8.进程和线程9.CPU调度方法10.spark源码看过吗

1.主库和备库数据突然对不上了，怎么做2.你们数据存在哪里，mongo和mysql区别3.你对埋点有什么了解？4.以王者为例，设计全新的埋点，分析指标5.给你模糊指标，你怎么去设计数仓6.你这个有几层7.为什么维表要在DWS层8.用什么库进行的开发9.BI展示用的啥10.遇到过跑不动的情况吗？11.开发中写过最复杂的SQL12.数据出现问题，怎么去定位这个问题13.怎么指定你的数据是错的14.你是怎么在开发中保证数据的一致性和完整性的15.会做一些报警吗？16.调度工具是啥17说一下MR18.三道SQL题目，一个登入表，一个登出表，怎么关联，怎么计算累积三小时人数19.工作中有冲突怎么办20.有很多需求你怎么办21.策划一直调整需求怎么办22.为什么选择游戏行业

1.看你本硕都是计算机，计算机网络这块应该学过吧，能描述一下http请求的整个过程吗？2.http的状态码有什么3.数据库三范式4.说一下innodb的索引数据结构5.为啥b+树速度快6.mapreduce流程7.hive的排序区别（order by sort by partition by）8.什么是维度建模9.项目里面活动表的表结构是啥？10.sql每日阅读次数超过2的人 11.链表重新排列

1.SQl 给一个员工表和部门表，求出部门工资前三员工           2.用迭代和递归分别实现斐波那契（还有输入检查）                                                  3.迭代比起递归的优点                                                            4.算法题：双指针                                                                            5.数仓分层和建模过程                                                                 6.er模型和维度模型的选择                                                                            7.项目经历8.spark用的多吗