1.自我介绍2.项目内容：背景，uv，pv，功能，项目人数，分工3.数仓的设计思路4.分层数仓和使用普通数仓的区别5.为什么ods不直接对接app层，有没有考虑过增加一层数据集市层6.项目用了哪些技术栈7.hdfs如何保证高可用8.hdfs写入数据流程，写入过程中datanode挂了怎么办9.小文件原因，危害，解决方法10.数据倾斜介绍，数据倾斜如何排查11.spark的两种shuffle12.sql题：商铺的最大销量的类目13.设计题：数据量pb级别，要获取近30天和近90天的活跃用户uv，设计表和查询逻辑字节每次一面都是给你一块糖吃，让你以为自己又行了，结果二面开始就原形毕露了 #数据人的面试交流地#

1.十分钟自我介绍2.项目最难点和最有技术的点3.一句话总结你的问题解决方案4.一句话总结你的项目的价值5.手撕：合并k个有序链表6.问机试题目思路大部分时间在写算法，感觉面试官对大数据相关的技术栈不太感兴趣，问大数据相关问题就像走过场一样，最后也没有反问，emmmm有点难评 #数据人的面试交流地#

1.自我介绍2.项目细节介绍3.针对一个指标讲讲你整个链路怎么设计的4.数据交付时数据质量如何保证5.如果现在调度的表都是高优先级，你这个表延迟产出了，怎么办6.hive架构介绍7.hive优化器会做什么，详细讲讲谓词下推8.小文件产生原因，危害，解决方法9.spark遇到的挑战10.实时了解过吗11.你们公司的数据链路，数仓分层是怎么样的12.数据怎么采集的，binglog的格式13.数仓对外的接口和olap的关系他们部门实时的场景比较多，我对于实时的了解还是太少了😖 #数据人的面试交流地#

感觉自己和快手的相性不是很好，每次都和面试官不和，感觉应该是无缘快手1.自我介绍，大数据组件是自学的吗2.工作内容，定位，成果介绍3.前期调研也是你做的吗，怎么调研出的指标体系，耗时多久4.复购率是几日复购率，为什么选择这个天数不选择15天，你这个调研不够深刻，调研他的打法和业务目标不才是第一步要做的事吗5.有多少个维度和指标，为什么用grouping sets不用cube，介绍count distinct又被打断，无语6.数据怎么保障质量，你不要说详细的方法，我要听整个的方法论7.基线机制怎么保证的，数据延迟了怎么办，又说我说的是在搞笑，难绷8.介绍hive和spark，为什么不用spark sql而用hive sql9.spark的rdd包含哪些元素10.spark基于内存你是怎么理解的，如果我mapreduce把环形缓冲区开到很大，不也是基于内存了吗，你认为这两个的区别11.惰性加载的好处12.数仓方法论介绍13.数据跨域的问题（这个之前也被快手问过）14.数据倾斜介绍，说一半又被打断说这个数据倾斜在spark2.6已经被解决了，说我了解太少15.sql题：①多个个用户对在发消息，如果a发给b，b回复a则算一次完整对话，判断每个用户对共有多少个完整对话，并将完整对话连接到一起②直播间的最大在线人数和时长快手面试题感觉多面几次就都是重复的了。ps：面试官太喜欢反驳了，而且频繁打断我讲话，我还在说我们一开始选择的做法是巴拉巴拉，他就说你们这种做法完全不行啊，😅😅😅大概率和快手说再见了，悲伤 #数据人的面试交流地#

一面1.自我介绍2.实习经历介绍，负责的项目模块，有多少张表，为什么要做这些表，涉及哪些方面的建设3.对业务的了解，是你和需求方直接对接吗，参与过砍需求的过程吗4.模型设计到最后交付的数据开发全流程，有没有中途变更过需求，最终有多少个指标和维度5.你怎么把这么多维度放到一张表里面呢，oltp引擎怎么样使用的6.指标都是可以累加的吗，有没有想过把可加的和不可加的指标分别放到不同的表中7.数仓质量怎么把握的8.如何衡量数仓模型是一个好模型9.spark和hive的区别10.后续职业规划二面1.自我介绍2.项目的核心数据是什么，数据使用时候的痛点，如何解决这些痛点，有没有业务上的痛点，这些痛点是你们自发地去解决吗3.数仓分层理解，每一层作用4.app层接了什么引擎，oltp的职责5.维度建模介绍，模型优缺点6.如何衡量一个数仓的好坏7.开发的技术栈，有实时吗8.编程语言介绍，java了解多少9.udf介绍10.数据倾斜介绍11.rdd的拓展性，有什么缺陷，弹性体现在哪里12.数据治理包括哪些内容，有存储和计算方面的优化13.英语能力怎么样两个面试官都超级nice，非常有耐心又非常有礼貌，尤其一面都是以聊天的口吻面的，超级放松，感觉是秋招以来遇到的最好的面试官 #数据人的面试交流地#

9.14更新 三面已挂1.自我介绍2.学校大数据有哪些课程，做了哪些实践3.你觉得大数据是什么，对于社会的帮助4.大数据和大模型的联系，你在实习或者写sql的时候有没有用过大模型5.你觉得大模型可以取代你做的这些数据开发工作吗，把大模型甩给业务人员，他们可以用大模型完成数据开发吗6.针对大模型和大数据，总结一下，从短期来看和长期来看7.对于spark3.0的新特性了解吗8.spark的join有几种，和MySQL的区别和hive的区别9.实习最有难度的一点10.设计离线数仓最有挑战的一点11.所有中间件你都自己搭建过一遍吗12.数据科学你们都学了什么13.有没有其他公司的offer感觉面试官对大模型非常的感兴趣，但我好像回答的都不太好，许愿许愿 #数据人的面试交流地#

1.自我介绍，城市相关2.你对于大数据哪一块比较了解，展开讲讲3.结合项目讲数仓建模理论4.数仓分层的理解和好处，每一层的作用5.app层如果下面有多个看板，他们有多个指标是重复的，你怎么设计app层才能保证数据查询起来容易又包装数据的一致性呢6.指标体系的了解7.原子指标派生指标衍生指标8.日活留存率怎么算，要得到连续十五天相对于第一天的的留存率，如何优化9.spark学到什么程度了10.spark调优，数据倾斜11.学习或生活中遇到的最大困难 #科大讯飞求职进展汇总# 现在每天至少三个面试，真有点累了

1.自我介绍2.数仓建模方式介绍，维度和主题举例介绍3.项目负责的主要工作4.举一个难的指标开发说说过程5.和业务沟通有问题怎么办，项目上线有问题怎么办5.数据质量怎么保证，有动态的方法吗6.项目难点，count distinct还有什么优化手段，不精确去重了解吗7.数据倾斜介绍8.对重庆了解吗，对云智了解吗感觉面试官没什么能量啊，好虚的样子，估计KPI

最喜欢的一种面试方式，全程问实习和项目。1.自我介绍+技术栈介绍+实习介绍+难点介绍（第一次做了十多分钟的自我介绍）2.你的难点为什么不用oltp引擎解决呢，应该多拓展一下oltp的宽度（针对oltp讨论了快⑩分钟）3.bitmap详细讨论4.用户怎么使用你们的数据产品5.实时了解吗6.base地只考虑武汉还是都可以许愿hr面 #数据人的面试交流地#

1.自我介绍2.项目介绍，最终效果怎么样，怎么进行数据调研，相关系数法怎么用的，用什么工具进行数据探查，数据维度分哪些3.项目难点，数据倾斜4.spark3的优化体现在哪些点5.dqc数据质量检测怎么做的，设定增长百分比如果破线误报了怎么办，可以用一个动态的检测方法吗，比如正态分布这些6.零点漂移介绍，解决方法7.周期快照事实表和累计快照事实表介绍8.数据湖了解吗9.拉链表，使用场景，好处10.数仓分层介绍11.JAVA项目有吗12.平时怎么跟同事沟通，有什么经验13.了解什么新技术吗面试官和蔼可亲，实为面试官典范 #数据人的面试交流地#

最难绷的一集，感觉KPI面1.自我介绍2.介绍项目，你这不就是最普通的广告曝光么，有什么区别，客群标签是你们加工的吗，数据流图是什么，有啥用3.项目难点，业务上的难点，你这种方法也没解决业务的难点啊（我真难绷，业务对接过程的问题我咋解决，我最多减缓）4.介绍hive or spark5.数仓开发的关键点，每一层的作用6.反问：我终于说出了那句一直想说但不敢说的“我没有什么问题要问”，润 #大数据#

1.自我介绍2.介绍项目，数据哪来的，数据量级，数仓模型，曝光率怎么算的3.难点介绍，随spark版本变化会不会有一些函数不适用4.bitmap的JAVA实现，哈希冲突怎么做的5.数据倾斜介绍6.除了数据倾斜，还有哪些优化手段7.开窗函数8.udf用过吗9.JAVA实现过什么项目10.sql：去掉一个最高分去掉一个最低分求用户平均分很常规的一次面试，没什么好细说的 #数据人的面试交流地#

1.自我介绍2.jvm的gc全流程，为什么要分这么多区，标记整理等算法对于gc的优缺点，遇到过哪些gc的实际例子，怎么定位这样的问题3.同一个进程中有三个线程，一个线程发生了内存溢出，另外两个会怎么样，为什么4.线程共享数据怎么实现的，一致性怎么保证5.手撕：判断完全二叉树，反转链表6.sql：窗口函数7.hdfs架构，读写数据流程，datanode在写数据的时候挂了怎么办8.小文件问题危害和解决9.数据倾斜描述和解法，实际的数据倾斜例子10.项目数据量级有多大11.表里面存什么数据，描述最细粒度12.你觉得构建数仓最重要的一点是什么13.全链路如何保证数据准确性、数据质量14.介绍实习，实习中最困难的问题，困难是和小组成员一起解决的吗15.小组成员构成16.数据是怎么给后端提供接口的前面java和手撕部分完全都在扯淡，后续回答的还算OK，许愿许愿

太拷打了，我汗都流下来了1.自我介绍2.挑一个觉得做的最好的项目介绍一下3.项目背景4.你做的项目复杂度体现在哪些地方5.数据流图是什么6.为什么你说的数据流图是难点7.如何确定你选的维表就是数据仓库中最合适的那张表8.为什么要取最细粒度9.数仓的了解渠道有哪些10.讲讲从书中得到的数仓方法论11.数据域是什么12.题目：给一个10t的double类型数组，如何用一台内存16g，磁盘20t的机器将数组全排列没太有思路，相当于10min的分布式拷打13.手撕：判断链表相交（我给了两种方法，hashset和快慢指针，被说不行，没有提现对链表这种数据结构的思考）压力最大的一次面试，每次面试官抛一个问题出来我都心头一紧，不仅要答的漂亮还得体现自己的思考，着实不易 #数据人的面试交流地#