一面数据仓库认识维度建模之外还有哪些建模，有什么区别项目中数据仓库分了哪几层，为什么要分层Hadoop架构，你这些组件中选一个最熟悉的说（这问题也太友好了，我选了MapReduce，说了一下流程）怎么实现分区，环形缓冲区溢写的分区和后续Reduce的分区一样吗环形缓冲区里的快排是怎么实现的，是对数据快排吗简述了一下快排的过程，时间空间复杂度时间复杂度和空间复杂度的区别，原理，怎么计算。举个例子说明。Hive的介绍，对Hive的认识，用处项目的数据流向，数据链路搭建两道sql，共享屏幕手撕。一个是每一天最早登录的三个人的信息，第二个是连续登陆问题。一面下来感受很好，除了面试时候迟到了20分钟左右...

数据开发日常实习的一面，也是我的第一面。投简历的时候没想到会这么快，上午投的简历，晚上就打电话约第二天面试，自己完全没准备好，以为会有一个礼拜左右缓冲时间。和hr约了第三天面。首面还是非常紧张，问的问题很多都回答不上来，表现很差。后续一个礼拜没有联系，应该是g了自我介绍，介绍一下项目以及项目中用到的一些大数据组件HDFS的文件存储格式有哪些（这个真没想起来）MapReduce过程，MapTask和ReduceTask个数怎么确定MapReduce阶段哪些因素会影响性能Flink和Spark Streaming的区别数仓建模理论主题域和数据域的区别（这个问题一开始没听懂，后来感觉应该想问主题的确...

首先想法是确定新用户的留存率怎么算，这里其实和之前留存率的想法一样，就是加上了新用户的限制。原来是：N日留存用户数/某日活跃用户数 。现在变成：次日留存新用户数/某日活跃的新用户数那么问题关键是如何确定这个用户是否是新用户，我想到的是，找到每一个用户的最小登录日期，也就是首日登录，作为字段拼接。后续只要判断用户的这一天日期是否和这个字段相等，就可以判断是否是新用户： select uid, min(date (in_time)) first_day from ...