9.29 二面的，面经一直忘记发了😂- 介绍一下实习部门的业务，以及你的工作内容和业务的关联- 介绍一下部门的数仓架构、人员分工- 一个看板的需求讲一下，建模的流程是怎样，后续有关注运营是怎么用这份数据的吗- 一个去重性能优化的需求讲一下，具体一步步怎么做详细拆解，这里问得很细，面试官对技术的了解程度很深- 任务的分桶优化讲一下，具体是怎么做的，原理是什么，需要开启哪些参数，使用时需要注意什么- 小文件治理- 你对大数据开发工作的理解，你对哪些方面感兴趣- 一面有做题吗（做了 3 道都通过了），那行就不用做了- 为什么回国- 反问：业务、组织架构、技术栈等秋招碰到的最有技术热情的 leader 面，能看出面试官既有技术深度也有技术热情，是唯一一个跟我深入探讨简历项目技术细节的面试官，虾皮好感 +1

全程大概 25 分钟HR 先做了自我介绍，整体体验非常好。非常常规的 HR 面问题，基本就顺着简历问下来，学校、实习经历、求职进展、成就感时刻、最 emo 时刻、求职会参考哪些维度等等。许愿 OC

update: 9.30 约 10 月中旬 HR 面了，许愿 OC 🤗---9.29 字节四面，问了 HR 四面技术好像是这个部门的正常情况😅，I'm like, well...- 自我介绍- 上来先做了一道题：Leetcode 解码方法（动态规划）- 实习具体负责哪些工作，占比是怎样的- 你们数仓团队几个人，数仓怎么分层、分主题- 分层的意义- 你在商品域的工作中是否会涉及边界不明确/跨主题的情况- 讲讲你的 SLA 治理工作，主要涉及哪些工作，难点主要在哪方面- 除了 SLA 治理，你们团队数据治理还做了哪些工作- 你们的需求开发流程是怎样的，讲一个你做的需求开发工作- 你觉得数仓对于业务的需求支持，价值主要体现在哪些方面- 反问：具体业务、组织架构，数仓的价值等话说一面和四面都问了实习部门的分工边界问题，后来反问了解到字节 data 是个百来号人的大部门，下面本地生活数仓的 toB 和 toC 业务还有不同团队各自负责，怪不得😅感觉到了四面问的问题已经非常宏观了，基本不会问具体技术细节，更多是了解过去经历、上下游沟通协作、数据的价值之类的。都技术四面了，希望给个机会🥺

9.21号下午一面的，忘记发牛客了，现在补上一个年轻并且非常友好的面试官，沟通也比较顺畅，完全按照我的简历一条条过，八股很少，问也只会问涉及项目的八股- 介绍实习部门的业务，数仓架构- 以下内容都是我简历具体的内容，可能没啥参考意义，中间穿插的一些细节问题有点忘了：- Cube表性能优化，还有其他优化的方法吗- 表分桶优化，一般表关联还能怎么优化- 小文件治理- SLA治理- 数据建模：***识别- 数据建模：***看板- 部门离线开发实时开发比例，你主要做哪方面做题：- SQL：同时购买商品A和商品B的用户- SQL：连续七天登录用户- 算法：lc209 长度最小子数组都是很经典的题目，10 分钟做完反问：业务，数仓架构，技术栈面到现在最顺畅体验最好的一次面试，面试官真的很认真跟你沟通和探讨隔了三四天约了二面，希望牛客给予我好运

9.23 号下午面完三面技术面，隔天问了 HR 约了四面，我以为是 HR 面，结果听 HR 说是技术面试。为啥有这么多技术面......唉，有点焦虑

中秋假期所以二面三面间隔了挺久的，9.23 三面，面试时间很短，35 分钟左右- 自我介绍- 实习介绍- 看你做了很多任务优化，讲讲优化的思路，从哪些方面去考虑- 介绍一下 Cube 表去重优化- 介绍一下***识别项目- 你们商品维表数据量- 你们实习部门的数仓分层- 用户域和流量域的区别- SQL：今天登录但昨天没登录的用户- 算法：二叉树层序遍历，自己构造输入输出- 你觉得数据开发需要哪些能力- 工作中如何跟别人沟通协作- 反问牛客发面经求好运哈哈，God bless.

9.12 一面结束后半小时飞速约了二面，9.14 二面- 自我介绍- 为什么读研- 为什么转专业- 你对大数据的理解- 介绍一下实习组内的分工、数仓架构- 以商品域为例，数据的模型/表有哪些，从哪些角度评价数据模型- 你们组具体的宏观的业务流程- 具体是怎么和其他部门协作的，流程是怎么样- 你是怎么理解数开的工作的，你个人的偏好是哪方向- 数据库的范式、事务- 范式建模、维度建模对比，适用具体场景- 你了解哪些排序算法，详细讲讲冒泡排序和快速排序- 对于小规模的数据比如学校成绩表、课程表等等建设数仓是否一定要使用维度建模- 看你写了 kimball 的维度建模，你对维度建模的理解- MR 流程- MR 的并行度是由什么决定的- 一个场景：两表Join，然后 group by 计算指标，写入一张表，这种场景可能会出现哪些潜在的问题- 你有很多任务优化的经验，你的具体思路是怎样的- 你之前谈到的数据质量，具体包括哪些，如何去实现的，以及如何量化- 你了解 Doris，ClickHouse 之类的 OLAP 引擎吗，和 Hadoop、Hive、Spark 这些有什么区别，具体场景是哪些- 你目前的秋招进度是怎样的，投了哪些公司- 没做题- 反问环节：业务、数仓架构、技术栈等

9.12 大数据一面，好像是抖音本地生活服务部门，话说字节约面是真的快，投的第二天直接约了 9.12 的一面，都没笔试以下内容都是简历强相关的：- 上来没自我介绍直接开问- 你怎么看待你B站和美团的这两段经历的关系- 本科和硕士专业的跨度挺大的，为什么- Spark 的 count distinct 是怎么做的- SparkSQL 做 Join 的时候有哪些 Join 算法- 对数据库有哪些了解？关系型和非关系型有哪些典型的产品？区别是什么？- 美团实习的介绍- 主题域的建设，工作的时候是偏整体建设视角还是对接一些需求去做一些事情- 为什么要建设商品主题域，你对它的认知是怎么样的- 你提到商品会作为维度和交易、流量主题有关联，那具体建设的时候会包含其他主题吗- 团队有多少人，怎么分工的- 实习过程中协作感受怎么样？是清晰的吗，还是说会涉及到一些边界的问题- 讲讲治理的工作，你实习三个月大概多少精力放在治理上- 总结复盘一下治理思路是什么样子的- 计算、存储、SLA治理这三部分，分别的目标是啥- 计算治理方面你提到OOM，怎么减少OOM- 除了事后调度时报错，有没有办法提前去识别任务可能出现的问题（比如有没有办法提前通过输入表的输入、计算的复杂度去在运行前提前判断任务会不会 OOM，来进行前置的预警）- 存储治理大概有几种方案- 大数据相关知识你的学习路径是怎么样的- 比方今天有很紧急的任务，存储的数据通过正常 SQL 解析太慢了，可能要通过比如写 Java UDF 或学一个新的方式去实现，你会怎么处理这件事情- SQL：找评分连续下降7天的商家

Timeline：3.21 一面3.26 二面4.1 OC到店事业群感谢团子 🍡 😎

3.26 美团 数据开发 到店（暑期实习二面）- 面试官是一个温柔的小姐姐- 自我介绍- 之前工作经历介绍- 你觉得什么是好的数仓- 要达到你说的好数仓的标准，应该如何建设？- 小文件具体怎么治理的（预防/滚动式 + 自动脚本）- 小文件有哪些危害- 给你一个数据倾斜的场景，可能有点难，答不出来也没事：大表 Join 大表（10 亿级别的，比如订单 Join 商品表）可能有一些商品销量特别好，数据倾斜，要如何解决？（采样热点 key，一张表 1-N 加盐，一张表扩容 N 倍）- 上面的题是美团的数据倾斜经典问题了，具体可以参考他们自己的技术博客：[Spark性能优化指南——高级篇 - 美团技术团队 (meituan.com)](https://tech.meituan.com/2016/05/12/spark-tuning-pro.html)- 更熟悉 Java 还是 Python？写一个冒泡排序- 写一道 SQL：SQL276 牛客的课程订单分析(六)- 讲一个你之前项目中遇到的一个困难，你是如何解决的- 讲一个你的缺点- 假如这次面试失败，你觉得会是什么问题- 你是如何学习新知识的- 国外工作还是选择回国- 什么时候能够实习- 反问：具体做什么业务的？到店-数据智能（好像是），最近在做的项目是特价团购，面试官说了超级多，离线、实时数仓建设、数据分析、数据应用都有，然后总结说是个好组好业务（“可以去看财报”）。- 反问：只有两面吗？面试官：对。什么时候可以知道结果？面试官：一周之内。🍡团子拜托啦  许愿 OC----------------------------Update：4.1 OC + Offer 邮件我直接一手接受 Offer！感谢团子🍡😎

- 美团：到店事业群--平台技术部（暑期实习一面）- 上来面试官说看你简历挺匹配的，I'm like whaaaaat- 自我介绍- 为什么去读研了- 你们团队多少人- 你们数仓怎么分层- 你主要负责哪几层- ODS 数据从哪来，怎么接入数仓- ODS 表是什么事实表类型？更新方式？- ODS 到 DWD 做了哪些处理？- DWD 有哪些表，事实表如何设计的？- 你提到了数据字典，解释一下- 通过什么实现的（数据资产管理的平台）- 数据库 vs 数据仓库- 数据库为什么要减少冗余（数据更新导致数据不一致）- 数据仓库有冗余，如何保证一致性（我讲的更多需要人为的干预+平台功能）- 数仓分层的意义- Spark 的 stage 是如何划分的- 哪些算子会出现 Shuffle- 小文件优化，小文件是怎么产生的- Map 端造成的小文件问题怎么处理- 表存储优化：小文件治理、生命周期治理、下线无用表- 生命周期治理是每一层生命周期不同吗，考虑哪些方面- 分桶表的场景- MySQL 的索引一般是用什么数据结构- 介绍 B+ 树- 索引匹配原则- 写一个 SQL：[SQL270 考试分数(五)](https://www.nowcoder.com/practice/b626ff9e2ad04789954c2132c74c0513?tpId=82&tqId=35496&ru=/exam/oj)- 反问：部门业务？美团数仓建设？公司平台建设情况？- 感觉面试官明显对数仓建设、数据治理、数据一致性之类问题更感兴趣，Hive、Spark 之类的框架八股基本没问，算法题更是都没出，只出了一道中位数的 SQL（然后我写的 SparkSQL 牛客网还跑不了，面试官 be like 没事，差不多就行了 -_-||）- 心路历程：第一次面试有点紧张，虽然问题都非常简单，但我很多地方表达的不是很顺畅，有几个问题一开始都没 get 到面试官的点，感觉情况不太乐观。面试官很好，奈何我不够给力，哈哈。许愿二面 😥-------------------------------------------Update：3.25 刚刚收到电话约了二面Update：字数不够了，二面面经在动态