字节 数仓实习 面经（已挂）

岗位：数仓实习

时间：8月15日

面试题：

1.过往经历集中在数据分析，如何看待自己的职业发展，对数仓这个岗位如何能确定自己是能长期做下去的

2.介绍一下过往项目，要求详细说明项目的背景，做了什么，怎么做的，结果如何

3.一个比较抽象的问题：如果目前有很多视频，有用户id，视频id，开始播放时间，结束播放时间，怎么计算某个时间点最大的视频播放量，不用写sql，口述即可

4.在这个过程中遇到数据倾斜的问题，比如某个视频播放量特别大，该如何做分桶，针对哪个字段

5.spark中造成数据倾斜的原因是什么（落在shuffle）

6.spark中的stage和task是并行还是串行的？spark中有哪些算子会造成数据倾斜？解决数据倾斜的手段有哪些

7.了解索引吗？什么是聚集索引和非聚集索引？聚集索引可以有几个？B树，B+树，哈希索引的区别？

8.数据清洗面对缺失值，异常值如何处理（谈到数据标准化，比如对性别的缺失值打上未知标签）

9.用户画像如何进行标签的构建？10.如何保证数据的质量？11.写sql的时候from的表如何找到？数据地图知道吗12.SQL题 列转行