字节集团信息数据开发二面0924

70分钟

1.自我介绍

2.为什么不继续选择后端和算法，选择数开？

3.在实习结束后，对数开有什么新的看法？

4.讲讲实习项目经历业务逻辑。

5.实习复盘离线数仓建设最难的点在哪？

6.抛开数据治理不谈，数据仓库和数据建模最难的点是哪些？

7.讲讲如果不按订单归因，按曝光归因的话该怎么修改链路？

8.了解拉链表吗，如果按曝光归因拉链表核心字段怎么设置？

9.了解数据漂移吗，数据飘逸是什么？

10.怎么解决数据飘逸？

11.RDD中宽窄依赖分别是什么？为什么这样设置？

12.spark的流程，从语义入手

13.真正执行之前spark会有哪些小步骤？

14.spark怎么写入hive数据表？

15.spark写入RDD用的是什么组件？

16.了解过RDD的持久化原理吗？

17.persist和cache有什么区别？

18.了解数据湖吗，和数据仓库有什么区别？

手撕15分钟sql

统计每个用户每个月的销售总量。每个月有数据，没有月份的数据也要补上数据。（多个cte，先构建user_id和12个月份的笛卡尔积，然后对order_cnt_1d使用聚合函数sum，按用户和月份分组，最后多个表left join并使用lag和coalesce补上没有数据的月份，补上个月（如果有数据）的数据）

输入：

user_id, date, order_cnt_1d

A 20220111 10

A 20220112 20

A 20220210 30

A 20220410 50

预期输出：4月之后的5月到12月都是110。

user_id, month, order_cnt

A 202201 30

A 202202 60

A 202203 60

A 202204 110

A 202205 110

……

A 202212 110

反问业务

可以提升的点：实习项目深度不够，对大数据的广度也不够